データ分析の分野で非常に人気があるPythonのライブラリ、Pandas。
その中でもデータの選択や抽出に役立つのがilocです。
初心者から上級者まで、ilocの使い方をマスターすれば、Pandasを効率的に使いこなすことができます。
この記事では、Pandasのilocについて詳しく解説します。
基本的な使い方から応用テクニックまで、しっかりと理解できる内容になっていますので、ぜひ最後までお読みください。
Pandasとは？
Pandasは、Pythonのデータ分析ライブラリで、表形式のデータ（DataFrame）を簡単に操作できるツールです。
データのフィルタリング、集計、クリーニングなど、多岐にわたる機能を提供してくれるため、データ分析のプロジェクトではほぼ必須となっています。
Pandasを一から学びたい人は、次の記事を読んでみてね！
ilocとは？
ilocは、”integer location“の略で、データのインデックス番号を使って行や列を選択するメソッドです。
locとは違って、「インデックス番号」を使って指定するんだね！
locについては、次の記事で詳しくまとめているので、
ぜひ、ご覧ください！
ilocの基本的な使い方
行の選択
ilocでは、行番号を指定してデータを取得できます。
import pandas as pd
# サンプルデータの作成
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [24, 30, 35],
'City': ['Tokyo', 'Osaka', 'Nagoya']}
# データフレームの作成
df = pd.DataFrame(data)
# 2番目の行を取得（インデックスは0から始まる）
print(df.iloc[1])
ilocに数値を指定すると、行番号と解釈され、指定した行を取得してくれます！
ただし、0スタートであることを忘れずに！
列の選択
行だけでなく、列も選択することが可能です。
import pandas as pd
# サンプルデータの作成
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [24, 30, 35],
'City': ['Tokyo', 'Osaka', 'Nagoya']}
# データフレームの作成
df = pd.DataFrame(data)
# 2列目（Age列）を取得
print(df.iloc[:, 1])
ここで、:は「すべての行」を意味し、1は「2番目の列」を意味します！
値の選択（行・列を指定）
import pandas as pd
# サンプルデータの作成
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [24, 30, 35],
'City': ['Tokyo', 'Osaka', 'Nagoya']}
# データフレームの作成
df = pd.DataFrame(data)
# 2列目（Age列）の1行目を取得
print(df.iloc[0, 1])
インデックス情報から狙った値が取得できていることがわかるね！
複数の行や列の選択
複数の行を取得する
リストやスライスを使用して、複数の行を一度に取得することができます。
import pandas as pd
# サンプルデータの作成
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [24, 30, 35],
'City': ['Tokyo', 'Osaka', 'Nagoya']}
# データフレームの作成
df = pd.DataFrame(data)
# 1番目から2番目の行を取得
print(df.iloc[0:2])
複数の列を取得する
同様に、複数の列も取得できます。
import pandas as pd
# サンプルデータの作成
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [24, 30, 35],
'City': ['Tokyo', 'Osaka', 'Nagoya']}
# データフレームの作成
df = pd.DataFrame(data)
# 1列目と2列目を取得
print(df.iloc[:, 0:2])
まとめ
ilocは、データフレームから特定の行や列を位置ベースで抽出するための便利なメソッドです。
データ分析の基礎を固めるためにも、ぜひ理解しておきたい機能です。
コメント