表のファイルをデータフレームにする(pythonのpandas)

もともとPythonには辞書型(dictionary)といって、項目別にデータを記録できる形式があります。
これを表でも使えるようにしたのがPandasです。

まず単純な表でやってみましょう。
以下のような名前、年齢、性別、身長、体重の表を用意します。
日本語入力は処理が増えるので、ここでは英語項目にします。

「sample_data.csv」という名前を付けます。

↓「sample_data.csv」の内容

name	age	sex	height	weight
A	25	male	181	81
B	40	female	158	61
C	32	male	165	67
D	37	female	171	61
E	56	male	175	89
F	49	female	161	61
G	65	male	168	72
H	72	female	155	57
I	58	female	148	52
J	41	male	176	85

このファイルをエクセルから、「csv形式」で保存します。
エクセルの「名前を付けて保存」　→　「形式」　→「csv（カンマ区切り）」でできます。

import pandas as pd
#pandasをpdという略称で使っていきます。
df = pd.read_csv('sample_data.csv', index_col='name')  
#pandasの「read_csv」という関数でデータファイルをdfに読み込みます。
#同時に名前(name)の欄をインデックスに指定します。

print(df)
#読み込んだデータを表示します。

データフレームという形式です。

print(type(df))
#dfの型（形式）を打ち出します。

pandasのデータフレーム形式となっています。

まず、pandasにはこのデータの特徴を一覧できる機能があります。

df.describe()

とすると、データの色々な統計パラメータが出力されます。

count:サンプル数、mean:平均、std:標準偏差、min：最小値、25,50,75%: パーセンタイル、max：最大値

df.info()

とすると、データに入っているそれぞれの値の特徴が見れます。
int64というのは整数値が入っているということです。age, height, weightの値ですね。
objectというのはここでは文字列が入っています。sexのmale, femaleに対応しています。

ここでBMIを計算してみます。
BMI ＝ 体重(kg) / （身長(m)の二乗）
ですので

df['BMI'] = df['weight'] / ((df['height'] / 100) ** 2)  
#体重割る身長の2乗を計算して、'BMI'という項目に入れる

のように記載することができます。
df[項目名]でデータフレーム内の列を抜き出しています。
**は2乗の計算です。

ここで

print(df)

と、dfのBMIの項目が加わっているのがわかります。

こうやって手を加えたデータフレームをcsvで保存するのは簡単です。

df.to_csv('sample_data_bmi.csv')
#dfの内容を「sample_data_bmi.csv」という名前で保存

フォルダを見ると、sample_data_bmi.csvというファイルがあり

name	age	sex	height	weight	BMI
A	25	male	181	81	24.724520008546747
B	40	female	158	61	24.435186668803073
C	32	male	165	67	24.609733700642796
D	37	female	171	61	20.86111966075032
E	56	male	175	89	29.06122448979592
F	49	female	161	61	23.533042706685695
G	65	male	168	72	25.510204081632658
H	72	female	155	57	23.725286160249738
I	58	female	148	52	23.739956172388606
J	41	male	176	85	27.44059917355372

BMIという項目が追加されています。

対話をするように書けるのが便利です。
これは、データフレームを一つのオブジェクト（モノ）として考えるという概念で作っているためです。 Pythonは「オブジェクト指向」のプログラミング言語と言われており、同じように対話感覚で使えるツールが数多くそろっているので便利なのです。