pandasで任意の位置の値を取得・変更するat, iat, loc, iloc
pandas.DataFrameの任意の位置のデータを選択し処理
pandas.DataFrameの任意の位置のデータを取り出したり変更（代入）したりする場合、pandas.DataFrameのプロパティ、at, iat, loc, ilocを使う。at()ではなくat[]のように記述する。
以下のような違いがある。
- 位置の指定方法
at,loc: 行ラベル（行名）、列ラベル（列名）iat,iloc: 行番号、列番号
- 選択し取得・変更できるデータ
at,iat: 単独の要素の値loc,iloc: 単独および複数の要素の値- 行全体・列全体を選択して取得・変更可能
- リスト、スライスで範囲を指定可能
- その他
- 処理速度は
atとiatのほうがlocとilocよりも高速 - ラベルと番号を組み合わせて位置を指定したい場合は
atまたはlocとindexやcolumnを組み合わせる（最後に説明）
- 処理速度は
pandas.DataFrameの行全体・列全体、pandas.Seriesの要素の値を選択・取得する場合は直接インデックスdf[]も使用できる。
なお、DataFrame.get_value()、DataFrame.ix[]もあるが、どちらも最新のバージョンでは非推奨（Deprecated）になっている。これから新しく書くコードにはat, iat, loc, ilocを使うほうがいいだろう。
DataFrame.get_value():v0.21.0から非推奨DataFrame.ix[]:v0.20.0から非推奨
今回のサンプルコードでは以下のcsvデータをread_csvで読み込んで使用する。
引数index_colで最初の列をindexとしている。
import pandas as pd
df = pd.read_csv('data/src/sample_pandas_normal.csv', index_col=0)
print(df)
# age state point
# name
# Alice 24 NY 64
# Bob 42 CA 92
# Charlie 18 CA 70
# Dave 68 TX 70
# Ellen 24 CA 88
# Frank 30 NY 57
行ラベル（index）、列ラベル（columns）の値はそれぞれ以下のようになる。
print(df.index.values)
# ['Alice' 'Bob' 'Charlie' 'Dave' 'Ellen' 'Frank']
print(df.columns.values)
# ['age' 'state' 'point']
既存のDataFrameの列をset_index()でindexに指定することもできる。
at, iat : 単独の要素の値を選択、取得・変更
atは行ラベルと列ラベルで位置を指定する。
データを取得するだけでなく、その位置に新たな値を設定（代入）することもできる。
print(df.at['Bob', 'age'])
print(df.at['Dave', 'state'])
# 42
# TX
df.at['Bob', 'age'] = 60
print(df.at['Bob', 'age'])
# 60
iatは行番号と列番号で位置を指定する。行番号・列番号は0はじまり。
iatもatと同じく、データを取得するだけでなく、その位置に新たな値を設定（代入）することができる。
print(df.iat[1, 0])
print(df.iat[3, 1])
# 60
# TX
df.iat[1, 0] = 42
print(df.iat[1, 0])
# 42
loc, iloc : 単独および複数の要素の値を選択、取得・変更
locとilocは単独の値だけでなく、範囲を指定して複数のデータを選択することができる。
locは行ラベルと列ラベルで位置を指定、ilocは行番号と列番号で位置を指定する。
単独の要素の値を選択
単独の値にアクセスする場合はat、iatと同じ。処理速度はat、iatのほうが速い。
print(df.loc['Bob', 'age'])
print(df.iloc[3, 1])
# 42
# TX
データを参照するだけでなく、その位置に新たな値を設定（代入）することもできる。
df.loc['Bob', 'age'] = 60
print(df.loc['Bob', 'age'])
# 60
df.iloc[1, 0] = 42
print(df.iloc[1, 0])
# 42
複数の要素の値を選択
複数の値にアクセスする場合は、リスト[x, y]やスライスstart:stop:stepでデータの範囲・位置を指定する。参照される値はpandas.Seriesまたはpandas.DataFrameになる。
スライスは通常のスライスと同じ書き方。stepは省略可。
スライスstart:stop:stepで指定するとき、locで行ラベル・列ラベルを使う場合はstopまで含まれるが、ilocで行番号・列番号を使う場合はstopの一つ前までになるので注意。
print(df.loc['Bob':'Dave', 'age'])
print(type(df.loc['Bob':'Dave', 'age']))
# name
# Bob 42
# Charlie 18
# Dave 68
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>
print(df.loc[:'Dave', ['age', 'point']])
print(type(df.loc[:'Dave', 'age':'point']))
# age point
# name
# Alice 24 64
# Bob 42 92
# Charlie 18 70
# Dave 68 70
# <class 'pandas.core.frame.DataFrame'>
print(df.iloc[:3, [0, 2]])
print(type(df.iloc[:3, [0, 2]]))
# age point
# name
# Alice 24 64
# Bob 42 92
# Charlie 18 70
# <class 'pandas.core.frame.DataFrame'>
stepを指定すると、奇数行または偶数行を抽出して取得したりもできる。
print(df.iloc[::2, 0])
print(type(df.iloc[::2, 0]))
# name
# Alice 24
# Charlie 18
# Ellen 24
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>
print(df.iloc[1::2, 0])
print(type(df.iloc[1::2, 0]))
# name
# Bob 42
# Dave 68
# Frank 30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>
複数の値を一括で変更することも可能。
df.loc['Bob':'Dave', 'age'] = [20, 30, 40]
print(df.loc['Bob':'Dave', 'age'])
# name
# Bob 20
# Charlie 30
# Dave 40
# Name: age, dtype: int64
行・列を選択
行単位・列単位で選択する場合は直接インデックス参照df[]が使えるが、以下の指定方法に限られる。
- 行の選択 : 行名・行番号のスライス
- 列の選択 : 列名、または、列名のリスト
print(df['Bob':'Ellen'])
# age state point
# name
# Bob 20 CA 92
# Charlie 30 CA 70
# Dave 40 TX 70
# Ellen 24 CA 88
print(df[:3])
# age state point
# name
# Alice 24 NY 64
# Bob 20 CA 92
# Charlie 30 CA 70
print(df['age'])
# name
# Alice 24
# Bob 20
# Charlie 30
# Dave 40
# Ellen 24
# Frank 30
# Name: age, dtype: int64
print(df[['age', 'point']])
# age point
# name
# Alice 24 64
# Bob 20 92
# Charlie 30 70
# Dave 40 70
# Ellen 24 88
# Frank 30 57
詳細は以下の記事を参照。
loc, ilocで行全体・列全体を選択する場合はインデックス参照df[]よりも柔軟に指定することができる。
loc, ilocで列の指定を省略すると行全体の参照になる。インデックス参照では出来ない単独行の選択やリストでの複数行選択も可能。
print(df.loc['Bob'])
print(type(df.loc['Bob']))
# age 20
# state CA
# point 92
# Name: Bob, dtype: object
# <class 'pandas.core.series.Series'>
print(df.iloc[[1, 4]])
print(type(df.iloc[[1, 4]]))
# age state point
# name
# Bob 20 CA 92
# Ellen 24 CA 88
# <class 'pandas.core.frame.DataFrame'>
loc, ilocで行の指定を:（全体のスライス）にすると列全体を参照できる。インデックス参照では出来ないスライスが使える。ilocで列番号を使うことも可能。
print(df.loc[:, 'age':'point'])
print(type(df.loc[:, 'age':'point']))
# age state point
# name
# Alice 24 NY 64
# Bob 20 CA 92
# Charlie 30 CA 70
# Dave 40 TX 70
# Ellen 24 CA 88
# Frank 30 NY 57
# <class 'pandas.core.frame.DataFrame'>
print(df.iloc[:, [0, 2]])
print(type(df.iloc[:, [0, 2]]))
# age point
# name
# Alice 24 64
# Bob 20 92
# Charlie 30 70
# Dave 40 70
# Ellen 24 88
# Frank 30 57
# <class 'pandas.core.frame.DataFrame'>
行名・列名が重複した値を持っている場合
重複する値を持つ行や列もindexやcolumnsに指定できる。
重複した値を持つ列をindexに指定した場合を例とする。
df_state = pd.read_csv('data/src/sample_pandas_normal.csv', index_col=2)
print(df_state)
# name age point
# state
# NY Alice 24 64
# CA Bob 42 92
# CA Charlie 18 70
# TX Dave 68 70
# CA Ellen 24 88
# NY Frank 30 57
print(df_state.index.values)
# ['NY' 'CA' 'CA' 'TX' 'CA' 'NY']
atで重複した列名を指定すると、numpy.ndarrayで複数の値が返ってくる。
print(df_state.at['NY', 'age'])
print(type(df_state.at['NY', 'age']))
# [24 30]
# <class 'numpy.ndarray'>
locで重複した列名を指定すると、pandas.DataFrameまたはpandas.Seriesで返ってくる。
print(df_state.loc['NY', 'age'])
print(type(df_state.loc['NY', 'age']))
# state
# NY 24
# NY 30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>
print(df_state.loc['NY', ['age', 'point']])
print(type(df_state.loc['NY', ['age', 'point']]))
# age point
# state
# NY 24 64
# NY 30 57
# <class 'pandas.core.frame.DataFrame'>
iatやilocで列番号で指定する場合は、値が重複していても特に関係ない。
print(df_state.iat[0, 1])
# 24
列ラベル・行ラベルが一意の値になっている（重複していない）かどうかはindex.is_unique, columns.is_uniqueで確認できる。
print(df_state.index.is_unique)
# False
print(df_state.columns.is_unique)
# True
番号とラベルで位置を指定する
行番号と列ラベルのように番号とラベルの組み合わせで位置を指定したい場合、atまたはlocとindexやcolumnを使う方法がある。
indexやcolumnで行番号または列番号からその行ラベル、列ラベルを取得できる。
print(df)
# age state point
# name
# Alice 24 NY 64
# Bob 20 CA 92
# Charlie 30 CA 70
# Dave 40 TX 70
# Ellen 24 CA 88
# Frank 30 NY 57
print(df.index[2])
# Charlie
print(df.columns[1])
# state
これとatまたはlocを利用して、番号とラベルの組み合わせで位置を指定できる。
print(df.at[df.index[2], 'age'])
# 30
print(df.loc[['Alice', 'Dave'], df.columns[1]])
# name
# Alice NY
# Dave TX
# Name: state, dtype: object
取得したい要素の範囲にもよるが、ほかにもindexやcolumnを使わない様々な書き方が可能。
pandas.DataFrameからpandas.Seriesを選択し、さらにそのpandas.Seriesから値を選択して取得する。
print(df['age'][2])
# 30
print(df.age[2])
# 30
locやilocを繰り返し適用して範囲を指定する。
print(df.loc[['Alice', 'Dave']].iloc[:, 1])
# name
# Alice NY
# Dave TX
# Name: state, dtype: object
