この記事では、Pythonのpandasライブラリを用いて外部データをインポート（読み込み）とエクスポート（書き出し）する手法について解説します。CSV、Excel、JSONといった多様なファイル形式に対応しています。具体的なコード例とその解説、応用例を含めています。
はじめに
データ分析や機械学習において、外部のデータファイルを効率よく取り扱うスキルは必須です。Pythonのpandasライブラリは、そのような作業を簡単かつ高速に行うことができる強力なツールです。
pandasとは？
pandasは、データ解析のためのPythonライブラリであり、特に表形式のデータを効率よく処理することができます。NumPyを基盤としており、高度なデータ操作が可能です。
基本的なデータインポート
CSVファイルのインポート
import pandas as pd
# CSVファイルを読み込む
df = pd.read_csv('sample.csv')
# データの確認
print(df.head())
このコードは、`sample.csv`というCSVファイルをDataFrameとして読み込んでいます。`pd.read_csv()`関数がその役割を果たしています。
Excelファイルのインポート
# Excelファイルを読み込む
df = pd.read_excel('sample.xlsx')
# データの確認
print(df.head())
Excelファイルも同様に、`pd.read_excel()`関数を使用して読み込むことができます。
基本的なデータエクスポート
CSVファイルへのエクスポート
# CSVファイルとして書き出す
df.to_csv('output.csv', index=False)
`df.to_csv()`メソッドで、DataFrameをCSVファイルとして保存できます。`index=False`は、DataFrameのインデックスを保存しない設定です。
Excelファイルへのエクスポート
# Excelファイルとして書き出す
df.to_excel('output.xlsx', index=False)
Excelファイルも`df.to_excel()`メソッドで簡単に書き出せます。
応用例
複数のシートを読み込む
# 複数のシートを読み込む
all_sheets = pd.read_excel('multi_sheet.xlsx', sheet_name=None)
# シート名でアクセス
print(all_sheets['Sheet1'].head())
このコードでは、`sheet_name=None`によってExcelファイル内の全てのシートを読み込んでいます。
JSON形式でエクスポート
# JSON形式で書き出す
df.to_json('output.json', orient='split')
この例では、`df.to_json()`メソッドを用いてDataFrameをJSON形式でエクスポートしています。`orient=’split’`は、データを分割して保存する設定です。
まとめ
pandasは、多様なデータ形式のインポートとエクスポートを容易に行うことができます。この記事で紹介した手法を活用することで、より効率的なデータ処理が可能となります。
コメント