目次
Pandas
前回、Pandasで行方向にデータを追加する方法を紹介しました。
あわせて読みたい
【Pandas】行方向にデータを追加する方法[Python]
Pandas 前回、Pythonでリストから辞書を作成する方法を紹介しました。 今回はPandasで行方向にデータを追加する方法を紹介します。 それでは始めていきましょう。 行方…
今回はPandasで列方向にデータを追加する方法を紹介します。
それでは始めていきましょう。
df[列名]でデータを追加
データフレームに列としてデータを追加する方法としては「df[列名]」でデータを追加する方法があります。
辞書の様に追加できることから簡単に使える方法です。
import pandas as pd
import numpy as np
column_num = 10
df = pd.DataFrame()
rng = np.random.default_rng()
for c_num in range(column_num):
df[c_num] = rng.random(10)
print(df)
実行結果
0 1 2 3 4 5 6 \
0 0.092656 0.588085 0.532506 0.620316 0.746281 0.901826 0.545977
1 0.249781 0.452919 0.896740 0.204829 0.795558 0.912468 0.218823
2 0.944426 0.131438 0.094824 0.322589 0.834228 0.689732 0.730281
3 0.014335 0.750955 0.810115 0.174651 0.229884 0.236513 0.527441
4 0.189177 0.806379 0.416009 0.006121 0.729997 0.497447 0.846570
5 0.828416 0.219259 0.500104 0.777865 0.523318 0.471064 0.403795
6 0.447570 0.684697 0.773767 0.030717 0.982740 0.672824 0.295245
7 0.654365 0.677355 0.067456 0.132455 0.221908 0.638855 0.197908
8 0.913537 0.822408 0.069830 0.205479 0.446807 0.599840 0.611137
9 0.225850 0.055669 0.051397 0.863112 0.408996 0.892111 0.916572
7 8 9
0 0.046294 0.908354 0.442617
1 0.763491 0.751801 0.457829
2 0.835838 0.370997 0.630565
3 0.082151 0.835465 0.621463
4 0.440525 0.337358 0.508486
5 0.161462 0.401410 0.112175
6 0.239742 0.712198 0.131989
7 0.770848 0.707108 0.046263
8 0.881027 0.071912 0.824282
9 0.290916 0.062953 0.304602 データはNumPyの乱数ジェネレータを使って作成しています。
NumPyの乱数ジェネレータに関してはこちらの記事で紹介していますので、よかったらどうぞ。
あわせて読みたい
【NumPy】ジェネレータを使ったランダムな数値の取得方法の紹介と使わない方法との比較[Python]
NumPy 前回、PythonのNumPyとSciPyで正規分布（ガウス分布）に従うランダムな値を取得する方法を紹介しました。 今回はNumPyでジェネレータを使ったランダムな数値の取…
この方法は気軽に使える反面、データが多くなると警告が表示されます。
import pandas as pd
import numpy as np
column_num = 1000
df = pd.DataFrame()
rng = np.random.default_rng()
for c_num in range(column_num):
df[c_num] = rng.random(10)
print(df)
実行結果
0 1 2 3 4 5 6 \
0 0.733494 0.629504 0.509985 0.825894 0.918788 0.550446 0.084953
1 0.760066 0.849370 0.062400 0.060143 0.805701 0.553981 0.280778
2 0.961861 0.400218 0.857443 0.422398 0.208799 0.095947 0.596483
3 0.195917 0.340802 0.054104 0.147578 0.857959 0.935003 0.177356
4 0.361968 0.459286 0.266768 0.819802 0.647429 0.886624 0.108233
5 0.126987 0.947966 0.041688 0.495567 0.943472 0.507224 0.003541
6 0.261173 0.586281 0.538216 0.315045 0.792654 0.259711 0.907976
7 0.208204 0.228209 0.276961 0.065344 0.797434 0.954079 0.688665
8 0.603933 0.050230 0.967057 0.385749 0.510954 0.113342 0.252529
9 0.182743 0.380019 0.273160 0.060995 0.949326 0.223114 0.536474
7 8 9 ... 990 991 992 993 \
0 0.883164 0.709349 0.183049 ... 0.933866 0.040979 0.975156 0.464766
1 0.849817 0.429039 0.003395 ... 0.024883 0.596757 0.115032 0.541966
2 0.863383 0.092015 0.535166 ... 0.011203 0.202082 0.003687 0.207222
3 0.742999 0.123932 0.083437 ... 0.443101 0.087289 0.965444 0.457584
4 0.586670 0.103896 0.303144 ... 0.336918 0.717651 0.292918 0.106690
5 0.538667 0.960127 0.029582 ... 0.720822 0.655445 0.685659 0.575143
6 0.351879 0.289922 0.201163 ... 0.644014 0.115342 0.817834 0.518394
7 0.713238 0.525287 0.423531 ... 0.390353 0.452647 0.392868 0.802239
8 0.974515 0.962060 0.314861 ... 0.307875 0.709946 0.889314 0.643739
9 0.331779 0.706041 0.360907 ... 0.234418 0.102739 0.276772 0.435830
994 995 996 997 998 999
0 0.807274 0.644940 0.542253 0.078494 0.536312 0.456097
1 0.101826 0.940361 0.277023 0.458885 0.844071 0.709311
2 0.791395 0.287934 0.267872 0.755436 0.857506 0.142931
3 0.816948 0.013948 0.474316 0.425016 0.096720 0.710496
4 0.216597 0.812262 0.038335 0.895418 0.449557 0.218864
5 0.060690 0.813329 0.617684 0.041414 0.090541 0.911312
6 0.649904 0.335219 0.862966 0.200078 0.580466 0.295298
7 0.224957 0.245704 0.148834 0.321497 0.322426 0.038557
8 0.891455 0.508967 0.581011 0.696066 0.041718 0.668692
9 0.934877 0.248474 0.477411 0.304963 0.228504 0.957152
[10 rows x 1000 columns]
/var/folders/sp/hg7p80kx22s7vct7yb0zl5cm0000gn/T/ipykernel_13283/
4074519197.py:11: PerformanceWarning: DataFrame is highly fragmented.
This is usually the result of calling `frame.insert` many times,
which has poor performance. Consider joining all columns at once
using pd.concat(axis=1) instead. To get a de-fragmented frame,
use `newframe = frame.copy()`
df[c_num] = rng.random(10)どうやらこの方法はあまりパフォーマンス的に良い方法ではないとのことで、代わりに「pd.concat(axis=1)」を勧められます。
ということで試してみます。
import pandas as pd
import numpy as np
column_num = 1000
df = pd.DataFrame()
rng = np.random.default_rng()
for c_num in range(column_num):
df_add = pd.DataFrame(rng.random(10), columns=[c_num])
df = pd.concat([df, df_add], axis=1)
print(df)
実行結果
0 1 2 3 4 5 6 \
0 0.786263 0.340479 0.992491 0.747589 0.434493 0.771517 0.453220
1 0.885337 0.268389 0.314073 0.234762 0.330169 0.416728 0.973739
2 0.361635 0.017073 0.998744 0.056415 0.532284 0.870129 0.653355
3 0.574577 0.322628 0.769415 0.718639 0.514957 0.472393 0.424075
4 0.300638 0.796059 0.427357 0.817731 0.033193 0.378891 0.127753
5 0.926530 0.051283 0.587905 0.087341 0.191238 0.527160 0.141225
6 0.976033 0.437607 0.730176 0.197983 0.802466 0.266694 0.409749
7 0.587569 0.530384 0.919754 0.679826 0.038273 0.480210 0.239273
8 0.686917 0.356358 0.570043 0.712713 0.029657 0.281358 0.971709
9 0.353700 0.225141 0.183434 0.587338 0.826032 0.202260 0.630070
7 8 9 ... 990 991 992 993 \
0 0.331685 0.892849 0.585956 ... 0.328649 0.197003 0.940035 0.478013
1 0.303131 0.113920 0.184395 ... 0.795621 0.816141 0.489325 0.112984
2 0.665722 0.286215 0.461396 ... 0.966153 0.200030 0.772767 0.611956
3 0.503761 0.929764 0.288608 ... 0.827622 0.206803 0.694326 0.544831
4 0.867214 0.835498 0.060055 ... 0.625875 0.617611 0.880740 0.086261
5 0.824891 0.164958 0.513704 ... 0.872523 0.065001 0.804279 0.023696
6 0.427018 0.422756 0.550454 ... 0.623516 0.751547 0.354685 0.234894
7 0.950831 0.520808 0.595640 ... 0.523113 0.397560 0.436270 0.324722
8 0.415023 0.514080 0.127320 ... 0.715707 0.203550 0.213739 0.145915
9 0.463468 0.551637 0.051414 ... 0.750758 0.673031 0.840803 0.953849
994 995 996 997 998 999
0 0.636352 0.676099 0.129913 0.990963 0.440906 0.254350
1 0.571050 0.637301 0.182800 0.761227 0.887743 0.178316
2 0.500451 0.912980 0.231769 0.819632 0.656509 0.463165
3 0.732940 0.365772 0.721172 0.793519 0.962898 0.750543
4 0.106167 0.523814 0.814335 0.670908 0.916438 0.705283
5 0.888895 0.263819 0.416420 0.239587 0.514156 0.780250
6 0.823298 0.133149 0.958439 0.329760 0.573206 0.005511
7 0.034202 0.773206 0.936291 0.308396 0.370357 0.686141
8 0.605946 0.029003 0.686984 0.744579 0.700958 0.577575
9 0.022187 0.626076 0.002610 0.935992 0.077373 0.148206
[10 rows x 1000 columns]無事追加できました。
辞書を作成してからデータフレームに変換
「pd.concat()」で追加できるのは分かったのですが、これまでの「df[列名]」に比べると追加の方法が複雑で覚えにくいです。
そんな時はいきなりデータフレームを作成してデータを追加していくのではなく、一旦辞書を作成し、データを追加、最後にその辞書をデータフレームへ変換してしまう方法の方が分かりやすいです。
つまりこんな感じです。
import pandas as pd
import numpy as np
column_num = 1000
rng = np.random.default_rng()
data_dic = {}
for c_num in range(column_num):
data_dic[c_num] = rng.random(10)
df = pd.DataFrame(data_dic)
print(df)
実行結果
0 1 2 3 4 5 6 \
0 0.950443 0.510381 0.380969 0.186369 0.205019 0.311203 0.953946
1 0.449400 0.478602 0.212552 0.943630 0.890136 0.534205 0.581683
2 0.882497 0.613497 0.786964 0.026933 0.369672 0.974456 0.198081
3 0.017958 0.225856 0.665516 0.481735 0.045476 0.301894 0.946426
4 0.757976 0.582993 0.688813 0.689700 0.829662 0.762571 0.730270
5 0.704493 0.291093 0.692176 0.922951 0.726470 0.109277 0.409830
6 0.841655 0.083388 0.845499 0.428125 0.250047 0.208356 0.076435
7 0.645744 0.087695 0.909819 0.006695 0.253948 0.258853 0.104530
8 0.851999 0.736562 0.567915 0.559663 0.954158 0.244089 0.720233
9 0.157651 0.172517 0.758822 0.297292 0.691787 0.672509 0.292546
7 8 9 ... 990 991 992 993 \
0 0.042144 0.920046 0.066642 ... 0.485595 0.313384 0.201674 0.080643
1 0.544037 0.115706 0.609323 ... 0.594952 0.023881 0.940372 0.292379
2 0.034513 0.780951 0.690990 ... 0.580228 0.920914 0.015200 0.789194
3 0.938626 0.211889 0.146446 ... 0.248981 0.483250 0.645695 0.411195
4 0.539950 0.535007 0.492523 ... 0.080248 0.177837 0.335017 0.481670
5 0.347672 0.193756 0.862501 ... 0.992088 0.068966 0.709499 0.462312
6 0.193551 0.625353 0.813343 ... 0.743419 0.178910 0.883817 0.164956
7 0.151856 0.500251 0.931229 ... 0.717289 0.105110 0.593391 0.996897
8 0.592530 0.979624 0.278176 ... 0.226373 0.014485 0.345073 0.601564
9 0.963083 0.572512 0.850270 ... 0.317426 0.946826 0.335413 0.680110
994 995 996 997 998 999
0 0.717807 0.547350 0.332791 0.020598 0.628083 0.516784
1 0.035564 0.705203 0.051547 0.688690 0.263680 0.119006
2 0.151079 0.957535 0.741834 0.156663 0.332617 0.756040
3 0.144769 0.372371 0.144077 0.554499 0.381099 0.409673
4 0.048370 0.412778 0.686117 0.544331 0.554991 0.603065
5 0.680707 0.386414 0.255685 0.272824 0.348710 0.883415
6 0.230230 0.110729 0.131618 0.810427 0.454233 0.559577
7 0.187140 0.898828 0.757570 0.071891 0.098087 0.051177
8 0.988727 0.580772 0.982452 0.384399 0.377691 0.945710
9 0.130793 0.689802 0.638921 0.902125 0.649613 0.218007
[10 rows x 1000 columns]実行速度を比較してみた
パフォーマンスうんぬんという話が出てきたのでJupyter notebookのマジックコマンド「%%timeit」を使って実行速度を比較してみましょう。
ちなみに最後のデータフレームの出力は省略しておきます。
まずは「df[列名]」でデータを追加する方法です。
%%timeit
import pandas as pd
import numpy as np
column_num = 1000
df = pd.DataFrame()
rng = np.random.default_rng()
for c_num in range(column_num):
df[c_num] = rng.random(10)
実行結果
<magic-timeit>:11: PerformanceWarning: DataFrame is highly
fragmented. This is usually the result of calling `frame.insert`
many times, which has poor performance. Consider joining all
columns at once using pd.concat(axis=1) instead. To get a
de-fragmented frame, use `newframe = frame.copy()`
（中略）
296 ms ± 65.8 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)次に「pd.concat()」を使う方法です。
%%timeit
import pandas as pd
import numpy as np
column_num = 1000
df = pd.DataFrame()
rng = np.random.default_rng()
for c_num in range(column_num):
df_add = pd.DataFrame(rng.random(10), columns=[c_num])
df = pd.concat([df, df_add], axis=1)
実行結果
1.86 s ± 46.1 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)最後に辞書からデータフレームに変換する方法です。
%%timeit
import pandas as pd
import numpy as np
column_num = 1000
rng = np.random.default_rng()
data_dic = {}
for c_num in range(column_num):
data_dic[c_num] = rng.random(10)
df = pd.DataFrame(data_dic)
実行結果
10.3 ms ± 98.9 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)「df[列名]」が296ミリ秒、「pd.concat()」が1.86秒、辞書からデータフレームに変換する方法が10.3ミリ秒ということで、圧倒的に辞書からデータフレームに変換する方法が速かったです。
驚いたのは「df[列名]」の代替案として示された「pd.concat()」が圧倒的に遅かったことです。
どうやら警告メッセージ「Consider joining all columns at once using pd.concat(axis=1) instead.」に書かれている中で「at once（同時に）」が重要なのであって「pd.concat()」が重要なのではないと思われます。
そのため最後の辞書からデータフレームに変換する方法、つまり「at once」の方法が圧倒的に速かったのではないでしょうか。
ということでできる限り辞書等でデータをまとめ、データフレームに変換するという方法を取るのが良さそうです。
次回はPandasのデータフレーム内の行列のデータ、もしくはデータフレームをリストに変換する方法を紹介します。
ではでは今回はこんな感じで。
コメント