【Pandas】データフレーム、シリーズの連結、重複の削除、再インデックス（concat、append、drop_duplicates、reset_index）[Python]

Pandas

今回はPythonのデータ解析支援ライブラリPandasでよくやる操作として、データフレーム、もしくはシリーズの連結、重複の削除、そして再インデックスするという流れを紹介します。

ちなみにデータフレームの連結に関してはこちらの記事でも解説していますので、よかったらどうぞ。

あわせて読みたい

【Pandas】データフレームの連結（concat）［Python］ データ解析支援ライブラリPandas 前回はデータ解析支援ライブラリPandasのassignで列を、appendで列を追加する方法を解説しました。 今回は追加するという流れでデータ…

それでは始めていきましょう。

事前準備

まずは連結するデータを準備します。

import pandas as pd
import numpy as np

columnname = ['A', 'B', 'C']
data1 = np.array([[1, 2, 3], [2, 4, 6], [3, 6, 9]])
data2 = np.array([[3, 6, 9],[4, 8, 12], [5, 10, 15]])

df1 = pd.DataFrame(columns=columnname, data=data1)
df2 = pd.DataFrame(columns=columnname, data=data2)

A、B、Cという列名を持ったデータフレームを２つ作成し、一つは「[1, 2, 3], [2, 4, 6], [3, 6, 9]」というデータ、もう一つは「[3, 6, 9],[4, 8, 12], [5, 10, 15]」というデータを格納しています。

表示させて確認してみるとこんな感じです。

df1

実行結果

df2

実行結果

df1の３番目のデータととdf2の１番目のデータは同じデータになっていて、連結させると重複するようになっています。

データフレーム同士の連結：concat

まずは準備した二つのデータフレームdf1とdf2を連結してみましょう。

データフレームを連結するには「pd.concat([データフレーム1, データフレーム2])」で連結します。

df_new1 = pd.concat([df1, df2])

df_new1

実行結果

ちなみに「pd.concat([データフレーム1, データフレーム2, データフレーム3])」とすることで3つ以上のデータフレームを一度に連結することも可能です。

しかしconcatではデータフレームとシリーズの連結をすることもできますが、思ったようにいかないこともしばしばです。

df_new2 = pd.concat([df1, df2.iloc[1]])

df_new2

実行結果

今回の場合はdf2の一部をシリーズをデータフレームdf1に新しい行として追加したかったのですが、新しい行、列に追加されてしまいました。

データフレームとシリーズの連結：append

データフレームに対して、新しい行としてシリーズを追加したい場合は「append」を使う方がスムーズにいくでしょう。

使い方としては「データフレーム.append(シリーズ)」です。

df_new3 = df1.append(df2.iloc[1])

df_new3

実行結果

appendでデータフレーム同士の連結

ちなみにappendでは「データフレーム1.append(データフレーム2)」とすることで、データフレーム同士の連結もできます。

df_new4 = df1.append(df2)

df_new4

実行結果

重複したデータの削除：drop_duplicates()

今回のdf1とdf2を連結するとデータの重複が発生します。

この重複を削除するには、「データフレーム.drop_duplicates()」を用います。

df_new1 = pd.concat([df1, df2])

df_new4 = df_new1.drop_duplicates()

df_new4

実行結果

インデックス番号の振り直し：reset_index()

データを連結したり、重複を削除するとインデックス番号がぐちゃぐちゃになってしまいます。

そこでデータを整形した後はインデックス番号を振り直すとデータが使いやすくなります。

インデックス番号を振り直すには「データフレーム.reset_index()」を使います。

df_new5 = df_new4.reset_index()

df_new5

実行結果

新しくインデックス番号が振られましたが、前のインデックス番号も列として残ってしまっています。

前のインデックス番号を参照したい場合はいいのですが、邪魔になる場合は「drop=True」のオプションを付けることで古いインデックス番号を削除することもできます。

df_new6 = df_new4.reset_index(drop=True)

df_new6

実行結果

また上記2つの例では重複を削除したデータフレームを新しいデータフレームに格納していますが、データフレームを上書きするということもできます。

その場合は「inplace=True」のオプションを追加します。

df_new4.reset_index(drop=True, inplace=True)

df_new4

実行結果

これでデータフレームの連結、重複の削除、インデックス番号の振り直しの一連の流れができました。

複数のデータフレームを使い出すとやる流れだと思うので、知っておくと便利かもしれません。

次回はすっかり忘れていたシリーズに関して、作成、要素の追加・削除を勉強してみましょう。

あわせて読みたい

【Pandas】シリーズの作成と要素の追加・削除[Python] Pandas 前回、Pythonのデータ解析支援ライブラリPandasでよくやる操作として、データフレーム、もしくはシリーズの連結、重複の削除、そして再インデックスするという流…

ではでは今回はこんな感じで。