Kaggle Tutorial

pandas 基礎 I — 読み込み・選択・フィルタ

Series と DataFrame の基本、CSV の読み込み、列・行の選択、条件によるフィルタリングを学びます。

Series と DataFrame#

pandas の中心は 2 つのデータ構造です。

  • Series：ラベル付きの 1 次元配列（1 列分のデータ）
  • DataFrame：複数の Series を束ねた表（行＝レコード、列＝特徴量）

Kaggle のテーブルコンペは、この DataFrame を読み込むところから始まります。

読み込みと中身の把握#

import pandas as pd

df = pd.read_csv("/kaggle/input/titanic/train.csv")

df.shape        # (891, 12) 行数・列数
df.head()       # 先頭 5 行
df.info()       # 列名・非欠損数・型
df.describe()   # 数値列の要約統計（平均・分位点など）

ヒント

データを読み込んだら、まず shape → head → info → describe の順で全体像をつかむのが定石です。 列の意味と型を最初に把握しておくと、後の処理で迷いません。

列の選択#

df["Age"]                 # 単一列（Series）
df[["Age", "Fare"]]       # 複数列（DataFrame）

行・列の選択：loc と iloc#

  • loc：ラベル（列名・インデックス名）で選択
  • iloc：位置（整数）で選択
df.loc[0, "Name"]              # 0 行目の Name
df.loc[df["Age"] > 60, "Name"] # 条件に合う行の Name
df.iloc[0:5, 0:3]             # 先頭 5 行・先頭 3 列

条件によるフィルタ（ブールインデックス）#

条件式は True/False の Series を返し、それで行を絞り込みます。 複数条件は &（かつ）・|（または）でつなぎ、各条件を () で囲むのが必須です。

# 女性かつ 3 等客室
mask = (df["Sex"] == "female") & (df["Pclass"] == 3)
df[mask].shape

# 生存率を比較
df[df["Sex"] == "female"]["Survived"].mean()  # 女性の生存率
df[df["Sex"] == "male"]["Survived"].mean()    # 男性の生存率

注意

and / or ではなく & / | を使い、各条件を必ず括弧で囲みます。 df[df["a"] > 0 & df["b"] > 0] は演算子の優先順位でエラーになります。

Google Colab で開く ↗Kaggle で開く ↗

次のステップ#

次は pandas の集計・結合（groupby・merge・pivot・apply）を学びます。