Seriesで学ぶ配列の基本操作

ここでは、PandasのSeriesを使って「抽出」「変更」「集計」「グループ化」「集合」を一通り押さえます。例は次のサンプルから始めます。

import pandas as pd
import numpy as np

s = pd.Series([10, 20, 30, 40, np.nan, 50], index=list("abcdef"))

抽出

基本は位置で取るか、ラベルで取るか、条件で取るかの3系統です。

# 位置ベース（0始まり、右端は含まない）
s.iloc[0]          # 10
s.iloc[1:4]        # 20,30,40

# ラベルベース（スライスは右端を含む）
s.loc["a"]         # 10
s.loc["b":"d"]     # b,c,d の3要素

# 複数要素の抽出（位置・ラベルいずれもOK）
s.iloc[[0, 2, 5]]
s.loc[["a", "c", "f"]]

# 真偽インデックス（条件抽出）
s[s > 25]          # 30,40,50
s[s.isna()]        # 欠損のみ
s[s.between(20, 40)]  # 20〜40を含む

# よく使う取り出し
s.head(3)
s.tail(2)
s.sample(2, random_state=0)

# 文字列/日付のヘルパ（Seriesのdtypeが該当する場合）
# 例: 文字列長が3以上
# s.str.len().ge(3)
# 日付の月で抽出
# s.dt.month.eq(1)
  • iloc は常に位置、loc はラベル。スライスの端点の扱いが異なる。
  • ビュー/コピーの違いによる警告を避けるには、抽出→代入のとき loc を明示して書くのが安全。

変更

単一・複数・条件付きの代入、型変換、要素置換など。

# 単一・複数要素の書き換え
s.loc["b"] = 21
s.loc[["c", "d"]] = [31, 41]

# 条件付き代入
s.loc[s.isna()] = 0                # 欠損を0に
s = s.mask(s < 0, 0)               # 条件を満たす要素を置換
s = s.where(s >= 20, other=20)     # 条件を満たさない要素だけ置換

# 欠損処理
s = s.fillna(0)
s = s.ffill()                      # 直前の有効値で埋める
s = s.bfill()                      # 直後の有効値で埋める

# 値の一括置換・変換
s = s.replace({21: 22})
s = s.astype("int64")              # 型変換（欠損があると失敗することに注意）
s = s.clip(lower=20, upper=45)     # 範囲に切り詰め
s = s.round(0)                     # 丸め

# 関数適用（要素ごと）
s = s.map(lambda v: v * 2)

# インデックス操作
s = s.rename(index={"a": "A"})
s = s.set_axis([*s.index[:-1], "Z"])  # 最後のラベルをZに（長さは一致させる）
  • 条件代入は loc とセットで書くと意図が明確。
  • 文字列なら s.str.replace、日付なら s.dt.floor など dtypeごとのアクセサが便利。
  • 破壊的変更がイヤなら右辺に代入して新Seriesとして持つ。

集計

Series単体でも豊富な集計が可能です。

s.sum()            # 合計
s.mean()           # 平均
s.median()         # 中央値
s.min(), s.max()   # 最小・最大
s.var(), s.std()   # 分散・標準偏差
s.nunique()        # ユニーク数
s.value_counts()   # 値ごとの出現回数（降順）
s.describe()       # 代表統計量のまとめ

# True/Falseの集計
(s > 30).mean()    # 比率（True=1, False=0として平均）
(s > 30).sum()     # 件数

# 位置を返す集計
s.idxmax()         # 最大値のラベル
s.idxmin()         # 最小値のラベル

# 複数集計を一度に
s.agg(["mean", "median", "max"])

# 欠損の扱い（skipna）
s.sum(skipna=False)
  • 論理Seriesはsum()で件数、mean()で割合を手早く出せる。
  • value_counts(normalize=True) で割合に変換できる。

グループ化

Seriesでも groupby は使えます。キーはインデックスでも値でも構いません。

# 値側をキーにして集計（例: 値を10の位で丸めてグルーピング）
key = (s // 10) * 10
s.groupby(key).mean()

# インデックスでグループ化
# 例: 先頭文字（大文字/小文字に正規化して）ごとに合計
s2 = pd.Series([1,2,3,4], index=["aa","Ab","bc","bD"])
s2.groupby(s2.index.str[0].str.lower()).sum()

# 関数でグループキーを動的生成
s.groupby(lambda idx: 0 if idx < "m" else 1).count()

# 複数集計
s.groupby(key).agg(["count", "mean", "max"])

# グループごとの変形（各要素に集計結果を戻す）
s.groupby(key).transform("mean")   # 同じキー内の平均を各要素に対応づけ

応用

  • 日付Seriesなら s.groupby(s.dt.month).mean() のように .dt アクセサを多用。
  • DataFrameと同様に resample（時系列の等間隔集計）もSeriesで利用可能。

集合

  • 共通部分（intersection）
    → 両方にある要素
  • 和集合（union）
    → どちらか一方以上に含まれる要素
  • 差集合（difference）
    → 「AにはあるがBにはない要素」だけを残す（順序を逆にすると結果が変わる）
  • 対称差（symmetric difference）
    →「AかBのどちらかにあるが、両方にはない要素」（両方の差集合をまとめたもの。XORと同じ考え方）

Pandas/Seriesでの実装例

集合演算についてはPython組み込みのsetと組み合わせたり、NumPy関数を使うのが分かりやすいです

import pandas as pd

sA = pd.Series([1, 2, 3, 4])
sB = pd.Series([3, 4, 5, 6])

# Pythonの集合を使う
setA, setB = set(sA), set(sB)

setA & setB　# {3, 4}　共通部分（intersection）
setA | setB　# {1, 2, 3, 4, 5, 6}　和集合（union）
setA - setB　# {1, 2}　差集合（difference）
setA ^ setB　# {1, 2, 5, 6}　対称差（symmetric difference）

# NumPyでやる場合
import numpy as np
np.intersect1d(sA, sB)              # array([3, 4])
np.union1d(sA, sB)                  # array([1,2,3,4,5,6])
np.setdiff1d(sA, sB)                # array([1, 2])
np.setxor1d(sA, sB)                 # array([1,2,5,6])

「比較」との違い

  • 比較 (comparison)
    → 一般的には > や == のように「要素ごとの大小・等しいか」を調べる処理。
    （例: sA == sB で同じ位置の要素を比較）
  • 集合 (set operations)
    → 全体として「どんな要素を持っているか」を軸にした演算。
    （例: 「sAにもsBにも存在する値は？」）

-Pandas, Python