Pythonの条件で抽出するの練習問題

このレッスンでできるようになること。条件式で行を絞り込めるようになります。SQL の WHERE にあたる操作です。

「1万円以上の売上だけを見たい」という絞り込みは、分析でいちばん多く出てくる操作です。SQL を学んだ方は次の文を見たことがあるはずです。

SQL クエリ

SELECT * FROM sales WHERE 金額 >= 10000;

pandas で同じことをするのがブールインデックスです。まず条件式を書きます。

Python

import pandas as pd

df = pd.read_csv("sales.csv")
mask = df["金額"] >= 10000
big = df[mask]

df["金額"] >= 10000 は1つの値ではなく、行の数だけ True と False が並んだ Series を返します。これをマスクと呼びます。そのマスクを df[...] に渡すと、True の行だけが残った DataFrame が返ります。SQL の WHERE が1文で書けるのに対し、pandas は「条件を作る」と「条件で絞る」の2段階に分かれている、と考えると分かりやすくなります。

慣れてきたら1行にまとめて df[df["金額"] >= 10000] と書きます。実務ではこの形をよく見ます。

使える比較は >= <= > < == != の6つです。文字列にも使えるので df[df["店舗"] == "渋谷店"] で渋谷店だけが残ります。等しいかどうかは = ではなく == である点に注意してください。= は代入の記号です。

いくつかの値のどれかに当てはまるかを見たいときは isin を使います。df[df["店舗"].isin(["渋谷店", "横浜店"])] は SQL の IN と同じで、2店舗の行が残ります。

絞り込んだ結果は新しい DataFrame です。件数を数えるなら len()、合計を出すなら ["金額"].sum() と続けられます。この演習では、金額での絞り込みと店舗での絞り込みの両方を書きます。