kotablog.pro

Pandas.DataFrameでデータ集計 – 【Pythonプログラミング３～Pandas編～】

こたろう — Wed, 26 Nov 2025 02:36:33 +0000

PandasのDataFrameでのデータ集計方法を、演習用プログラムのソースコードを使い、それを実行しながら解説します。

１．演習用プログラムのダウンロード

演習用プログラム（ practice21.py ）、２つのExcelファイル（商品一覧.xlsx、販売実績.xlsx ）をダウンロードします。
演習用プログラムは テキストファイルになっているので、エクスプローラーを使って拡張子を .txt から .py に変更します。
practice21.py、商品一覧.xlsx、販売実績.xlsx を Python をインストールしたフォルダ（今回は C:\Python）に置きます。

practice21.txt

1 ファイル 7.72 KB

ダウンロード

商品一覧.xlsx

1 ファイル 14.04 KB

ダウンロード

販売実績.xlsx

1 ファイル 10.85 KB

ダウンロード

２．ソースコードの表示

メモ帳を使って、演習用プログラム（ practice21.py ）を開きます。

practice21.py

３．DataFrameでデータ集計

① 販売実績ファイルと商品一覧ファイルの読み込み

コマンドプロンプトで practice21.py を実行します。
プログラムを実行する方法は、こちらの記事『ファイルに保存されたプログラムの実行』を参照します。
以下のように表示されます。

#
# 販売実績ファイルと商品一覧ファイルの読み込み
#

販売実績ファイル名：C:\Python\販売実績.xlsx

      年月  商品コード  数量
0   202511  A0001          8
1   202511  A0002          3
2   202511  A0003          4
3   202511  A0007          2
4   202511  A0010          2
5   202512  A0001          4
6   202512  A0003          2
7   202512  A0004          1
8   202512  A0005          3
9   202512  A0006          5
10  202601  A0008          5
11  202601  A0010          1
12  202601  A0005          4
13  202601  A9999          3
14  202601  A0001          2
（行数：15、列数：3）

商品一覧ファイル名：C:\Python\商品一覧.xlsx

   商品コード  商品名  単価  産地
0  A0001       みかん   100  和歌山
1  A0002       メロン   200  茨城県
2  A0003       レモン   300  広島県
3  A0004       りんご   400
4  A0005       バナナ   500  沖縄県
5  A0006       ぶどう   600  千葉県
6  A0007       スイカ   700  熊本県
7  A0008       イチゴ   800  栃木県
8  A0009       カシス   900
9  A0010       ライム  1000
（行数：10、列数：4）

販売実績ファイル（Excel）と商品一覧ファイル（Excel）を読み込んで、df販売実績（DataFrame）と df商品一覧（DataFrame）を作成します。

プログラムソースを確認します。


19 #---------------------------------------------------------------------------
20 #
21 # 販売実績ファイルと商品一覧ファイルの読み込み
22 #
23 #---------------------------------------------------------------------------
24 
25 print("\n")
26 print("#")
27 print("# 販売実績ファイルと商品一覧ファイルの読み込み")
28 print("#")
29 
30 # 販売実績ファイルの読み込み
31 filename = dirHome + r"\販売実績.xlsx"
32 print("\n販売実績ファイル名：" + filename + "\n")
33 
34 # DataFrameを作成
35 df販売実績 = pd.read_excel(filename, sheet_name = 'Sheet1', dtype = object)
36 
37 print(df販売実績)
38 print("（行数：" + str(df販売実績.shape[0]) + "、列数：" + str(df販売実績.shape[1]) + "）")
39 
40 
41 # 商品一覧ファイルの読み込み
42 filename = dirHome + r"\商品一覧.xlsx"
43 print("\n商品一覧ファイル名：" + filename + "\n")
44 
45 # DataFrameを作成
46 df商品一覧 = pd.read_excel(filename, sheet_name = 'Sheet3', dtype = object)
47 
48 # 欠損値を空文字で埋める
49 df商品一覧 = df商品一覧.fillna("")
50 
51 print(df商品一覧)
52 print("（行数：" + str(df商品一覧.shape[0]) + "、列数：" + str(df商品一覧.shape[1]) + "）")
53 
54 #終了１
55 sys.exit()

35行目で、販売実績ファイルを読み込んで、df販売実績（DataFrame）を作成しています。
46行目で、商品一覧ファイルを読み込んで、df商品一覧（DataFrame）を作成しています。
df商品一覧には欠損値(NaN)が含まれているので、49行目で fillna() を使って空文字で埋めています。

② 販売実績ファイルに商品一覧ファイルを結合（横方向）

ソースコード #終了１ の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

#
# 販売実績ファイルに商品一覧ファイルを結合（横方向）
#

*** 商品コードをキーにして左外部結合（how = 'left'）***

      年月  商品コード  数量  商品名  単価  産地
0   202511  A0001          8  みかん   100  和歌山
1   202511  A0002          3  メロン   200  茨城県
2   202511  A0003          4  レモン   300  広島県
3   202511  A0007          2  スイカ   700  熊本県
4   202511  A0010          2  ライム  1000
5   202512  A0001          4  みかん   100  和歌山
6   202512  A0003          2  レモン   300  広島県
7   202512  A0004          1  りんご   400
8   202512  A0005          3  バナナ   500  沖縄県
9   202512  A0006          5  ぶどう   600  千葉県
10  202601  A0008          5  イチゴ   800  栃木県
11  202601  A0010          1  ライム  1000
12  202601  A0005          4  バナナ   500  沖縄県
13  202601  A9999          3  NaN      NaN  NaN
14  202601  A0001          2  みかん   100  和歌山
（行数：15、列数：6）

商品コードをキーにして、販売実績ファイルに商品一覧ファイルを結合しています。

プログラムソースを確認します。


58 #---------------------------------------------------------------------------
59 #
60 # 販売実績ファイルに商品一覧ファイルを結合（横方向）
61 #
62 #---------------------------------------------------------------------------
63 
64 print("\n")
65 print("#")
66 print("# 販売実績ファイルに商品一覧ファイルを結合（横方向）")
67 print("#")
68 
69 # 商品コードをキーにして左外部結合（how = 'left'）
70 print("\n*** 商品コードをキーにして左外部結合（how = 'left'）***\n")
71 df結合 = pd.merge(df販売実績, df商品一覧, on = '商品コード', how = 'left')
72 
73 print(df結合)
74 print("（行数：" + str(df結合.shape[0]) + "、列数：" + str(df結合.shape[1]) + "）")
75 
76 #終了２
77 sys.exit()

71行目で、merge() を使い、商品コードをキー（ on = '商品コード' ）にして、販売実績ファイルに商品一覧ファイルを結合しています。

③ 不要なデータを削除

ソースコード #終了２ の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

#
# 不要なデータを削除
#

*** 商品名、単価のいずれかに欠損値(NaN)が含まれる行を削除 ***

      年月  商品コード  数量  商品名  単価  産地
0   202511  A0001          8  みかん   100  和歌山
1   202511  A0002          3  メロン   200  茨城県
2   202511  A0003          4  レモン   300  広島県
3   202511  A0007          2  スイカ   700  熊本県
4   202511  A0010          2  ライム  1000
5   202512  A0001          4  みかん   100  和歌山
6   202512  A0003          2  レモン   300  広島県
7   202512  A0004          1  りんご   400
8   202512  A0005          3  バナナ   500  沖縄県
9   202512  A0006          5  ぶどう   600  千葉県
10  202601  A0008          5  イチゴ   800  栃木県
11  202601  A0010          1  ライム  1000
12  202601  A0005          4  バナナ   500  沖縄県
14  202601  A0001          2  みかん   100  和歌山
（行数：14、列数：6）

*** 産地の列を削除 ***

      年月  商品コード  数量  商品名  単価
0   202511  A0001          8  みかん   100
1   202511  A0002          3  メロン   200
2   202511  A0003          4  レモン   300
3   202511  A0007          2  スイカ   700
4   202511  A0010          2  ライム  1000
5   202512  A0001          4  みかん   100
6   202512  A0003          2  レモン   300
7   202512  A0004          1  りんご   400
8   202512  A0005          3  バナナ   500
9   202512  A0006          5  ぶどう   600
10  202601  A0008          5  イチゴ   800
11  202601  A0010          1  ライム  1000
12  202601  A0005          4  バナナ   500
14  202601  A0001          2  みかん   100
（行数：14、列数：5）

欠損値(NaN)が含まれる行（インデックス 13）を削除して、産地の列を削除しています。

プログラムソースを確認します。


 80 #---------------------------------------------------------------------------
 81 #
 82 # 不要なデータを削除
 83 #
 84 #---------------------------------------------------------------------------
 85 
 86 print("\n")
 87 print("#")
 88 print("# 不要なデータを削除")
 89 print("#")
 90 
 91 # 不要な行を削除
 92 print("\n*** 商品名、単価のいずれかに欠損値(NaN)が含まれる行を削除 ***\n")
 93 df結合 = df結合.dropna(subset = ['商品名','単価'])
 94 
 95 print(df結合)
 96 print("（行数：" + str(df結合.shape[0]) + "、列数：" + str(df結合.shape[1]) + "）")
 97 
 98 
 99 # 産地の列を削除
100 print("\n*** 産地の列を削除 ***\n")
101 df結合 = df結合.drop('産地', axis = 1)
102 
103 print(df結合)
104 print("（行数：" + str(df結合.shape[0]) + "、列数：" + str(df結合.shape[1]) + "）")
105 
106 #終了３
107 sys.exit()

93行目の dropna() と subsetパラメータで、商品名、単価のいずれかに欠損値(NaN)が含まれる行を削除しています
101行目で、産地の列を削除しています。axisパラメータに 1 をセットすると列の削除になります。

④ 販売額（単価×数量）の列を追加

ソースコード #終了３ の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

#
# 販売額（単価×数量）の列を追加
#
      年月  商品コード  数量  商品名  単価  販売額
0   202511  A0001          8  みかん   100     800
1   202511  A0002          3  メロン   200     600
2   202511  A0003          4  レモン   300    1200
3   202511  A0007          2  スイカ   700    1400
4   202511  A0010          2  ライム  1000    2000
5   202512  A0001          4  みかん   100     400
6   202512  A0003          2  レモン   300     600
7   202512  A0004          1  りんご   400     400
8   202512  A0005          3  バナナ   500    1500
9   202512  A0006          5  ぶどう   600    3000
10  202601  A0008          5  イチゴ   800    4000
11  202601  A0010          1  ライム  1000    1000
12  202601  A0005          4  バナナ   500    2000
14  202601  A0001          2  みかん   100     200
（行数：14、列数：6）

プログラムソースを確認します。


110 #---------------------------------------------------------------------------
111 #
112 # 販売額（単価×数量）の列を追加
113 #
114 #---------------------------------------------------------------------------
115 
116 print("\n")
117 print("#")
118 print("# 販売額（単価×数量）の列を追加")
119 print("#")
120 
121 df結合['販売額'] = df結合['単価'] * df結合['数量']
122 
123 print(df結合)
124 print("（行数：" + str(df結合.shape[0]) + "、列数：" + str(df結合.shape[1]) + "）")
125 
126 #終了４
127 sys.exit()

121行目で、単価×数量の計算結果を販売額の列に追加しています。

⑤ 年月毎に販売額を集計

ソースコード #終了４ の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

#
# 年月毎に販売額を集計
#

解説：
DataFrame.groupby('グループ化したい列名')['集計したい列名'].集計関数()

年月
202511    6000
202512    5900
202601    7200
Name: 販売額, dtype: object
（行数：3）

プログラムソースを確認します。


130 #---------------------------------------------------------------------------
131 #
132 # 年月毎に販売額を集計
133 #
134 #---------------------------------------------------------------------------
135 
136 print("\n")
137 print("#")
138 print("# 年月毎に販売額を集計")
139 print("#")
140 
141 print("\n解説：")
142 print("DataFrame.groupby('グループ化したい列名')['集計したい列名'].集計関数()\n")
143 
144 result = df結合.groupby('年月')['販売額'].sum()
145 
146 print(result)
147 print("（行数：" + str(len(result)) + "）")  # len()は要素の数を返す関数
148 
149 #終了５
150 sys.exit()

144行で、年月毎に販売額を集計しています。
　groupby('グループ化したい列名')['集計したい列名'].集計関数()
　グループ化したい列名 → 年月
　集計したい列名 → 販売額
　集計関数() → sum()

⑥ 商品毎に販売額を集計

ソースコード #終了５ の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

#
# 商品毎に販売額を集計
#

*** 商品毎に販売額を集計 ***

商品コード
A0001        1400
A0002         600
A0003        1800
A0004         400
A0005        3500
A0006        3000
A0007        1400
A0008        4000
A0010        3000
Name: 販売額, dtype: object
（行数：9）

*** 商品名の列を追加 ***

   商品コード  商品名  販売額
0  A0001       みかん    1400
1  A0002       メロン     600
2  A0003       レモン    1800
3  A0004       りんご     400
4  A0005       バナナ    3500
5  A0006       ぶどう    3000
6  A0007       スイカ    1400
7  A0008       イチゴ    4000
8  A0010       ライム    3000
（行数：9、列数：3）

商品毎に販売額を集計後に、商品一覧から商品コードをキーにして商品名を取得しています。

プログラムソースを確認します。


153 #---------------------------------------------------------------------------
154 #
155 # 商品毎に販売額を集計
156 #
157 #---------------------------------------------------------------------------
158 
159 print("\n")
160 print("#")
161 print("# 商品毎に販売額を集計")
162 print("#")
163 
164 # 商品毎に販売額を集計
165 print("\n*** 商品毎に販売額を集計 ***\n")
166 sri商品集計 = df結合.groupby('商品コード')['販売額'].sum()
167 
168 print(sri商品集計)
169 print("（行数：" + str(len(sri商品集計)) + "）")  # len()は要素の数を返す関数
170 
171 # 商品名の列を追加
172 print("\n*** 商品名の列を追加 ***\n")
173 # 商品一覧と結合
174 df商品集計 = pd.merge(sri商品集計, df商品一覧, on = '商品コード', how = 'left')
175 
176 # 必要な列を選択
177 df商品集計 = df商品集計[['商品コード','商品名','販売額']]
178 
179 print(df商品集計)
180 print("（行数：" + str(df商品集計.shape[0]) + "、列数：" + str(df商品集計.shape[1]) + "）")
181 
182 #終了６
183 sys.exit()

166行目で、商品毎に販売額を集計しています。
　groupby('グループ化したい列名')['集計したい列名'].集計関数()
　グループ化したい列名 → 商品コード
　集計したい列名 → 販売額
　集計関数() → sum()
商品名の列を追加するために、174行目で、merge() を使い、商品コードをキー（ on = '商品コード' ）にして、商品一覧ファイルを結合しています。
177行目で、必要な列（商品コード、商品名、販売額）のみにしています。

４．ＳＱＬ文を使った集計

① ＳＱＬ文を使うための準備

SQLite「組み込み型のリレーショナルデータベース」を使います。
Pythonにはじめから SQLite（sqlite3 モジュール）が含まれています。

準備手順
・sqlite3 モジュールと pandas.io.sql モジュールを import します。
pandas.io.sql とは、PandasのDataFrameとSQLデータベースの間でデータをやり取りするためのモジュールです。
・sqlite3 を作成します。
・DataFrameをsqlite3にテーブルとして格納します。

ソースコード #終了６ の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

#
# ＳＱＬ文を使った集計
#

販売実績のデータ
      年月  商品コード  数量
0   202511  A0001          8
1   202511  A0002          3
2   202511  A0003          4
3   202511  A0007          2
4   202511  A0010          2
5   202512  A0001          4
6   202512  A0003          2
7   202512  A0004          1
8   202512  A0005          3
9   202512  A0006          5
10  202601  A0008          5
11  202601  A0010          1
12  202601  A0005          4
13  202601  A9999          3
14  202601  A0001          2
（行数：15、列数：3）

商品一覧のデータ
   商品コード  商品名  単価  産地
0  A0001       みかん   100  和歌山
1  A0002       メロン   200  茨城県
2  A0003       レモン   300  広島県
3  A0004       りんご   400
4  A0005       バナナ   500  沖縄県
5  A0006       ぶどう   600  千葉県
6  A0007       スイカ   700  熊本県
7  A0008       イチゴ   800  栃木県
8  A0009       カシス   900
9  A0010       ライム  1000
（行数：10、列数：4）

プログラムソースを確認します。


 10 import sqlite3                # SQLite3 データベース
 11 import pandas.io.sql as psql  # SQL接続用

186 #---------------------------------------------------------------------------
187 #
188 # ＳＱＬ文を使った集計
189 #
190 #---------------------------------------------------------------------------
191 
192 print("\n")
193 print("#")
194 print("# ＳＱＬ文を使った集計")
195 print("#")
196 
197 # sqlite3を作成
198 connection = sqlite3.connect(':memory:')
199 connection.isolation_level = None  # Noneで自動コミットモード
200 cursor = connection.cursor()
201 
202 # DataFrameをsqlite3にテーブルとして格納
203 df販売実績.to_sql('販売実績', connection, if_exists = 'append', index = None)
204 df商品一覧.to_sql('商品一覧', connection, if_exists = 'append', index = None)
205 
206 # 販売実績のデータを全て取得
207 select_query = """
208 SELECT * FROM 販売実績;
209 """
210 df結果 = psql.read_sql(select_query, connection)
211 
212 print("\n販売実績のデータ")
213 print(df結果)
214 print("（行数：" + str(df結果.shape[0]) + "、列数：" + str(df結果.shape[1]) + "）")
215 
216 # 商品一覧のデータを全て取得
217 select_query = """
218 SELECT * FROM 商品一覧;
219 """
220 df結果 = psql.read_sql(select_query, connection)
221 
222 print("\n商品一覧のデータ")
223 print(df結果)
224 print("（行数：" + str(df結果.shape[0]) + "、列数：" + str(df結果.shape[1]) + "）")
225 
226 #終了７
227 sys.exit()

10行目で、sqlite3 を import しています。
11行目で、pandas.io.sql を import しています。
198行目～200行目で、sqlite3 を作成しています。
203行目で販売実績（DataFrame）を、204行目で商品一覧（DataFrame）を sqlite3 のテーブルとして格納しています。
208行目で販売実績テーブルの全件データを取得するＳＱＬ文を用意しています。
210行目でＳＱＬ文を実行して、販売実績の全件データ（DataFrame）を取得しています。
218行目で商品一覧テーブルの全件データを取得するＳＱＬ文を用意しています。
220行目でＳＱＬ文を実行して、商品一覧の全件データ（DataFrame）を取得しています。

② 年月毎に販売額を集計

ＳＱＬ文を使って、年月毎に販売額を集計します。

ソースコード #終了７ の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

*** 年月毎に販売額を集計 ***

     年月  販売額
0  202511    6000
1  202512    5900
2  202601    7200
（行数：3、列数：2）

プログラムソースを確認します。


230 # 年月毎に販売額を集計
231 print("\n*** 年月毎に販売額を集計 ***\n")
232 
233 select_query = """
234 SELECT
235   A.年月,
236   SUM(B.単価 * A.数量) as 販売額 
237 FROM  販売実績 as A,
238       商品一覧 as B 
239 WHERE A.商品コード = B.商品コード 
240 GROUP BY A.年月;
241 """
242 df結果 = psql.read_sql(select_query, connection)
243 
244 print(df結果)
245 print("（行数：" + str(df結果.shape[0]) + "、列数：" + str(df結果.shape[1]) + "）")
246 
247 #終了８
248 sys.exit()

233行目～241行目で、年月毎に販売額を集計するＳＱＬ文を用意しています。
242行目で、ＳＱＬ文を実行して、集計結果を df結果（DataFrame）に格納しています。

③ 商品毎に販売額を集計

ＳＱＬ文を使って、商品毎に販売額を集計します。

ソースコード #終了８ の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

*** 商品毎に販売額を集計 ***

   商品コード  商品名  販売額
0  A0001       みかん    1400
1  A0002       メロン     600
2  A0003       レモン    1800
3  A0004       りんご     400
4  A0005       バナナ    3500
5  A0006       ぶどう    3000
6  A0007       スイカ    1400
7  A0008       イチゴ    4000
8  A0010       ライム    3000
（行数：9、列数：3）

プログラムソースを確認します。


251 # 商品毎に販売額を集計
252 print("\n*** 商品毎に販売額を集計 ***\n")
253 
254 select_query = """
255 SELECT
256   A.商品コード         as 商品コード,
257   B.商品名             as 商品名,
258   SUM(B.単価 * A.数量) as 販売額 
259 FROM  販売実績 as A,
260       商品一覧 as B 
261 WHERE A.商品コード = B.商品コード 
262 GROUP BY A.商品コード;
263 """
264 df結果 = psql.read_sql(select_query, connection)
265 
266 print(df結果)
267 print("（行数：" + str(df結果.shape[0]) + "、列数：" + str(df結果.shape[1]) + "）")
268 
269 sys.exit()

254行目～263行目で、商品毎に販売額を集計するＳＱＬ文を用意しています。
264行目で、ＳＱＬ文を実行して、集計結果を df結果（DataFrame）に格納しています。

＜Pandas.DataFrameの利用

Pandas.DataFrameでデータ集計

The post Pandas.DataFrameでデータ集計 – 【Pythonプログラミング３～Pandas編～】 first appeared on kotablog.pro.

Pandas.DataFrameの利用 – 【Pythonプログラミング３～Pandas編～】

こたろう — Wed, 26 Nov 2025 02:33:01 +0000

PandasのDataFrameの利用方法を、演習用プログラムのソースコードを使い、それを実行しながら解説します。

１．演習用プログラムのダウンロード

演習用プログラム（ practice20.py ）、２つのExcelファイル（商品一覧.xlsx、販売実績.xlsx ）をダウンロードします。
演習用プログラムは テキストファイルになっているので、エクスプローラーを使って拡張子を .txt から .py に変更します。
practice20.py、商品一覧.xlsx、販売実績.xlsx を Python をインストールしたフォルダ（今回は C:\Python）に置きます。

practice20.txt

1 ファイル 23.45 KB

ダウンロード

商品一覧.xlsx

1 ファイル 14.04 KB

ダウンロード

販売実績.xlsx

1 ファイル 10.85 KB

ダウンロード

２．ソースコードの表示

メモ帳を使って、演習用プログラム（ practice20.py ）を開きます。

practice20.py

３．データの取り出し

① ExcelファイルからDataFrameを作成

コマンドプロンプトで practice20.py を実行します。
プログラムを実行する方法は、こちらの記事『ファイルに保存されたプログラムの実行』を参照します。
以下のように表示されます。

*** ExcelファイルからDataFrameを作成 ****

商品一覧ファイル名：C:\Python\商品一覧.xlsx

   商品コード  商品名  単価  産地
0  A0001       みかん   100  和歌山
1  A0002       メロン   200  茨城県
2  A0003       レモン   300  広島県
3  A0004       りんご   400  青森県
4  A0005       バナナ   500  沖縄県
（行数：5、列数：4）

Excelファイル（商品一覧.xlsx）を読み込んで、５行４列のDataFrameを作成しました。

プログラムソースを確認します。


17 #---------------------------------------------------------------------------
18 #
19 # ExcelファイルからDataFrameを作成
20 #
21 #---------------------------------------------------------------------------
22 
23 print("\n*** ExcelファイルからDataFrameを作成 ****")
24 
25 filename = dirHome + r"\商品一覧.xlsx"
26 print("\n商品一覧ファイル名：" + filename + "\n")
27 
28 # DataFrameを作成
29 df商品一覧 = pd.read_excel(filename, sheet_name = 'Sheet1')
30 
31 print(df商品一覧)
32 print("（行数：" + str(df商品一覧.shape[0]) + "、列数：" + str(df商品一覧.shape[1]) + "）")
33 #print(df商品一覧.dtypes)  # 項目毎のデータ型
34 
35 #終了１
36 #sys.exit()

29行目の read_excel() で、ExcelファイルからDataFrameを作成しています。

② 列データの取り出し

#
# 列データの取り出し
#

*** 商品名の列をSeriesとして取り出す ***

0    みかん
1    メロン
2    レモン
3    りんご
4    バナナ
Name: 商品名, dtype: object
（行数：5）


*** 商品名の列をDataFrameとして取り出す ***

   商品名
0  みかん
1  メロン
2  レモン
3  りんご
4  バナナ
（行数：5、列数：1）


*** 商品名の文字数を取り出す ***

0    3
1    3
2    3
3    3
4    3
Name: 商品名, dtype: int64
（行数：5）


*** 商品名の先頭１文字取り出す ***

0    み
1    メ
2    レ
3    り
4    バ
Name: 商品名, dtype: object
（行数：5）

プログラムソースを確認します。


50 # 列データの取り出し（Series）
51 print("\n*** 商品名の列をSeriesとして取り出す ***\n")
52 sri = df商品一覧['商品名']

列データを Series で取り出す
52行目の df商品一覧['商品名'] とすることで商品名の列を Series で取り出せます。


58 # 列データの取り出し（DataFrame）
59 print("\n*** 商品名の列をDataFrameとして取り出す ***\n")
60 df = df商品一覧[['商品名']]

列データを DataFrame で取り出す
60行目の df商品一覧[['商品名']] とすることで商品名の列を DataFrame で取り出せます。


66 # 商品名の文字数を取り出す
67 print("\n*** 商品名の文字数を取り出す ***\n")
68 sri= df商品一覧['商品名'].str.len()

商品名の文字数を取り出す
68行目の df商品一覧['商品名'].str.len() とすることでそれぞれの行の商品名の文字数を取り出せます。


74 # 商品名の先頭１文字取り出す
75 print("\n*** 商品名の先頭１文字取り出す ***\n")
76 sri= df商品一覧['商品名'].str[:1]

82 #終了２
83 #sys.exit()

商品名の先頭１文字取り出す
76行目の df商品一覧['商品名'].str[:1] でスライスを使って、それぞれの行の商品名の先頭１文字を取り出しています。

③ 複数の列データの取り出し

*** 商品コードと単価の列を取り出す ***

   商品コード  単価
0  A0001        100
1  A0002        200
2  A0003        300
3  A0004        400
4  A0005        500
（行数：5、列数：2）

商品コードと単価の列を DataFrame で取り出しています。

プログラムソースを確認します。


86 # 複数の列データの取り出し
87 print("\n*** 商品コードと単価の列を取り出す ***\n")
88 df = df商品一覧[['商品コード','単価']]
89 

94 #終了３
95 #sys.exit()

88行目で、商品コードと単価の項目名をリストで指定して、２列を取り出しています。

④ loc を使い、行を指定してデータを取り出す

#
# 行を指定してデータを取り出し（DataFrame.loc）
#

解説：
DataFrame.loc[行の指定]

   商品コード  単価
0  A0001        100
1  A0002        200
2  A0003        300
3  A0004        400
4  A0005        500
（行数：5、列数：2）

*** インデックスが 1 の行データを取り出す ***

   商品コード  単価
1  A0002        200

*** インデックスが 1と3 の行データを取り出す ***

   商品コード  単価
1  A0002        200
3  A0004        400

*** インデックスが 1～3 の行データを取り出す ***

   商品コード  単価
1  A0002        200
2  A0003        300
3  A0004        400

インデックス	商品コード	単価
0	A0001	100
1	A0002	200
2	A0003	300
3	A0004	400
4	A0005	500

loc を使って、行（インデックス）を指定してデータを取り出す場合
loc[行の指定]

プログラムソースを確認します。


115 print("\n*** インデックスが 1 の行データを取り出す ***\n")
116 print(df.loc[[1]])

インデックスが 1 の行データを取り出す
116行目で loc[] に、インデックス 1 が１つ入ったリスト [1] を指定しています。 loc[[1]]


118 print("\n*** インデックスが 1と3 の行データを取り出す ***\n")
119 print(df.loc[[1, 3]])

インデックスが 1と3 の行データを取り出す
119行目で loc[] に、インデックス 1 と 3 が入ったリスト [1, 3] を指定しています。 loc[[1, 3]]


121 print("\n*** インデックスが 1～3 の行データを取り出す ***\n")
122 print(df.loc[1:3])
123 
124 #終了４
125 #sys.exit()

インデックスが 1～3 の行データを取り出す
122行目で loc[] に、インデックス 1 から 3 が入ったスライス 1:3 を指定しています。 loc[1:3]

⑤ loc を使い、行と列を指定してデータを取り出す

#
# 行、列を指定してデータを取り出し（DataFrame.loc）
#

解説：
DataFrame.loc[行の指定, 列の指定]

   商品コード  単価
0  A0001        100
1  A0002        200
2  A0003        300
3  A0004        400
4  A0005        500
（行数：5、列数：2）

*** インデックスが 1 の商品コードを取り出す ***

A0002

*** インデックスが 1と3 の商品コードを取り出す ***

1  A0002
3  A0004
Name: 商品コード, dtype: object

*** インデックスが 1と3 の商品コードと単価を取り出す ***

   商品コード  単価
1  A0002        200
3  A0004        400

*** インデックスが 1～3 の商品コードを取り出す ***

1  A0002
2  A0003
3  A0004
Name: 商品コード, dtype: object

*** すべての行の商品コードと単価を取り出す ***

   商品コード  単価
0  A0001        100
1  A0002        200
2  A0003        300
3  A0004        400
4  A0005        500

インデックス	商品コード	単価
0	A0001	100
1	A0002	200
2	A0003	300
3	A0004	400
4	A0005	500

loc を使って、行（インデックス）と列（列名）を指定してデータを取り出す場合
loc[行の指定, 列の指定]

プログラムソースを確認します。


145 print("\n*** インデックスが 1 の商品コードを取り出す ***\n")
146 print(df.loc[1, '商品コード'])

インデックスが 1 の商品コードを取り出す
146行目の loc[行の指定, 列の指定] に、行の指定を 1、列の指定を商品コードにしています。 loc[1, '商品コード']


148 print("\n*** インデックスが 1と3 の商品コードを取り出す ***\n")
149 print(df.loc[[1, 3], '商品コード'])

インデックスが 1と3 の商品コードを取り出す
149行目の loc[行の指定, 列の指定] に、行の指定を 1と3 の入ったリスト、列の指定を商品コードにしています。 loc[[1, 3], '商品コード']


151 print("\n*** インデックスが 1と3 の商品コードと単価を取り出す ***\n")
152 print(df.loc[[1, 3], ['商品コード', '単価']])

インデックスが 1と3 の商品コードと単価を取り出す
152行目の loc[行の指定, 列の指定] に、行の指定を 1と3 の入ったリスト、列の指定を商品コードと単価の入ったリストにしています。 loc[[1, 3], ['商品コード', '単価']]


154 print("\n*** インデックスが 1～3 の商品コードを取り出す ***\n")
155 print(df.loc[1:3, '商品コード'])

インデックスが 1～3 の商品コードを取り出す
155行目の loc[行の指定, 列の指定] に、行の指定を 1から3 のスライス、列の指定を商品コードにしています。 loc[1:3, '商品コード']


157 print("\n*** すべての行の商品コードと単価を取り出す ***\n")
158 print(df.loc[:, ['商品コード', '単価']])
159 
160 #終了５
161 #sys.exit()

すべての行の商品コードと単価を取り出す
158行目の loc[行の指定, 列の指定] に、行の指定を全行（スライスの『 : 』）、列の指定を商品コードと単価の入ったリストにしています。 loc[:, ['商品コード', '単価']]

⑥ iloc を使い、行を指定してデータを取り出す

#
# 行を指定してデータを取り出し（DataFrame.iloc）
#

解説：
DataFrame.iloc[行の指定]

   商品コード  単価
0  A0001        100
1  A0002        200
2  A0003        300
3  A0004        400
4  A0005        500
（行数：5、列数：2）

*** 行番号が 1 の行データを取り出す ***

   商品コード  単価
1  A0002        200

*** 行番号が 1と3 の行データを取り出す ***

   商品コード  単価
1  A0002        200
3  A0004        400

*** 行番号が 1～2 の行データを取り出す ***

   商品コード  単価
1  A0002        200
2  A0003        300

行番号	インデックス	商品コード	単価
0	0	A0001	100
1	1	A0002	200
2	2	A0003	300
3	3	A0004	400
4	4	A0005	500

iloc を使って、行番号（ゼロから始まる番号）を指定してデータを取り出す場合
iloc[行の指定]

プログラムソースを確認します。


181 print("\n*** 行番号が 1 の行データを取り出す ***\n")
182 print(df.iloc[[1]])

行番号が 1 の行データを取り出す
182行目で iloc[] に、行番号 1 が１つ入ったリスト [1] を指定しています。 iloc[[1]]


184 print("\n*** 行番号が 1と3 の行データを取り出す ***\n")
185 print(df.iloc[[1, 3]])

行番号が 1と3 の行データを取り出す
185行目で iloc[] に、行番号 1 と 3 が入ったリスト [1, 3] を指定しています。 iloc[[1, 3]]


187 print("\n*** 行番号が 1～2 の行データを取り出す ***\n")
188 print(df.iloc[1:3])
189 
190 #終了６
191 #sys.exit()

行番号が 1～2 の行データを取り出す
188行目で iloc[] に、行番号 1 から 3 が入ったスライス 1:3 を指定しています。 iloc[1:3]

⑦ iloc を使い、行と列を指定してデータを取り出す

#
# 行、列を指定してデータを取り出し（DataFrame.iloc）
#

解説：
DataFrame.iloc[行の指定, 列の指定]

   商品コード  単価
0  A0001        100
1  A0002        200
2  A0003        300
3  A0004        400
4  A0005        500
（行数：5、列数：2）

*** 行番号が 1 、列番号が 0（商品コード）のデータを取り出す ***

A0002

*** 行番号が 1と3 、列番号が 0（商品コード）のデータを取り出す ***

1  A0002
3  A0004
Name: 商品コード, dtype: object

*** 行番号が 1と3 、列番号が 0（商品コード）と 1（単価）のデータを取り出す ***

   商品コード  単価
1  A0002        200
3  A0004        400

*** 行番号が 1～2 、列番号が 0（商品コード）のデータを取り出す ***

1  A0002
2  A0003
Name: 商品コード, dtype: object

*** すべての行の列番号が 0（商品コード）と 1（単価）のデータを取り出す ***

   商品コード  単価
0  A0001        100
1  A0002        200
2  A0003        300
3  A0004        400
4  A0005        500

	列番号	0	1
行番号	インデックス	商品コード	単価
0	0	A0001	100
1	1	A0002	200
2	2	A0003	300
3	3	A0004	400
4	4	A0005	500

iloc を使って、行番号（ゼロから始まる番号）と、列番号（ゼロから始まる番号）を指定してデータを取り出す場合
iloc[行番号, 列番号]

プログラムソースを確認します。


211 print("\n*** 行番号が 1 、列番号が 0（商品コード）のデータを取り出す ***\n")
212 print(df.iloc[1, 0])

行番号が 1 、列番号が 0（商品コード）のデータを取り出す
212行目の iloc[行番号, 列番号] に、行番号を 1、列番号を 0 にしています。 iloc[1, 0]


214 print("\n*** 行番号が 1と3 、列番号が 0（商品コード）のデータを取り出す ***\n")
215 print(df.iloc[[1, 3], 0])

行番号が 1と3 、列番号が 0（商品コード）のデータを取り出す
215行目の iloc[行番号, 列番号] に、行番号を 1と3 の入ったリスト、列番号を 0 にしています。 iloc[[1, 3], 0]


217 print("\n*** 行番号が 1と3 、列番号が 0（商品コード）と 1（単価）のデータを取り出す ***\n")
218 print(df.iloc[[1, 3], [0, 1]])

行番号が 1と3 、列番号が 0（商品コード）と 1（単価）のデータを取り出す
218行目の iloc[行番号, 列番号] に、行番号を 1と3 の入ったリスト、列番号を 0と1 の入ったリストにしています。 iloc[[1, 3], [0, 1]]


220 print("\n*** 行番号が 1～2 、列番号が 0（商品コード）のデータを取り出す ***\n")
221 print(df.iloc[1:3, 0])

行番号が 1～2 、列番号が 0（商品コード）のデータを取り出す
221行目の iloc[行番号, 列番号] に、行番号を 1から3 のスライス、列番号を 0 にしています。 iloc[1:3, 0]


223 print("\n*** すべての行の列番号が 0（商品コード）と 1（単価）のデータを取り出す ***\n")
224 print(df.iloc[:, [0, 1]])
225 
226 #終了７
227 #sys.exit()

すべての行の列番号が 0（商品コード）と 1（単価）のデータを取り出す
224行目の iloc[行番号, 列番号] に、行番号を全行（スライスの『 : 』）、列番号を 0と1 の入ったリストにしています。 iloc[:, [0, 1]]

４．データの絞り込み

① 数値条件を指定したデータの絞り込み

#
# 条件を指定したデータの絞り込み
#

   商品コード  商品名  単価  産地
0  A0001       みかん   100  和歌山
1  A0002       メロン   200  茨城県
2  A0003       レモン   300  広島県
3  A0004       りんご   400  青森県
4  A0005       バナナ   500  沖縄県
（行数：5、列数：4）

*** 単価が 200 より大きなデータを取り出す ***

   商品コード  商品名  単価  産地
2  A0003       レモン   300  広島県
3  A0004       りんご   400  青森県
4  A0005       バナナ   500  沖縄県

*** 単価が 200 より大きくて 500 より小さなデータを取り出す（and条件：& ）***

   商品コード  商品名  単価  産地
2  A0003       レモン   300  広島県
3  A0004       りんご   400  青森県

*** 単価が 200 より小さいか 400 より大きなデータを取り出す（or条件：| ）***

   商品コード  商品名  単価  産地
0  A0001       みかん   100  和歌山
4  A0005       バナナ   500  沖縄県

プログラムソースを確認します。


245 print("\n*** 単価が 200 より大きなデータを取り出す ***\n")
246 result = df商品一覧[df商品一覧['単価'] > 200]
247 print(result)

単価が 200 より大きなデータを取り出す
246行目で、条件式を df商品一覧['単価'] > 200 としています。


249 print("\n*** 単価が 200 より大きくて 500 より小さなデータを取り出す（and条件：& ）***\n")
250 result = df商品一覧[(df商品一覧['単価'] > 200) & (df商品一覧['単価'] < 500)]
251 print(result)

単価が 200 より大きくて 500 より小さなデータを取り出す
250行目で、条件式を (df商品一覧['単価'] > 200) & (df商品一覧['単価'] < 500) としています。


253 print("\n*** 単価が 200 より小さいか 400 より大きなデータを取り出す（or条件：| ）***\n")
254 result = df商品一覧[(df商品一覧['単価'] < 200) | (df商品一覧['単価'] > 400)]
255 print(result)
256 
257 #終了８
258 #sys.exit()

単価が 200 より小さいか 400 より大きなデータを取り出す
254行目で、条件式を (df商品一覧['単価'] < 200) | (df商品一覧['単価'] > 400) としています。

② 文字条件を指定したデータの絞り込み

*** 商品名が３文字以上のデータを取り出す（str.len）***

DataFrame[DataFrame[列名].str.len() >= 3]

   商品コード  商品名  単価  産地
0  A0001       みかん   100  和歌山
1  A0002       メロン   200  茨城県
2  A0003       レモン   300  広島県
3  A0004       りんご   400  青森県
4  A0005       バナナ   500  沖縄県

*** 商品名の先頭が'み'で始まるデータを取り出す（str.startswith）***

DataFrame[DataFrame[列名].str.startswith('み')]

   商品コード  商品名  単価  産地
0  A0001       みかん   100  和歌山

*** 商品名に'ン'を含むデータを取り出す（str.contains）***

DataFrame[DataFrame[列名].str.contains('ン')]

   商品コード  商品名  単価  産地
1  A0002       メロン   200  茨城県
2  A0003       レモン   300  広島県

プログラムソースを確認します。


261 # 商品名が３文字以上のデータを取り出す（str.len）
262 print("\n*** 商品名が３文字以上のデータを取り出す（str.len）***\n")
263 print("DataFrame[DataFrame[列名].str.len() >= 3]\n")
264 result = df商品一覧[df商品一覧['商品名'].str.len() >= 3]
265 print(result)

商品名が３文字以上のデータを取り出す
264行目で、条件式を df商品一覧['商品名'].str.len() >= 3 としています。


267 # 商品名の先頭が"み"で始まるデータを取り出す（str.startswith）
268 print("\n*** 商品名の先頭が'み'で始まるデータを取り出す（str.startswith）***\n")
269 print("DataFrame[DataFrame[列名].str.startswith('み')]\n")
270 result = df商品一覧[df商品一覧['商品名'].str.startswith('み')]
271 print(result)

商品名の先頭が"み"で始まるデータを取り出す
270行目で、条件式を df商品一覧['商品名'].str.startswith('み') としています。


273 # 商品名に"ン"を含むデータを取り出す（str.contains）
274 print("\n*** 商品名に'ン'を含むデータを取り出す（str.contains）***\n")
275 print("DataFrame[DataFrame[列名].str.contains('ン')]\n")
276 result = df商品一覧[df商品一覧['商品名'].str.contains('ン')]
277 print(result)
278 
279 #終了９
280 #sys.exit()

商品名に"ン"を含むデータを取り出す
276行目で、条件式を df商品一覧['商品名'].str.contains('ン') としています。

５．queryを使ったデータの絞り込み

① 数値条件を指定したデータの絞り込み

DataFrame.query(条件文字列)を使うと、絞り込み条件を容易かつ直感的に書くことができます。

ソースコード #終了９ の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

#
# DataFrame.queryを使ったデータの絞り込み
#

解説：
DataFrame.query(条件文字列)

   商品コード  商品名  単価  産地
0  A0001       みかん   100  和歌山
1  A0002       メロン   200  茨城県
2  A0003       レモン   300  広島県
3  A0004       りんご   400  青森県
4  A0005       バナナ   500  沖縄県
（行数：5、列数：4）

*** 単価が 200 より大きくて 500 より小さなデータを取り出す（and条件）***

   商品コード  商品名  単価  産地
2  A0003       レモン   300  広島県
3  A0004       りんご   400  青森県

*** 単価が 200 より大きくて 500 より小さなデータを取り出す（比較演算子の連結）***

   商品コード  商品名  単価  産地
2  A0003       レモン   300  広島県
3  A0004       りんご   400  青森県

*** 条件文字列の中で変数を使用する ***

   商品コード  商品名  単価  産地
2  A0003       レモン   300  広島県
3  A0004       りんご   400  青森県
4  A0005       バナナ   500  沖縄県

DataFrame.query(条件文字列)

プログラムソースを確認します。


300 print("\n*** 単価が 200 より大きくて 500 より小さなデータを取り出す（and条件）***\n")
301 result = df商品一覧.query('単価 > 200 and 単価 < 500')
302 print(result)

単価が 200 より大きくて 500 より小さなデータを取り出す（and条件）
301行目で、条件文字列を '単価 > 200 and 単価 < 500' としています。


304 print("\n*** 単価が 200 より大きくて 500 より小さなデータを取り出す（比較演算子の連結）***\n")
305 result = df商品一覧.query('200 < 単価 < 500') 
306 print(result)

単価が 200 より大きくて 500 より小さなデータを取り出す（比較演算子の連結）
305行目で、条件文字列を '200 < 単価 < 500' としています。
'200 < 単価 and 単価 < 500' と書くのと同じです。


308 print("\n*** 条件文字列の中で変数を使用する ***\n") 
309 val = 200 
310 result = df商品一覧.query('単価 > @val')
311 print(result)
312 
313 #終了10
314 #sys.exit()

条件文字列の中で変数を使用する
309行目で、変数 val に 200 をセットしています。
310行目のとおり、条件文字列の中で変数 val を使用する場合は、"@" を付けて @val にします。

② 文字条件を指定したデータの絞り込み

ソースコード #終了10 の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

*** 商品名が３文字以上のデータを取り出す（str.len）***

   商品コード  商品名  単価  産地
0  A0001       みかん   100  和歌山
1  A0002       メロン   200  茨城県
2  A0003       レモン   300  広島県
3  A0004       りんご   400  青森県
4  A0005       バナナ   500  沖縄県

*** 商品名の先頭が'み'で始まるデータを取り出す（str.startswith）***

   商品コード  商品名  単価  産地
0  A0001       みかん   100  和歌山

*** 商品名に'ン'を含むデータを取り出す（str.contains）***

   商品コード  商品名  単価  産地
1  A0002       メロン   200  茨城県
2  A0003       レモン   300  広島県

DataFrame.query(条件文字列)

プログラムソースを確認します。


317 # 商品名が３文字以上のデータを取り出す（str.len）
318 print("\n*** 商品名が３文字以上のデータを取り出す（str.len）***\n")
319 result = df商品一覧.query('商品名.str.len() >= 3')
320 print(result)

商品名が３文字以上のデータを取り出す
319行目で、条件文字列を '商品名.str.len() >= 3' としています。


322 # 商品名の先頭が"み"で始まるデータを取り出す（str.startswith）
323 print("\n*** 商品名の先頭が'み'で始まるデータを取り出す（str.startswith）***\n")
324 result = df商品一覧.query('商品名.str.startswith("み")')
325 print(result)

商品名の先頭が"み"で始まるデータを取り出す
324行目で、条件文字列を '商品名.str.startswith("み")' としています。


327 # 商品名に"ン"を含むデータを取り出す（str.contains）
328 print("\n*** 商品名に'ン'を含むデータを取り出す（str.contains）***\n")
329 result = df商品一覧.query('商品名.str.contains("ン")')
330 print(result)
331 
332 #終了11
333 #sys.exit()

商品名に"ン"を含むデータを取り出す
329行目で、条件文字列を '商品名.str.contains("ン")' としています。

６．列の追加

① 新しい列の追加

ソースコード #終了11 の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

#
# 新しい列の追加
#

   商品コード  商品名  単価  産地
0  A0001       みかん   100  和歌山
1  A0002       メロン   200  茨城県
2  A0003       レモン   300  広島県
3  A0004       りんご   400  青森県
4  A0005       バナナ   500  沖縄県
（行数：5、列数：4）

*** 原価の列を追加 ***

   商品コード  商品名  単価  産地    原価
0  A0001       みかん   100  和歌山    50
1  A0002       メロン   200  茨城県   120
2  A0003       レモン   300  広島県   210
3  A0004       りんご   400  青森県   320
4  A0005       バナナ   500  沖縄県   450
（行数：5、列数：5）

*** 既存の列を使って新しい列を追加 ***

   商品コード  商品名  単価  産地    原価  メッセージ
0  A0001       みかん   100  和歌山    50  みかんは100円です
1  A0002       メロン   200  茨城県   120  メロンは200円です
2  A0003       レモン   300  広島県   210  レモンは300円です
3  A0004       りんご   400  青森県   320  りんごは400円です
4  A0005       バナナ   500  沖縄県   450  バナナは500円です
（行数：5、列数：6）

*** 空の列を追加 ***

   商品コード  商品名  単価  産地    原価  メッセージ         空の列
0  A0001       みかん   100  和歌山    50  みかんは100円です
1  A0002       メロン   200  茨城県   120  メロンは200円です
2  A0003       レモン   300  広島県   210  レモンは300円です
3  A0004       りんご   400  青森県   320  りんごは400円です
4  A0005       バナナ   500  沖縄県   450  バナナは500円です
（行数：5、列数：7）

*** 列名の変更（'空の列'から'備考'へ）***

   商品コード  商品名  単価  産地    原価  メッセージ         備考
0  A0001       みかん   100  和歌山    50  みかんは100円です
1  A0002       メロン   200  茨城県   120  メロンは200円です
2  A0003       レモン   300  広島県   210  レモンは300円です
3  A0004       りんご   400  青森県   320  りんごは400円です
4  A0005       バナナ   500  沖縄県   450  バナナは500円です
（行数：5、列数：7）

プログラムソースを確認します。


351 # 原価の列を追加
352 print("\n*** 原価の列を追加 ***\n")
353 df商品一覧['原価'] = [50, 120, 210, 320, 450]

原価の列を追加
353行目で、原価の列に入れる数値のリスト [50, 120, 210, 320, 450] を使って、新たに原価の列を追加しています。


358 # 既存の列を使って新しい列を追加
359 print("\n*** 既存の列を使って新しい列を追加 ***\n")
360 df商品一覧['メッセージ'] = (df商品一覧['商品名'] + "は" + df商品一覧['単価'].astype(str) + "円です")

既存の列を使って新しい列を追加
360行目で、商品名と単価のデータを組み合わせて文字列を作り、その文字列をデータとするメッセージの列を追加しています。


365 # 空の列を追加
366 print("\n*** 空の列を追加 ***\n")
367 df商品一覧['空の列'] = ""

空の列を追加
367行目で、列名を空の列、データを空文字で新たな列を追加しています。


372 # 列名の変更
373 print("\n*** 列名の変更（'空の列'から'備考'へ）***\n")
374 df商品一覧.rename(columns = {'空の列':'備考'}, inplace = True)
375 

379 #終了12
380 #sys.exit()

列名の変更
374行目で、rename() を使って、空の列の列名を備考に変更しています。
columns引数に、変更前と変更後の列名を辞書で設定します。
inplace引数に、True を指定すると、列名の変更が反映されます。

７．データの変更

① データを変更する

ソースコード #終了12 の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

#
# データの変更
#

   商品コード  商品名  単価  産地    原価  メッセージ         備考
0  A0001       みかん   100  和歌山    50  みかんは100円です
1  A0002       メロン   200  茨城県   120  メロンは200円です
2  A0003       レモン   300  広島県   210  レモンは300円です
3  A0004       りんご   400  青森県   320  りんごは400円です
4  A0005       バナナ   500  沖縄県   450  バナナは500円です
（行数：5、列数：7）

*** 備考の列データを変更 ***

   商品コード  商品名  単価  産地    原価  メッセージ         備考
0  A0001       みかん   100  和歌山    50  みかんは100円です  新規商品
1  A0002       メロン   200  茨城県   120  メロンは200円です  在庫なし
2  A0003       レモン   300  広島県   210  レモンは300円です  販売休止
3  A0004       りんご   400  青森県   320  りんごは400円です  入荷未定
4  A0005       バナナ   500  沖縄県   450  バナナは500円です  季節商品
（行数：5、列数：7）

*** インデックス 4 （バナナ）の単価を 600 に変更 ***

   商品コード  商品名  単価  産地    原価  メッセージ         備考
0  A0001       みかん   100  和歌山    50  みかんは100円です  新規商品
1  A0002       メロン   200  茨城県   120  メロンは200円です  在庫なし
2  A0003       レモン   300  広島県   210  レモンは300円です  販売休止
3  A0004       りんご   400  青森県   320  りんごは400円です  入荷未定
4  A0005       バナナ   600  沖縄県   450  バナナは500円です  季節商品
（行数：5、列数：7）

プログラムソースを確認します。


398 # 備考の列データを変更
399 print("\n*** 備考の列データを変更 ***\n")
400 df商品一覧['備考'] = ["新規商品", "在庫なし", "販売休止", "入荷未定", "季節商品"]

備考の列データを変更
400行目で、変更するデータのリストを使って、備考の列を変更しています。


405 # インデックス 4 の商品コードを変更
406 print("\n*** インデックス 4 （バナナ）の単価を 600 に変更 ***\n")
407 df商品一覧.loc[4, '単価'] = 600
408 

412 #終了13
413 #sys.exit()

インデックス 4 の商品コードを変更
407行目で、loc[行の指定, 列の指定] を使って、行の指定をインデックス 4、列の指定を単価で変更箇所を設定して、値 600 をセットしています。

② ループ文を使って１行ずつ処理する

ソースコード #終了13 の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

*** ループ文を使ってメッセージの列データを変更 ***

   商品コード  商品名  単価  産地    原価  メッセージ                備考
0  A0001       みかん   100  和歌山    50  みかんの産地は和歌山です  新規商品
1  A0002       メロン   200  茨城県   120  メロンの産地は茨城県です  在庫なし
2  A0003       レモン   300  広島県   210  レモンの産地は広島県です  販売休止
3  A0004       りんご   400  青森県   320  りんごの産地は青森県です  入荷未定
4  A0005       バナナ   600  沖縄県   450  バナナの産地は沖縄県です  季節商品
（行数：5、列数：7）

プログラムソースを確認します。


416 # ループ文を使って１行ずつ処理する
417 print("\n*** ループ文を使ってメッセージの列データを変更 ***\n")
418 for index, data in df商品一覧.iterrows():
419   str商品名 = data['商品名']
420   str産地   = data['産地']
421   df商品一覧.loc[index, 'メッセージ'] = str商品名 + "の産地は" + str産地 + "です"
422 

426 #終了14
427 #sys.exit()

418行目の for文で、DataFrame（df商品一覧）の行データを１行ずつ処理していきます。
変数index には、インデックスの値、data変数には１行分のデータが格納されます。
419行目で、商品名のデータを取得しています。
420行目で、産地のデータを取得しています。
421行目で、loc[行の指定, 列の指定] を使って、行の指定を変数index、列の指定をメッセージで変更箇所を設定して、商品名と産地を組み合わせた文字列をセットしています。

８．DataFrameの結合（横方向）

① ExcelファイルからDataFrameを作成

販売実績.xlsx と商品一覧.xlsx から DataFrameを作成します。

ソースコード #終了14 の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

販売実績ファイル名：C:\Python\販売実績.xlsx
      年月  商品コード  数量
0   202511  A0001          8
1   202511  A0002          3
2   202511  A0003          4
3   202511  A0007          2
4   202511  A0010          2
5   202512  A0001          4
6   202512  A0003          2
7   202512  A0004          1
8   202512  A0005          3
9   202512  A0006          5
10  202601  A0008          5
11  202601  A0010          1
12  202601  A0005          4
13  202601  A9999          3
14  202601  A0001          2
（行数：15、列数：3）

商品一覧ファイル名：C:\Python\商品一覧.xlsx
   商品コード  商品名  単価  産地
0  A0001       みかん   100  和歌山
1  A0002       メロン   200  茨城県
2  A0003       レモン   300  広島県
3  A0004       りんご   400
4  A0005       バナナ   500  沖縄県
5  A0006       ぶどう   600  千葉県
6  A0007       スイカ   700  熊本県
7  A0008       イチゴ   800  栃木県
8  A0009       カシス   900
9  A0010       ライム  1000
（行数：10、列数：4）

この２つの DataFrame を横方向に結合していきます。

プログラムソースを確認します。


441 # 販売実績ファイルの読み込み
442 filename = dirHome + r"\販売実績.xlsx"
443 print("\n販売実績ファイル名：" + filename)
444 
445 # DataFrameを作成
446 df販売実績 = pd.read_excel(filename, sheet_name = 'Sheet1', dtype = object)
447 
448 print(df販売実績)
449 print("（行数：" + str(df販売実績.shape[0]) + "、列数：" + str(df販売実績.shape[1]) + "）")
450 
451 
452 # 商品一覧ファイルの読み込み
453 filename = dirHome + r"\商品一覧.xlsx"
454 print("\n商品一覧ファイル名：" + filename)
455 
456 # DataFrameを作成
457 df商品一覧 = pd.read_excel(filename, sheet_name = 'Sheet3', dtype = object)
458 
459 # 欠損値を空文字で埋める
460 df商品一覧 = df商品一覧.fillna("")
461 
462 print(df商品一覧)
463 print("（行数：" + str(df商品一覧.shape[0]) + "、列数：" + str(df商品一覧.shape[1]) + "）")
464 
465 #終了15
466 #sys.exit()

② 左外部結合（how = 'left'）

ソースコード #終了15 の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

*** 商品コードをキーにして左外部結合（how = 'left'）***

      年月  商品コード  数量  商品名  単価  産地
0   202511  A0001          8  みかん   100  和歌山
1   202511  A0002          3  メロン   200  茨城県
2   202511  A0003          4  レモン   300  広島県
3   202511  A0007          2  スイカ   700  熊本県
4   202511  A0010          2  ライム  1000
5   202512  A0001          4  みかん   100  和歌山
6   202512  A0003          2  レモン   300  広島県
7   202512  A0004          1  りんご   400
8   202512  A0005          3  バナナ   500  沖縄県
9   202512  A0006          5  ぶどう   600  千葉県
10  202601  A0008          5  イチゴ   800  栃木県
11  202601  A0010          1  ライム  1000
12  202601  A0005          4  バナナ   500  沖縄県
13  202601  A9999          3  NaN      NaN  NaN
14  202601  A0001          2  みかん   100  和歌山

解説:
販売実績のデータは結合相手の商品一覧に存在しなくても表示されます。（商品コードが A9999 のデータ）

販売実績を主として結合します。
販売実績のデータは、結合相手の商品一覧に存在しなくても表示されます。（商品コードが A9999 のデータ）

プログラムソースを確認します。


469 # 商品コードをキーにして左外部結合（how = 'left'）
470 print("\n*** 商品コードをキーにして左外部結合（how = 'left'）***\n")
471 df左結合 = pd.merge(df販売実績, df商品一覧, on = '商品コード', how = 'left')
472 
473 print(df左結合)
474 
475 print("\n解説:")
476 print("販売実績のデータは結合相手の商品一覧に存在しなくても表示されます。（商品コードが A9999 のデータ）")
477 
478 #終了16
479 #sys.exit()

471行目の merge() を使って、販売実績を主として商品一覧と結合しています。
on引数に結合のキーとする列名を指定します。

③ 右外部結合（how = 'right'）

ソースコード #終了16 の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

*** 商品コードをキーにして右外部結合（how = 'right'）***

    商品コード  商品名  単価  産地      年月  数量
0   A0001       みかん   100  和歌山  202511     8
1   A0001       みかん   100  和歌山  202512     4
2   A0001       みかん   100  和歌山  202601     2
3   A0002       メロン   200  茨城県  202511     3
4   A0003       レモン   300  広島県  202511     4
5   A0003       レモン   300  広島県  202512     2
6   A0004       りんご   400          202512     1
7   A0005       バナナ   500  沖縄県  202512     3
8   A0005       バナナ   500  沖縄県  202601     4
9   A0006       ぶどう   600  千葉県  202512     5
10  A0007       スイカ   700  熊本県  202511     2
11  A0008       イチゴ   800  栃木県  202601     5
12  A0009       カシス   900          NaN      NaN
13  A0010       ライム  1000          202511     2
14  A0010       ライム  1000          202601     1

解説:
商品一覧のデータは結合相手の販売実績に存在しなくても表示されます。（商品コードが A0009 のデータ）

商品一覧を主として結合します。
商品一覧のデータは、結合相手の販売実績に存在しなくても表示されます。（商品コードが A0009 のデータ）

プログラムソースを確認します。


482 # 商品コードをキーにして右外部結合（how = 'right'）
483 print("\n*** 商品コードをキーにして右外部結合（how = 'right'）***\n")
484 df右結合 = pd.merge(df販売実績, df商品一覧, on = '商品コード', how = 'right')
485 
486 # 列の並べ替え
487 df右結合 = df右結合[['商品コード','商品名','単価','産地','年月','数量']]
488 
489 print(df右結合)
490 
491 print("\n解説:")
492 print("商品一覧のデータは結合相手の販売実績に存在しなくても表示されます。（商品コードが A0009 のデータ）")
493 
494 #終了17
495 #sys.exit()

484行目の merge() を使って、商品一覧を主として販売実績と結合しています。
on引数に結合のキーとする列名を指定します。

④ 完全結合（how = 'outer'）

ソースコード #終了17 の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

*** 商品コードをキーにして完全結合（how = 'outer'）***

      年月  商品コード  数量  商品名  単価  産地
0   202511  A0001          8  みかん   100  和歌山
1   202512  A0001          4  みかん   100  和歌山
2   202601  A0001          2  みかん   100  和歌山
3   202511  A0002          3  メロン   200  茨城県
4   202511  A0003          4  レモン   300  広島県
5   202512  A0003          2  レモン   300  広島県
6   202512  A0004          1  りんご   400
7   202512  A0005          3  バナナ   500  沖縄県
8   202601  A0005          4  バナナ   500  沖縄県
9   202512  A0006          5  ぶどう   600  千葉県
10  202511  A0007          2  スイカ   700  熊本県
11  202601  A0008          5  イチゴ   800  栃木県
12     NaN  A0009        NaN  カシス   900
13  202511  A0010          2  ライム  1000
14  202601  A0010          1  ライム  1000
15  202601  A9999          3  NaN      NaN  NaN

解説:
販売実績、商品一覧ともに、結合相手が存在しなくても表示されます。

販売実績、商品一覧ともに、結合相手が存在しなくても表示されます。

販売実績にあって、商品一覧にないデータ：商品コードが A9999 のデータ
商品一覧にあって、販売実績にないデータ：商品コードが A0009 のデータ

プログラムソースを確認します。


498 # 商品コードをキーにして完全結合（how = 'outer'）
499 print("\n*** 商品コードをキーにして完全結合（how = 'outer'）***\n")
500 df完全結合 = pd.merge(df販売実績, df商品一覧, on = '商品コード', how = 'outer')
501 
502 print(df完全結合)
503 
504 print("\n解説:")
505 print("販売実績、商品一覧ともに、結合相手が存在しなくても表示されます。")
506 
507 #終了18
508 #sys.exit()

500行目の merge() を使って、商品一覧と販売実績を完全結合しています。
on引数に結合のキーとする列名を指定します。

９．データの削除

① 行データの削除

ソースコード #終了18 の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

#
# データの削除
#

      年月  商品コード  数量
0   202511  A0001          8
1   202511  A0002          3
2   202511  A0003          4
3   202511  A0007          2
4   202511  A0010          2
5   202512  A0001          4
6   202512  A0003          2
7   202512  A0004          1
8   202512  A0005          3
9   202512  A0006          5
10  202601  A0008          5
11  202601  A0010          1
12  202601  A0005          4
13  202601  A9999          3
14  202601  A0001          2
（行数：15、列数：3）

*** インデックス 13 の行データを削除 ***

      年月  商品コード  数量
0   202511  A0001          8
1   202511  A0002          3
2   202511  A0003          4
3   202511  A0007          2
4   202511  A0010          2
5   202512  A0001          4
6   202512  A0003          2
7   202512  A0004          1
8   202512  A0005          3
9   202512  A0006          5
10  202601  A0008          5
11  202601  A0010          1
12  202601  A0005          4
14  202601  A0001          2
（行数：14、列数：3）

プログラムソースを確認します。


526 # 行データの削除
527 print("\n*** インデックス 13 の行データを削除 ***\n")
528 df販売実績 = df販売実績.drop(13)
529 

533 #終了19
534 #sys.exit()

インデックス 13 の行データを削除
528行目で、drop()を使い引数にインデックス 13 を指定して行データを削除しています。

② 列データの削除

ソースコード #終了19 の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

   商品コード  商品名  単価  産地
0  A0001       みかん   100  和歌山
1  A0002       メロン   200  茨城県
2  A0003       レモン   300  広島県
3  A0004       りんご   400
4  A0005       バナナ   500  沖縄県
5  A0006       ぶどう   600  千葉県
6  A0007       スイカ   700  熊本県
7  A0008       イチゴ   800  栃木県
8  A0009       カシス   900
9  A0010       ライム  1000
（行数：10、列数：4）

*** 産地の列を削除 ***

   商品コード  商品名  単価
0  A0001       みかん   100
1  A0002       メロン   200
2  A0003       レモン   300
3  A0004       りんご   400
4  A0005       バナナ   500
5  A0006       ぶどう   600
6  A0007       スイカ   700
7  A0008       イチゴ   800
8  A0009       カシス   900
9  A0010       ライム  1000
（行数：14、列数：3）

産地の列を削除しました。

プログラムソースを確認します。


537 print("\n")
538 print(df商品一覧)
539 print("（行数：" + str(df商品一覧.shape[0]) + "、列数：" + str(df商品一覧.shape[1]) + "）")
540 
541 # 列データの削除
542 print("\n*** 産地の列を削除 ***\n")
543 df商品一覧 = df商品一覧.drop('産地', axis = 1)
544 

548 #終了20
549 #sys.exit()

産地の列を削除
543行目で、drop()を使い引数に列名 '産地' を指定して列データを削除しています。
列データを削除するときは、axis = 1 にします。

10．その他のデータ削除の方法

① 重複データの削除

ソースコード #終了20 の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

#
# その他のデータ削除の方法
#

*** 重複データの削除 ***

     年月  商品コード  数量
0  202511  A0001          8
1  202511  A0001          8  ← 重複しているデータ
2  202511  A0002          4
3  202511  B0003          2
4  202511  B0004          2
5  202512  A0001          4
6  202512  A0001          4  ← 重複しているデータ
7  202512  A0002          1
8  202512  A0002          3
9  202512  B0003          5
（行数：10、列数：3）

DataFrame.drop_duplicates()

     年月  商品コード  数量
0  202511  A0001          8
2  202511  A0002          4
3  202511  B0003          2
4  202511  B0004          2
5  202512  A0001          4
7  202512  A0002          1
8  202512  A0002          3
9  202512  B0003          5
（行数：8、列数：3）

解説:
年月、商品コード、数量が同じデータが削除されました（インデックス：1, 6）

インデックスを連番に振り直し

     年月  商品コード  数量
0  202511  A0001          8
1  202511  A0002          4
2  202511  B0003          2
3  202511  B0004          2
4  202512  A0001          4
5  202512  A0002          1
6  202512  A0002          3
7  202512  B0003          5
（行数：8、列数：3）

プログラムソースを確認します。


567 # 重複データの削除
568 print("\n*** 重複データの削除 ***\n")
569 
570 print(df販売実績)
571 print("（行数：" + str(df販売実績.shape[0]) + "、列数：" + str(df販売実績.shape[1]) + "）")
572 
573 print("\nDataFrame.drop_duplicates()\n")
574 result = df販売実績.drop_duplicates()
575 
576 print(result)
577 print("（行数：" + str(result.shape[0]) + "、列数：" + str(result.shape[1]) + "）")
578 
579 print("\n解説:")
580 print("年月、商品コード、数量が同じデータが削除されました（インデックス：1, 6）")
581 
582 print("\nインデックスを連番に振り直し\n")
583 result = result.reset_index(drop = True)
584 

588 #終了21
589 #sys.exit()

574行目の drop_duplicates() を使って、すべての列のデータ（年月、商品コード、数量）が同じデータ（重複データ）を削除しています。（インデックス：1, 6 のデータ）
583行目の reset_index(drop = True) を使って、インデックスを連番に振り直しています。

② 重複データの削除（列を指定）

ソースコード #終了21 の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

*** 年月と商品コードを指定して重複を削除 ***

     年月  商品コード  数量
0  202511  A0001          8
1  202511  A0001          8  ← 年月と商品コードで重複しているデータ
2  202511  A0002          4
3  202511  B0003          2
4  202511  B0004          2
5  202512  A0001          4
6  202512  A0001          4  ← 年月と商品コードで重複しているデータ
7  202512  A0002          1
8  202512  A0002          3  ← 年月と商品コードで重複しているデータ
9  202512  B0003          5
（行数：10、列数：3）

DataFrame.drop_duplicates(subset = 列のリスト, keep)

     年月  商品コード  数量
0  202511  A0001          8
2  202511  A0002          4
3  202511  B0003          2
4  202511  B0004          2
5  202512  A0001          4
7  202512  A0002          1
9  202512  B0003          5
（行数：7、列数：3）

解説:
年月と商品コードで重複を確認するので、数量が異なっていても削除されます。（インデックス：8）
keep = 'first' 重複した最初の行が残ります
keep = 'last'  重複した最後の行が残ります
keep = False   重複しているすべての行が削除されます

プログラムソースを確認します。


592 # 重複データの削除（列を指定）
593 print("\n*** 年月と商品コードを指定して重複を削除 ***\n")
594 
595 print(df販売実績)
596 print("（行数：" + str(df販売実績.shape[0]) + "、列数：" + str(df販売実績.shape[1]) + "）")
597 
598 print("\nDataFrame.drop_duplicates(subset = 列のリスト, keep)\n")
599 result = df販売実績.drop_duplicates(subset = ['年月', '商品コード'], keep = 'first')
600 

610 #終了22
611 #sys.exit()

599行目の drop_duplicates() で重複データを削除しています。
subsetパラメータに、列名のリストを設定することで重複を確認する列を指定することができます。
keepパラメータは、以下の通りです。
keep = 'first' 重複した最初の行が残ります
keep = 'last' 重複した最後の行が残ります
keep = False 重複しているすべての行が削除されます

③ 数値条件を指定して削除

ソースコード #終了22 の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

*** 年月が202512のデータを削除 ***

     年月  商品コード  数量
0  202511  A0001          8
1  202511  A0001          8
2  202511  A0002          4
3  202511  B0003          2
4  202511  B0004          2
5  202512  A0001          4
6  202512  A0001          4
7  202512  A0002          1
8  202512  A0002          3
9  202512  B0003          5
（行数：10、列数：3）

年月が202512のデータのインデックスを取得
Index([5, 6, 7, 8, 9], dtype='int64')

インデックスを指定して行削除
     年月  商品コード  数量
0  202511  A0001          8
1  202511  A0001          8
2  202511  A0002          4
3  202511  B0003          2
4  202511  B0004          2
（行数：5、列数：3）

プログラムソースを確認します。


614 # 条件を指定して削除
615 print("\n*** 年月が202512のデータを削除 ***\n")
616 
617 print(df販売実績)
618 print("（行数：" + str(df販売実績.shape[0]) + "、列数：" + str(df販売実績.shape[1]) + "）")
619 
620 # 年月が202512のデータのインデックスを取得
621 print("\n年月が202512のデータのインデックスを取得")
622 インデックス = df販売実績.index[df販売実績['年月'] == 202512]
623 print(インデックス)
624 
625 # インデックスを指定して行削除
626 print("\nインデックスを指定して行削除")
627 result = df販売実績.drop(インデックス)
628 
629 print(result)
630 print("（行数：" + str(result.shape[0]) + "、列数：" + str(result.shape[1]) + "）")
631 
632 #終了23
633 #sys.exit()

622行目で、年月が 202512 のデータのインデックスを取得しています。 [5, 6, 7, 8, 9]
627行目で、drop() に取得したインデックスを指定し削除しています。

④ 文字条件を指定して削除

ソースコード #終了23 の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

*** 商品コードの先頭が'B'のデータを削除 ***

     年月  商品コード  数量
0  202511  A0001          8
1  202511  A0001          8
2  202511  A0002          4
3  202511  B0003          2
4  202511  B0004          2
5  202512  A0001          4
6  202512  A0001          4
7  202512  A0002          1
8  202512  A0002          3
9  202512  B0003          5
（行数：10、列数：3）

先頭が'B'のデータのインデックスを取得
Index([3, 4, 9], dtype='int64')

インデックスを指定して行削除
     年月  商品コード  数量
0  202511  A0001          8
1  202511  A0001          8
2  202511  A0002          4
5  202512  A0001          4
6  202512  A0001          4
7  202512  A0002          1
8  202512  A0002          3
（行数：7、列数：3）

プログラムソースを確認します。


636 # 条件を指定して削除
637 print("\n*** 商品コードの先頭が'B'のデータを削除 ***\n")
638 
639 print(df販売実績)
640 print("（行数：" + str(df販売実績.shape[0]) + "、列数：" + str(df販売実績.shape[1]) + "）")
641 
642 print("\n先頭が'B'のデータのインデックスを取得")
643 インデックス = df販売実績[df販売実績['商品コード'].str.startswith('B')].index
644 print(インデックス)
645 
646 # インデックスを指定して行削除
647 print("\nインデックスを指定して行削除")
648 result = df販売実績.drop(インデックス)
649 
650 print(result)
651 print("（行数：" + str(result.shape[0]) + "、列数：" + str(result.shape[1]) + "）")
652 
653 #終了24
654 #sys.exit()

643行目で、商品コードの先頭が 'B' のデータのインデックスを取得しています。 [3, 4, 9]
648行目で、drop() に取得したインデックスを指定し削除しています。

⑤ 抽出条件式で絞り込んで削除

ソースコード #終了24 の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

*** DataFrame[抽出条件式]（絞り込み）を使って、商品コードの先頭が'B'のデータを削除 ***

     年月  商品コード  数量
0  202511  A0001          8
1  202511  A0001          8
2  202511  A0002          4
3  202511  B0003          2
4  202511  B0004          2
5  202512  A0001          4
6  202512  A0001          4
7  202512  A0002          1
8  202512  A0002          3
9  202512  B0003          5
（行数：10、列数：3）

先頭が'B'のデータで絞り込み　df販売実績[先頭が'B']

     年月  商品コード  数量
3  202511  B0003          2
4  202511  B0004          2
9  202512  B0003          5
（行数：3、列数：3）

先頭が'B'のデータでないもので絞り込み　df販売実績[~先頭が'B']

     年月  商品コード  数量
0  202511  A0001          8
1  202511  A0001          8
2  202511  A0002          4
5  202512  A0001          4
6  202512  A0001          4
7  202512  A0002          1
8  202512  A0002          3
（行数：7、列数：3）

解説:
先頭が'B'ではないデータで絞り込むことで、先頭が'B'のデータを削除したことと同じです。

条件の否定形を使って、データを削除します。

プログラムソースを確認します。


657 # DataFrame[抽出条件式]（絞り込み）で削除
658 print("\n*** DataFrame[抽出条件式]（絞り込み）を使って、商品コードの先頭が'B'のデータを削除 ***\n")
659 
660 print(df販売実績)
661 print("（行数：" + str(df販売実績.shape[0]) + "、列数：" + str(df販売実績.shape[1]) + "）")
662 
663 # 商品コードの先頭が'B'のデータを抽出条件
664 sri抽出条件 = df販売実績['商品コード'].str.startswith('B')
665 
666 # 抽出条件で絞り込み
667 print("\n先頭が'B'のデータで絞り込み　df販売実績[先頭が'B']\n")
668 result = df販売実績[sri抽出条件]
669 
670 print(result)
671 print("（行数：" + str(result.shape[0]) + "、列数：" + str(result.shape[1]) + "）")
672 
673 # 抽出条件でないもので絞り込み（抽出条件の否定で絞り込み）
674 print("\n先頭が'B'のデータでないもので絞り込み　df販売実績[~先頭が'B']\n")
675 result = df販売実績[~sri抽出条件]  # 『~』抽出条件の否定
676 
677 print(result)
678 print("（行数：" + str(result.shape[0]) + "、列数：" + str(result.shape[1]) + "）")
679 
680 print("\n解説:")
681 print("先頭が'B'ではないデータで絞り込むことで、先頭が'B'のデータを削除したことと同じです。")
682 
683 #終了25
684 #sys.exit()

664行目で商品コードの先頭が'B'のデータを抽出して、668行目でDataFrame（df販売実績）を抽出したもので絞り込んでいます。
675行目で抽出したもの以外（抽出条件の否定形）で絞り込むと、先頭が'B'のデータを削除したことと同じになります。

⑥ ループ文を使って削除

ソースコード #終了25 の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

*** ループ文を使って'商品コード'の先頭が'B'のデータを削除 ***

     年月  商品コード  数量
0  202511  A0001          8
1  202511  A0001          8
2  202511  A0002          4
3  202511  B0003          2
4  202511  B0004          2
5  202512  A0001          4
6  202512  A0001          4
7  202512  A0002          1
8  202512  A0002          3
9  202512  B0003          5
（行数：10、列数：3）

ループ文を使って１行毎に処理する
削除対象インデックス：3
削除対象インデックス：4
削除対象インデックス：9

     年月  商品コード  数量
0  202511  A0001          8
1  202511  A0001          8
2  202511  A0002          4
5  202512  A0001          4
6  202512  A0001          4
7  202512  A0002          1
8  202512  A0002          3
（行数：7、列数：3）

プログラムソースを確認します。


687 # ループ文を使って'商品コード'の先頭が'B'のデータを削除
688 print("\n*** ループ文を使って'商品コード'の先頭が'B'のデータを削除 ***\n")
689 
690 print(df販売実績)
691 print("（行数：" + str(df販売実績.shape[0]) + "、列数：" + str(df販売実績.shape[1]) + "）")
692 
693 # データフレームのコピー
694 df結果 = df販売実績.copy(deep = True)
695 
696 # ループ文を使って１行毎に処理する
697 print("\nループ文を使って１行毎に処理する")
698 for index, data in df結果.iterrows():
699   str商品コード = str(data['商品コード'])
700   if str商品コード.startswith('B'):
701     print("削除対象インデックス：" + str(index))
702     df結果 = df結果.drop(index)
703 
704 print("")
705 print(df結果)
706 print("（行数：" + str(df結果.shape[0]) + "、列数：" + str(df結果.shape[1]) + "）")
707 
708 #終了26
709 #sys.exit()

694行目で、df販売実績をコピーして、df結果を作成しています。
698行目の for文で、DataFrame（df結果）の行データを１行ずつ処理していきます。
変数index には、インデックスの値、data変数には１行分のデータが格納されます。
699行目で、商品コードのデータを取得しています。
700行目で、商品コード'の先頭が'B'かを判断しています。変数index が [3, 4, 9]
702行目で、drop()を使い引数に変数index を指定して行データを削除しています。

⑦ 全行を削除

ソースコード #終了26 の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

*** 全行を削除 ***

Empty DataFrame
Columns: [年月, 商品コード, 数量]
Index: []
（行数：0、列数：3）

プログラムソースを確認します。


712 # 全行を削除
713 print("\n*** 全行を削除 ***\n")
714 df全行削除 = df販売実績.iloc[:0]
715 
716 print(df全行削除)
717 print("（行数：" + str(df全行削除.shape[0]) + "、列数：" + str(df全行削除.shape[1]) + "）")
718 
719 sys.exit()

714行目で、iloc[] の行の指定で、ひとつの行も選択しないスライスを指定しています。 iloc[:0]

＜Pandas_DataFrameの基礎

Pandas.DataFrameの利用

Pandas.DataFrameでデータ集計＞

The post Pandas.DataFrameの利用 – 【Pythonプログラミング３～Pandas編～】 first appeared on kotablog.pro.

Pandas.DataFrameの基礎 – 【Pythonプログラミング３～Pandas編～】

こたろう — Wed, 26 Nov 2025 02:27:57 +0000

PandasのDataFrameを扱う方法を、演習用プログラムのソースコードを使い、それを実行しながら解説します。

１．演習用プログラムのダウンロード

演習用プログラム（ practice19.py ）、Excelファイル（商品一覧.xlsx ）、ＣＳＶファイル（追加商品.csv ）をダウンロードします。
演習用プログラムは テキストファイルになっているので、エクスプローラーを使って拡張子を .txt から .py に変更します。
practice19.py、商品一覧.xlsx、追加商品.csv を Python をインストールしたフォルダ（今回は C:\Python）に置きます。

practice19.txt

1 ファイル 9.21 KB

ダウンロード

商品一覧.xlsx

1 ファイル 14.04 KB

ダウンロード

追加商品.csv

1 ファイル 0.25 KB

ダウンロード

２．ソースコードの表示

メモ帳を使って、演習用プログラム（ practice19.py ）を開きます。

practice19.py

３．Pandas と DataFrame について

Pandas とは、データ解析を容易にする機能を持つPythonのデータ解析ライブラリです。
ＣＳＶファイルや、Excelファイルのような表形式データを扱うときにもとても便利です。
Pandas には２つの主要なデータ構造があり、Series（シリーズ）が１次元のデータ、DataFrame（データフレーム）が２次元のデータに対応します。
本章では、DataFrame について解説します。

４．DataFrameの作成

① 直接データを入力した作成

コマンドプロンプトで practice19.py を実行します。
プログラムを実行する方法は、こちらの記事『ファイルに保存されたプログラムの実行』を参照します。
以下のように表示されます。

#
# DataFrameの作成（直接データを入力した作成）
#

*** データを２次元リストで用意 ***

[['みかん', 100], ['メロン', 200], ['レモン', 300]]

*** 列名をリストで用意 ***

['商品名', '単価']

*** インデックスをリストで用意 ***

['A0001', 'A0002', 'A0003']

*** ２次元リストからDataFrameを作成  pandas.DataFarme ***

       商品名   単価
A0001  みかん  100
A0002  メロン  200
A0003  レモン  300
（行数：3、列数：2）
商品名    object
単価      int64
dtype: object

３つの果物の名前とそれぞれの単価が入った２次元リストと、列名のリスト、インデックスのリストを使って、DataFrameを作成しました。

インデックス	商品名	単価
A0001	みかん	100
A0002	メロン	200
A0003	レモン	300

プログラムソースを確認します。


26 # データを２次元リストで用意
27 print("\n*** データを２次元リストで用意 ***\n")
28 list2D = [['みかん', 100], ['メロン', 200], ['レモン', 300]]
29 print(list2D)
30 
31 # 列名をリストで用意
32 print("\n*** 列名をリストで用意 ***\n")
33 col = ['商品名','単価']
34 print(col)
35 
36 # インデックスをリストで用意
37 print("\n*** インデックスをリストで用意 ***\n")
38 idx = ['A0001','A0002','A0003']
39 print(idx)
40 
41 # DataFrameを作成
42 print("\n*** ２次元リストからDataFrameを作成  pandas.DataFarme ***\n")
43 df商品一覧 = pd.DataFrame(data = list2D, columns = col, index = idx)
44 

49 #終了１
50 #sys.exit()

DataFrameを作成するためにデータが入った２次元リスト、列名のリスト、インデックスのリストを用意します。
28行目で、DataFrameに入れるデータを２次元リストで用意しています。
33行目で、列名をリストで用意しています。
38行目で、インデックスをリストで用意しています。
43行目で、DataFrameを作成しています。

５．ExcelファイルからDataFrameを作成（基本編）

① Excelファイルから作成

#
# ExcelファイルからDataFrameを作成（基本）
#

商品一覧ファイル名：C:\Python\商品一覧.xlsx

*** Excelファイルを読み込んでDataFrameを作成  pandas.read_excel ***

   商品コード  商品名  単価  産地
0  A0001       みかん   100  和歌山
1  A0002       メロン   200  茨城県
2  A0003       レモン   300  広島県
3  A0004       りんご   400  青森県
4  A0005       バナナ   500  沖縄県
（行数：5、列数：4）
商品コード  object
商品名      object
単価        int64
産地        object
dtype: object

Excelファイル（商品一覧.xlsx）を読み込んで、５行４列のDataFrameを作成しました。
DataFrame作成時にインデックスを指定していません。よって、インデックスには 0、1、2、3、4 が自動で振られています。

インデックス	商品コード	商品名	単価	産地
0	A0001	みかん	100	和歌山
1	A0002	メロン	200	茨城県
2	A0003	レモン	300	広島県
3	A0004	りんご	400	青森県
4	A0005	バナナ	500	沖縄県

プログラムソースを確認します。


64 filename = dirHome + r"\商品一覧.xlsx"
65 print("\n商品一覧ファイル名：" + filename)
66 
67 # DataFrameを作成
68 print("\n*** Excelファイルを読み込んでDataFrameを作成  pandas.read_excel ***\n")
69 df商品一覧 = pd.read_excel(filename, sheet_name = 'Sheet1')
70 

75 #終了２
76 #sys.exit()

69行目で、read_excel()を使い、Excelのファイル名とシート名を指定してDataFrame（df商品一覧）を作成しています。

６．ExcelファイルからDataFrameを作成（実践編）

① Excelファイルから作成

商品一覧.xlsx の Sheet2 を開いてください。
Excelの表が以下の場合について、読み込む方法を解説します。
・表が１行目から始まっていない。
　　→今回は、３行目から始まっている表を読み込みます
・不要な列が含まれている。
　　→今回は、産地、商品コード、商品名、単価の４つの列を読み込みます
・空の行が含まれている。
　　→DataFrameを作成後に、空の行の条件に沿って削除します
・空のセルが含まれている。
　　→空のセルを処理します

#
# ExcelファイルからDataFrameを作成（実践）
#

商品一覧ファイル名：C:\Python\商品一覧.xlsx

*** Excelファイルを読み込んでDataFrameを作成  pandas.read_excel ***

   産地    商品コード  商品名   単価
0  茨城県  A0002       メロン  200.0
1  沖縄県  A0005       バナナ  500.0
2  和歌山  A0001       みかん  100.0
3  NaN     A0004       りんご  400.0
4  広島県  A0003       レモン  300.0
5  熊本県  NaN         スイカ    NaN
6  NaN     NaN         NaN       NaN
7  NaN     NaN         NaN       NaN
（行数：8、列数：4）
産地        object
商品コード  object
商品名      object
単価        float64
dtype: object

解説:
NaN（Not a Number）は欠損値です。
データが存在しない、または無効であることを示します。

NaN（Not a Number）は欠損値です。データが存在しない、または無効であることを示します。
インデックス 6、7 が空行になります。
インデックス 3、5 に空のセルが含まれています。
単価が浮動小数点数（float64）になっています。

プログラムソースを確認します。


 92 # DataFrameを作成
 93 print("\n*** Excelファイルを読み込んでDataFrameを作成  pandas.read_excel ***\n")
 94 df商品一覧 = pd.read_excel(filename,               # Excelファイル名
 95                            sheet_name = 'Sheet2',  # シート名
 96                            header     = 2,         # 見出し（列名）となる行（ゼロ始まり）
 97                            usecols    = ['産地','商品コード','商品名','単価'])  # 読み込む列名
 98 

107 #終了３
108 #sys.exit()

94行目の read_excel() でExcelファイルを読み込んでいます。
95行目で、sheet_name引数にシート名（Sheet2）を指定しています。
96行目で、header引数に３行目（ゼロ始まりなので 2 を指定）から読み込むよう指定しています。
97行目で、usecols引数に読み込む列名のリストを指定しています。

② 空行を削除する

*** 空行を削除  DataFrame.dropna ***

   産地    商品コード  商品名   単価
0  茨城県  A0002       メロン  200.0
1  沖縄県  A0005       バナナ  500.0
2  和歌山  A0001       みかん  100.0
3  NaN     A0004       りんご  400.0
4  広島県  A0003       レモン  300.0
（行数：5、列数：4）

解説:
商品コード、商品名、単価のいずれかに欠損値(NaN)が含まれる行を削除しました。

空行（条件：商品コード、商品名、単価のいずれかに欠損値(NaN)が含まれる行）を削除しました。

プログラムソースを確認します。


111 # 空行を削除する
112 print("\n*** 空行を削除  DataFrame.dropna ***\n")
113 df商品一覧 = df商品一覧.dropna(subset = ['商品コード','商品名','単価'])
114 

121 #終了４
122 #sys.exit()

113行目の dropna() で欠損値(NaN)が含まれる行を削除しています。
このとき、subset引数に列名のリストを指定すると、いずれかに欠損値(NaN)が含まれる行が削除の対象になります。

③ 欠損値を空文字で埋める

*** 欠損値を空文字で埋める  DataFrame.fillna ***

   産地    商品コード  商品名   単価
0  茨城県  A0002       メロン  200.0
1  沖縄県  A0005       バナナ  500.0
2  和歌山  A0001       みかん  100.0
3          A0004       りんご  400.0
4  広島県  A0003       レモン  300.0
（行数：5、列数：4）

インデックス 3 の産地の欠損値(NaN)を空文字で埋めました。

プログラムソースを確認します。


125 # 欠損値を空文字で埋める
126 print("\n*** 欠損値を空文字で埋める  DataFrame.fillna ***\n")
127 df商品一覧 = df商品一覧.fillna("")
128 

132 #終了５
133 #sys.exit()

127行目の fillna() の引数に空文字（""）を指定することで、欠損値(NaN)が空文字に置き換わります。

④ データ型を変更する

*** 単価のデータ型を整数に変更する  DataFrame.astype ***

   産地    商品コード  商品名  単価
0  茨城県  A0002       メロン   200
1  沖縄県  A0005       バナナ   500
2  和歌山  A0001       みかん   100
3          A0004       りんご   400
4  広島県  A0003       レモン   300
（行数：5、列数：4）
産地       object
商品コード    object
商品名      object
単価        int64
dtype: object

単価を浮動小数点数（float64）から、整数（int64）に変更しました。

プログラムソースを確認します。


136 # データ型を変更する
137 print("\n*** 単価のデータ型を整数に変更する  DataFrame.astype ***\n")
138 df商品一覧 = df商品一覧.astype({'単価': int})
139 

144 #終了６
145 #sys.exit()

138行目で astype() の引数に、辞書（データ型を変更したい列名と変更後のデータ型）を指定しています。

⑤ 列を並び替える

*** 列の並び替え ***

   商品コード  商品名  単価  産地
0  A0002       メロン   200  茨城県
1  A0005       バナナ   500  沖縄県
2  A0001       みかん   100  和歌山
3  A0004       りんご   400
4  A0003       レモン   300  広島県
（行数：5、列数：4）

商品コード、商品名、単価、産地の順で列を並び替えました。

プログラムソースを確認します。


148 # 列の並び替え
149 print("\n*** 列の並び替え ***\n")
150 df商品一覧 = df商品一覧[['商品コード','商品名','単価','産地']]
151 

155 #終了７
156 #sys.exit()

150行目で、列名のリストを指定することで、そのリストの要素順で列を並び替えることができます。

⑥ 行を並び替える（ソート）

*** 商品コードでソート ***

   商品コード  商品名  単価  産地
0  A0001       みかん   100  和歌山
1  A0002       メロン   200  茨城県
2  A0003       レモン   300  広島県
3  A0004       りんご   400
4  A0005       バナナ   500  沖縄県
（行数：5、列数：4）

商品コードの昇順で行を並び替えました。（ソート）

プログラムソースを確認します。


159 # 行の並び替え
160 print("\n*** 商品コードでソート ***\n")
161 df商品一覧 = df商品一覧.sort_values('商品コード', ignore_index = True)
162 

166 #終了８
167 #sys.exit()

161行目の、sort_values()を使って、商品コードでソートしています。
ascending引数に、True を指定すると昇順ソート（規定値）、False を指定すると降順ソートになります。
ignore_index引数に、True を指定すると、インデックスがゼロ始まりの連番に振り直されます。

７．ＣＳＶファイルからDataFrameを作成

① ＣＳＶファイルから作成

#
# ＣＳＶファイルからDataFrameを作成
#

追加商品ファイル名：C:\Python\追加商品.csv

*** ＣＳＶファイルを読み込んでDataFrameを作成  pandas.read_csv ***

   商品コード  商品名  単価  産地
0  A0006       ぶどう   600  千葉県
1  A0007       スイカ   700  熊本県
2  A0008       イチゴ   800  栃木県
3  A0009       カシス   900  NaN
4  A0010       ライム  1000  NaN
（行数：5、列数：4）
商品コード  object
商品名      object
単価        int64
産地        object
dtype: object

NaN（Not a Number）は欠損値です。データが存在しない、または無効であることを示します。

プログラムソースを確認します。


181 filename = dirHome + r"\追加商品.csv"
182 print("\n追加商品ファイル名：" + filename)
183 
184 # DataFrameを作成
185 print("\n*** ＣＳＶファイルを読み込んでDataFrameを作成  pandas.read_csv ***\n")
186 df追加商品 = pd.read_csv(filename,      # ＣＳＶファイル名
187                          header   = 1,  # 見出し（列名）となる行（ゼロ始まり）
188                          usecols  = ['産地','商品コード','商品名','単価'],  # 読み込む列名
189                          encoding = 'cp932')  # 文字コード
190 

195 #終了９
196 #sys.exit()

186行目の read_csv() でＣＳＶファイルを読み込んでいます。
187行目で、header引数に２行目（ゼロ始まりなので 1 を指定）から読み込むよう指定しています。
188行目で、usecols引数に読み込む列名のリストを指定しています。
189行目で、encoding引数に読み込むＣＳＶファイルの文字コードを指定しています。（'cp932'、'utf-8' 等）

② 欠損値を文字'不明'で埋める

*** 欠損値を文字'不明'で埋める  DataFrame.fillna ***

   商品コード  商品名  単価  産地
0  A0006       ぶどう   600  千葉県
1  A0007       スイカ   700  熊本県
2  A0008       イチゴ   800  栃木県
3  A0009       カシス   900  不明
4  A0010       ライム  1000  不明
（行数：5、列数：4）

インデックス 3 と 4 の産地の欠損値(NaN)を不明の文字で埋めました。

プログラムソースを確認します。


199 # 欠損値を文字'不明'で埋める
200 print("\n*** 欠損値を文字'不明'で埋める  DataFrame.fillna ***\n")
201 df追加商品 = df追加商品.fillna("不明")
202 

206 #終了10
207 #sys.exit()

201行目の fillna() の引数に文字列を指定することで、欠損値(NaN)をその文字列で埋めることができます。

８．DataFrameの結合（縦方向）

① ２つのDataFrameの結合（縦方向）

商品一覧.xlsx から作成したDataFrameと、追加商品.csv から作成したDataFrameを結合します。

#
# ２つのDataFrameの結合（縦方向）
#

*** DataFrameを結合（縦方向）  pandas.concat ***

   商品コード  商品名  単価  産地
0  A0001       みかん   100  和歌山
1  A0002       メロン   200  茨城県
2  A0003       レモン   300  広島県
3  A0004       りんご   400
4  A0005       バナナ   500  沖縄県
5  A0006       ぶどう   600  千葉県
6  A0007       スイカ   700  熊本県
7  A0008       イチゴ   800  栃木県
8  A0009       カシス   900  不明
9  A0010       ライム  1000  不明
（行数：10、列数：4）

商品一覧.xlsx から作成したDataFrameの末尾に、追加商品.csv から作成したDataFrameが結合しています。

商品一覧
インデックス	商品コード	商品名	単価	産地
0	A0001	みかん	100	和歌山
1	A0002	メロン	200	茨城県
2	A0003	レモン	300	広島県
3	A0004	りんご	400
4	A0005	バナナ	500	沖縄県

追加商品
インデックス	商品コード	商品名	単価	産地
0	A0006	ぶどう	600	千葉県
1	A0007	スイカ	700	熊本県
2	A0008	イチゴ	800	栃木県
3	A0009	カシス	900	不明
4	A0010	ライム	1000	不明

DataFrameを結合（縦方向）
インデックス	商品コード	商品名	単価	産地
0	A0001	みかん	100	和歌山
1	A0002	メロン	200	茨城県
2	A0003	レモン	300	広島県
3	A0004	りんご	400
4	A0005	バナナ	500	沖縄県
5	A0006	ぶどう	600	千葉県
6	A0007	スイカ	700	熊本県
7	A0008	イチゴ	800	栃木県
8	A0009	カシス	900	不明
9	A0010	ライム	1000	不明

プログラムソースを確認します。


221 # DataFrameを結合（縦方向）
222 print("\n*** DataFrameを結合（縦方向）  pandas.concat ***\n")
223 df商品一覧 = pd.concat([df商品一覧, df追加商品], ignore_index = True)
224 

228 #終了11
229 #sys.exit()

223行目の、concat() の引数に結合したいDataFrameのリストを指定しています。
ignore_index引数に、True を指定すると、インデックスがゼロ始まりの連番に振り直されます。

９．DataFrameをファイルへ出力

① Excelファイルに出力

#
# DataFrameをExcelファイルに出力
#

Excelファイル名：C:\Python\Excel出力.xlsx

*** Excelファイルに出力  DataFrame.ExcelWriter ***

   商品コード  商品名  単価  産地
0  A0001       みかん   100  和歌山
1  A0002       メロン   200  茨城県
2  A0003       レモン   300  広島県
3  A0004       りんご   400
4  A0005       バナナ   500  沖縄県
5  A0006       ぶどう   600  千葉県
6  A0007       スイカ   700  熊本県
7  A0008       イチゴ   800  栃木県
8  A0009       カシス   900  不明
9  A0010       ライム  1000  不明

作成されたExcelファイル（Excel出力.xlsx）を確認してください。

プログラムソースを確認します。


243 filename = dirHome + r"\Excel出力.xlsx"
244 print("\nExcelファイル名：" + filename)
245 
246 # Excelファイルに出力
247 print("\n*** Excelファイルに出力  DataFrame.ExcelWriter ***\n")
248 print(df商品一覧)
249 with pd.ExcelWriter(filename, 
250                     mode   = 'w',               # 書き込みモード
251                     engine = 'openpyxl'         # 書き込みにopenpyxlを使用
252                    ) as writer:
253   df商品一覧.to_excel(writer, 
254                       sheet_name = '商品一覧',  # シート名
255                       index      = False)       # インデックスを出力しない
256 
257 #終了12
258 #sys.exit()

249行目の ExcelWriter() と、253行目の to_excel() を使ってExcelファイルに出力しています。
250行目の mode引数に 'w' を指定することで書き込みモード（上書き）にしています。
251行目の engine引数では、Excelファイル出力を openpyxl ライブラリを使用。
254行目の sheet_name引数で、シート名を付けています。
255行目の index引数を False にすることで、インデックス部分（0、1、2、… 、8、9）をExcelファイルに出力しないようにしています。

② ＣＳＶファイルに出力

#
# DataFrameをＣＳＶファイルに出力
#

ＣＳＶファイル名：C:\Python\CSV出力.csv

*** ＣＳＶファイルに出力  DataFrame.to_csv ***

   商品コード  商品名  単価  産地
0  A0001       みかん   100  和歌山
1  A0002       メロン   200  茨城県
2  A0003       レモン   300  広島県
3  A0004       りんご   400
4  A0005       バナナ   500  沖縄県
5  A0006       ぶどう   600  千葉県
6  A0007       スイカ   700  熊本県
7  A0008       イチゴ   800  栃木県
8  A0009       カシス   900  不明
9  A0010       ライム  1000  不明

作成されたＣＳＶファイル（CSV出力.csv）をメモ帳などのテキストエディタで開いて内容を確認してください。

プログラムソースを確認します。


272 filename = dirHome + r"\CSV出力.csv"
273 print("\nＣＳＶファイル名：" + filename)
274 
275 # ＣＳＶファイルに出力
276 print("\n*** ＣＳＶファイルに出力  DataFrame.to_csv ***\n")
277 print(df商品一覧)
278 df商品一覧.to_csv(filename, 
279                   mode     = 'w',      # 書き込みモード
280                   index    = False,    # インデックスを出力しない
281                   encoding = 'cp932',  # 文字コード
282                   quoting  = csv.QUOTE_NONNUMERIC)  # 数値でない要素を引用符で囲む
283 
284 sys.exit()

278行目の to_csv() を使ってＣＳＶファイルに出力します。
279行目の mode引数に 'w' を指定することで書き込みモード（上書き）にしています。
280行目の index引数を False にすることで、インデックス部分（0、1、2、… 、8、9）をＣＳＶファイルに出力しないようにしています。
281行目で、encoding引数に出力するＣＳＶファイルの文字コードを指定しています。（'cp932'、'utf-8' 等）
282行目の quoting引数の設定は以下の通りです。
・quoting = csv.QUOTE_ALL　：　すべての要素が引用符で囲まれる。
・quoting = csv.QUOTE_NONNUMERIC　：　数値でない要素が引用符で囲まれる。

＜Pandas.Seriesの基礎

Pandas_DataFrameの基礎

Pandas.DataFrameの利用＞

The post Pandas.DataFrameの基礎 – 【Pythonプログラミング３～Pandas編～】 first appeared on kotablog.pro.

Pandas.Seriesの基礎 – 【Pythonプログラミング３～Pandas編～】

こたろう — Wed, 26 Nov 2025 02:23:38 +0000

PandasのSeriesを扱う方法を、演習用プログラムのソースコードを使い、それを実行しながら解説します。

１．演習用プログラムのダウンロード

演習用プログラム（ practice18.py ）をダウンロードします。
ダウンロードファイルは テキストファイルになっているので、エクスプローラーを使って拡張子を .txt から .py に変更します。
practice18.py を Python をインストールしたフォルダ（今回は C:\Python）に置きます。

practice18.txt

1 ファイル 11.80 KB

ダウンロード

２．ソースコードの表示

メモ帳を使って、演習用プログラム（ practice18.py ）を開きます。

practice18.py

３．Pandas と Series について

４．Seriesの作成

① リストからSeriesを作成（インデックスの指定なし）

コマンドプロンプトで practice18.py を実行します。
プログラムを実行する方法は、こちらの記事『ファイルに保存されたプログラムの実行』を参照します。
以下のように表示されます。

#
# リストからSeriesを作成（インデックスの指定なし）
#

*** データをリストで用意 ***

['レモン', 'マスカット', 'メロン', 'マンゴー', 'みかん']

*** リストからSeriesを作成  pandas.Series(data引数) ***

0      レモン
1    マスカット
2      メロン
3     マンゴー
4      みかん
dtype: object
データの数：5


解説:
左端に表示された 0、1、2、3、4 の数値がインデックスです。
今回のようにインデックスの指定がないとゼロから始まる連番の数値が自動設定されます。

５つの果物の名前（レモン、マスカット、メロン、マンゴー、みかん）が入ったリストを使って、Seriesを作成しました。

左端に表示された 0、1、2、3、4 の数値がインデックスになります。
今回はSeriesを作成するときにインデックスを指定していないので、ゼロから始まる連番が自動で付けられます。

インデックス
0	レモン
1	マスカット
2	メロン
3	マンゴー
4	みかん

プログラムソースを確認します。


25 # リストを用意
26 print("\n*** データをリストで用意 ***\n")
27 list1 = ['レモン','マスカット','メロン','マンゴー','みかん']
28 print(list1)
29 
30 # リストからSeriesを作成
31 print("\n*** リストからSeriesを作成  pandas.Series(data引数) ***\n")
32 sri1 = pd.Series(data = list1)
33 

42 #終了１
43 sys.exit()

27行目で、Seriesに入れるデータをリストで用意しています。
32行目で、dataパラメータにデータの入ったリストを指定してSeriesを作成しています。

② リストからSeriesを作成（インデックスの指定あり）

#
# リストからSeriesを作成（インデックスの指定あり）
#

*** データをリストで用意 ***

['レモン', 'マスカット', 'メロン', 'マンゴー', 'みかん']

*** インデックスをリストで用意 ***

['A0003', 'A0006', 'A0002', 'A0004', 'A0001']

*** リストからSeriesを作成  pandas.Series(data引数, index引数) ***

A0003      レモン
A0006    マスカット
A0002      メロン
A0004     マンゴー
A0001      みかん
dtype: object
データの数：5


解説:
インデックスの部分が、リストで用意したインデックスになっています。

今回は、５つのインデックス [A0003、A0006、A0002、A0004、A0001] が入ったリストも使って、Seriesを作成しました。
インデックスの部分が、リストで用意したインデックスになりました。

インデックス
A0003	レモン
A0006	マスカット
A0002	メロン
A0004	マンゴー
A0001	みかん

プログラムソースを確認します。


57 # リストを用意
58 print("\n*** データをリストで用意 ***\n")
59 list1 = ['レモン','マスカット','メロン','マンゴー','みかん']
60 print(list1)
61 
62 # インデックスをリストで用意
63 print("\n*** インデックスをリストで用意 ***\n")
64 idx = ['A0003','A0006','A0002','A0004','A0001']
65 print(idx)
66 
67 # Seriesを作成
68 print("\n*** リストからSeriesを作成  pandas.Series(data引数, index引数) ***\n")
69 sri2 = pd.Series(data = list1, index = idx)
70 

78 #終了２
79 sys.exit()

64行目で、インデックスをリストで用意しています。
69行目で、dataパラメータにデータの入ったリスト、indexパラメータにインデックスの入ったリストを指定してSeriesを作成しています。

③ 辞書からSeriesを作成

#
# 辞書からSeriesを作成
#

*** データを辞書で用意
{'札幌': 1952000, '東京': 9821798, '大阪': 2691000}

*** 辞書からSeriesを作成  pandas.Series(data引数) ***

札幌    1952000
東京    9821798
大阪    2691000
dtype: int64
データの数：3


解説:
辞書のキー部分（県庁所在地）がインデックスになります。

辞書からSeriesを作成しています。
辞書のキー部分（県庁所在地）がインデックスになります。

インデックス
札幌	1952000
東京	9821798
大阪	2691000

プログラムソースを確認します。


 93 # 辞書を用意
 94 print("\n*** データを辞書で用意")
 95 dict1 = {'札幌' : 1952000, '東京' : 9821798, '大阪' : 2691000}
 96 print(dict1)
 97 
 98 # Seriesを作成
 99 print("\n*** 辞書からSeriesを作成  pandas.Series(data引数) ***\n")
100 sri3 = pd.Series(data = dict1)
101 

109 #終了３
110 sys.exit()

95行目で、Seriesに入れるデータを辞書で用意しています。
100行目で、dataパラメータにデータの入った辞書を指定してSeriesを作成しています。

④ Seriesにカラム名をつける

カラム名とは、データの列につける名前のことです。

#
# Seriesにカラム名をつける
#

*** カラム名を '商品名' にしてSeriesを作成  pandas.Series(data引数, index引数, name引数) ***

A0003      レモン
A0006    マスカット
A0002      メロン
A0004     マンゴー
A0001      みかん
Name: 商品名, dtype: object

*** 作成済みのSeriesにカラム名をつける ***

カラム名をつける前の状態
札幌    1952000
東京    9821798
大阪    2691000
dtype: int64

カラム名 '人口' をつける  Series.rename('人口')
札幌    1952000
東京    9821798
大阪    2691000
Name: 人口, dtype: int64

Seriesを作成するときにカラム名をつける方法と、既存のSeriesにカラム名をつける方法があります。

インデックス	商品名
A0003	レモン
A0006	マスカット
A0002	メロン
A0004	マンゴー
A0001	みかん

インデックス	人口
札幌	1952000
東京	9821798
大阪	2691000

プログラムソースを確認します。


124 # Seriesを作成
125 print("\n*** カラム名を '商品名' にしてSeriesを作成  pandas.Series(data引数, index引数, name引数) ***\n")
126 sri2 = pd.Series(data = list1, index = idx, name = '商品名')
127 print(sri2)
128 
129 # 作成済みのSeriesにカラム名をつける
130 print("\n*** 作成済みのSeriesにカラム名をつける ***")
131 
132 print("\nカラム名をつける前の状態")
133 print(sri3)
134 
135 print("\nカラム名 '人口' をつける  Series.rename('人口')")
136 sri3 = sri3.rename('人口')
137 print(sri3)
138 
139 #終了４
140 sys.exit()

126行目で、Seriesを作成するときに name引数を指定することでカラム名を設定しています。
136行目で、作成済のSeriesにカラム名を設定しています。

５．Seriesのソート

① 要素でソート

#
# Seriesのソート（要素でソート）
#

ソート前の状態
札幌    1952000
東京    9821798
大阪    2691000
Name: 人口, dtype: int64

*** 人口を昇順でソート ***  Series.sort_values()
札幌    1952000
大阪    2691000
東京    9821798
Name: 人口, dtype: int64

*** 人口を降順でソート ***  Series.sort_values(ascending = False)
東京    9821798
大阪    2691000
札幌    1952000
Name: 人口, dtype: int64

Seriesの要素（データ部分）でソート（並べ替え）しています。

ソート前の状態
インデックス	人口
札幌	1952000
東京	9821798
大阪	2691000

人口を昇順でソート
インデックス	人口
札幌	1952000
大阪	2691000
東京	9821798

人口を降順でソート
インデックス	人口
東京	9821798
大阪	2691000
札幌	1952000

プログラムソースを確認します。


157 print("\n*** 人口を昇順でソート ***  Series.sort_values()")
158 result = sri3.sort_values()
159 print(result)
160 
161 print("\n*** 人口を降順でソート ***  Series.sort_values(ascending = False)")
162 result = sri3.sort_values(ascending = False)
163 print(result)
164 
165 #終了５
166 sys.exit()

158行目で、sort_values()を使って要素（人口のデータ）を昇順でソートしています。
162行目で、降順でソートしています。降順のときは、sort_values(ascending = False)とします。

② インデックスでソート

#
# Seriesをソートする（インデックスでソート）
#

ソート前の状態
A0003      レモン
A0006    マスカット
A0002      メロン
A0004     マンゴー
A0001      みかん
Name: 商品名, dtype: object

*** 昇順でソート ***  Series.sort_index()
A0001      みかん
A0002      メロン
A0003      レモン
A0004     マンゴー
A0006    マスカット
Name: 商品名, dtype: object

*** 降順でソート ***  Series.sort_index(ascending = False)
A0006    マスカット
A0004     マンゴー
A0003      レモン
A0002      メロン
A0001      みかん
Name: 商品名, dtype: object

Seriesのインデックス部分でソート（並べ替え）しています。

ソート前の状態
インデックス	商品名
A0003	レモン
A0006	マスカット
A0002	メロン
A0004	マンゴー
A0001	みかん

インデックスを昇順でソート
インデックス	商品名
A0001	みかん
A0002	メロン
A0003	レモン
A0004	マンゴー
A0006	マスカット

インデックスを降順でソート
インデックス	商品名
A0006	マスカット
A0004	マンゴー
A0003	レモン
A0002	メロン
A0001	みかん

プログラムソースを確認します。


183 print("\n*** 昇順でソート ***  Series.sort_index()")
184 result = sri2.sort_index()
185 print(result)
186 
187 print("\n*** 降順でソート ***  Series.sort_index(ascending = False)")
188 result = sri2.sort_index(ascending = False)
189 print(result)
190 
191 #終了６
192 sys.exit()

184行目で、sort_index()を使ってインデックスを昇順でソートしています。
188行目で、降順でソートしています。降順のときは、sort_index(ascending = False)とします。

６．Seriesからデータを取り出す

① インデックスを使って取り出す（loc）

#
# Seriesからデータを取り出す（インデックスを使用）
#

インデックスでソート（昇順）しておきます
A0001      みかん
A0002      メロン
A0003      レモン
A0004     マンゴー
A0006    マスカット
Name: 商品名, dtype: object

インデックスを使って取り出す（loc）

*** A0001 のデータを取り出す ***
loc['A0001']

みかん


*** スライスを使い A0001 から A0003 のデータを取り出す ***
loc['A0001':'A0003']

A0001    みかん
A0002    メロン
A0003    レモン
Name: 商品名, dtype: object


*** リストを使い A0001 と A0006 のデータを取り出す ***
loc[['A0001','A0006']]

A0001      みかん
A0006    マスカット
Name: 商品名, dtype: object

インデックスを使ってSeriesからデータを取り出す場合は loc を使います。
ひとつ、もしくは複数のデータを取り出すことができます。

インデックスでソート（昇順）しておきます
インデックス	商品名
A0001	みかん
A0002	メロン
A0003	レモン
A0004	マンゴー
A0006	マスカット

プログラムソースを確認します。


214 # A0001 のデータを取り出す
215 print("\n*** A0001 のデータを取り出す ***")
216 print("loc['A0001']\n")
217 result = sri2.loc['A0001']
218 print(result)
219 print(type(result))
220 
221 # スライスを使い A0001 から A0003 のデータを取り出す
222 print("\n*** スライスを使い A0001 から A0003 のデータを取り出す ***")
223 print("loc['A0001':'A0003']\n")
224 result = sri2.loc['A0001':'A0003']
225 print(result)
226 print(type(result))
227 
228 # リストを使い A0001 と A0006 のデータを取り出す
229 print("\n*** リストを使い A0001 と A0006 のデータを取り出す ***")
230 print("loc[['A0001','A0006']]\n")
231 result = sri2.loc[['A0001','A0006']]
232 print(result)
233 print(type(result))
234 
235 #終了７
236 sys.exit()

217行目は、ひとつのインデックス（A0001）を使ってひとつのデータを取り出しています。
224行目は、スライスを使いインデックスの範囲を指定してデータを取り出しています。
231行目は、インデックスのリスト['A0001','A0006']を使って複数のデータを取り出しています。

② 要素の連番を使って取り出す（iloc）

#
# Seriesからデータを取り出す（要素の連番を使用）
#

A0001      みかん
A0002      メロン
A0003      レモン
A0004     マンゴー
A0006    マスカット
Name: 商品名, dtype: object

要素の連番（ゼロ始まり）を使って取り出す（iloc）

*** 連番 0 のデータを取り出す ***
iloc[0]

みかん


*** 連番 1 から 3 のデータ（スライス表記で指定）***
iloc[1:4]

A0002     メロン
A0003     レモン
A0004    マンゴー
Name: 商品名, dtype: object


*** 繰り返し文（for）を使いすべてのデータを取り出す ***

みかん
メロン
レモン
マンゴー
マスカット

要素（データ）にはゼロから始まる連番がついています。
この連番を使ってSeriesからデータを取り出す場合は iloc を使います。
ひとつ、もしくは複数のデータを取り出すことができます。

要素の連番（セロ始まり）	インデックス	商品名
0	A0001	みかん
1	A0002	メロン
2	A0003	レモン
3	A0004	マンゴー
4	A0006	マスカット

プログラムソースを確認します。


256 # 連番 0 のデータを取り出す
257 print("\n*** 連番 0 のデータを取り出す ***")
258 print("iloc[0]\n")
259 result = sri2.iloc[0]
260 print(result)
261 print(type(result))
262 
263 # スライスを使い 連番 1 から 3 のデータを取り出す
264 print("\n*** 連番 1 から 3 のデータ（スライス表記で指定）***")
265 print("iloc[1:4]\n")
266 result = sri2.iloc[1:4]
267 print(result)
268 print(type(result))
269 
270 # 繰り返し文（for）を使いすべてのデータを取り出す
271 print("\n*** 繰り返し文（for）を使いすべてのデータを取り出す ***\n")
272 for i in range(len(sri2)):
273   data = sri2.iloc[i]
274   print(data)
275 
276 #終了８
277 sys.exit()

259行目で、連番 0 のデータを取り出しています。
266行目で、スライスを使って連番 1 から 3 のデータを取り出しています。
272行目から274行目では、ループ文と組み合わせてSeries内のデータをすべて取り出しています。

③ 条件を指定して取り出す

#
# Seriesからデータを取り出す（条件を指定）
#

抽出元のSeries
札幌    1952000
東京    9821798
大阪    2691000
Name: 人口, dtype: int64

*** 2,000,000以上のデータを取り出す ***
Series[Series >= 2000000]

東京    9821798
大阪    2691000
Name: 人口, dtype: int64


抽出元のSeries
A0001      みかん
A0002      メロン
A0003      レモン
A0004     マンゴー
A0006    マスカット
Name: 商品名, dtype: object

*** ４文字以上のデータを取り出す（str.len）***
Series[Series.str.len() >= 4]

A0004     マンゴー
A0006    マスカット
Name: 商品名, dtype: object

*** 先頭が'マ'で始まるデータを取り出す（str.startswith）***
Series[Series.str.startswith('マ')]

A0004     マンゴー
A0006    マスカット
Name: 商品名, dtype: object

*** 'ン'を含むデータを取り出す（str.contains）***
Series[Series.str.contains('ン')]

A0002     メロン
A0003     レモン
A0004    マンゴー
Name: 商品名, dtype: object

Seriesの数値データを比較演算子を使って条件設定したり、
文字数、先頭文字が何か、文字が含まれるか否かを条件にしてデータを取り出しています。

抽出元のSeries（ sri3 ）
インデックス	人口
札幌	1952000
東京	9821798
大阪	2691000

抽出元のSeries（ sri2 ）
インデックス	商品名
A0001	みかん
A0002	メロン
A0003	レモン
A0004	マンゴー
A0006	マスカット

プログラムソースを確認します。


294 # 2,000,000以上のデータを取り出す
295 print("\n*** 2,000,000以上のデータを取り出す ***")
296 print("Series[Series >= 2000000]\n")
297 result = sri3[sri3 >= 2000000]
298 print(result)
299 
300 print("\n\n抽出元のSeries")
301 print(sri2)
302 
303 # ４文字以上のデータを取り出す（str.len）
304 print("\n*** ４文字以上のデータを取り出す（str.len）***")
305 print("Series[Series.str.len() >= 4]\n")
306 result = sri2[sri2.str.len() >= 4]
307 print(result)
308 
309 # 先頭が"マ"で始まるデータを取り出す（str.startswith）
310 print("\n*** 先頭が'マ'で始まるデータを取り出す（str.startswith）***")
311 print("Series[Series.str.startswith('マ')]\n")
312 result = sri2[sri2.str.startswith('マ')]
313 print(result)
314 
315 # "ン"を含むデータを取り出す（str.contains）
316 print("\n*** 'ン'を含むデータを取り出す（str.contains）***")
317 print("Series[Series.str.contains('ン')]\n")
318 result = sri2[sri2.str.contains('ン')]
319 print(result)
320 
321 #終了９
322 sys.exit()

297行目では、数値データを比較して条件に合ったデータを取り出しています。
306行目では、文字数を条件にしてデータを取り出しています。（str.len）
312行目では、文字データの先頭が何で始まるかを条件にしてデータを取り出しています。（str.startswith）
318行目では、データに含まれる文字列を条件にしてデータを取り出しています。（str.contains）

７．Seriesのデータを追加、変更、削除する

① Seriesにデータを追加

#
# Seriesにデータを追加
#

追加前の状態
A0001      みかん
A0002      メロン
A0003      レモン
A0004     マンゴー
A0006    マスカット
Name: 商品名, dtype: object

*** A0005 イチゴ を追加する ***
Series[インデックス] = "値"

A0001      みかん
A0002      メロン
A0003      レモン
A0004     マンゴー
A0006    マスカット
A0005      イチゴ
Name: 商品名, dtype: object

解説:
Seriesの末尾に追加されます。

*** 追加後にインデックスでソート ***

A0001      みかん
A0002      メロン
A0003      レモン
A0004     マンゴー
A0005      イチゴ
A0006    マスカット
Name: 商品名, dtype: object

値にインデックスをつけてデータを追加します。
追加したデータはSeriesの末尾に追加されますので、必要に応じてインデックスでソートします。

追加前の状態
インデックス	商品名
A0001	みかん
A0002	メロン
A0003	レモン
A0004	マンゴー
A0006	マスカット

A0005 イチゴを追加
インデックス	商品名
A0001	みかん
A0002	メロン
A0003	レモン
A0004	マンゴー
A0006	マスカット
A0005	イチゴ

インデックスでソート
インデックス	商品名
A0001	みかん
A0002	メロン
A0003	レモン
A0004	マンゴー
A0005	イチゴ
A0006	マスカット

プログラムソースを確認します。


339 print("\n*** A0005 イチゴ を追加する ***")
340 print("Series[インデックス] = \"値\"\n")
341 sri2['A0005'] = "イチゴ"
342 print(sri2)
343 
344 print("\n解説:")
345 print("Seriesの末尾に追加されます。")
346 
347 print("\n*** 追加後にインデックスでソート ***\n")
348 sri2 = sri2.sort_index()
349 print(sri2)
350 
351 #終了10
352 sys.exit()

341行目で、インデックス（'A0005'）と値（"イチゴ"）を指定して追加しています。
348行目で、インデックスでソートしています。

② Seriesのデータを変更

#
# Seriesのデータを変更
#

変更前の状態
A0001      みかん
A0002      メロン
A0003      レモン
A0004     マンゴー
A0005      イチゴ
A0006    マスカット
Name: 商品名, dtype: object

*** A0005 のイチゴ を バナナ に変更する ***
Series[インデックス] = "値"

A0001      みかん
A0002      メロン
A0003      レモン
A0004     マンゴー
A0005      バナナ
A0006    マスカット
Name: 商品名, dtype: object

指定したインデックスの値を変更します。
Seriesに、指定したインデックスが存在するとデータの変更になり、存在しないとデータの追加になります。

変更前の状態
インデックス	商品名
A0001	みかん
A0002	メロン
A0003	レモン
A0004	マンゴー
A0005	イチゴ
A0006	マスカット

A0005 のイチゴをバナナに変更
インデックス	商品名
A0001	みかん
A0002	メロン
A0003	レモン
A0004	マンゴー
A0005	バナナ
A0006	マスカット

プログラムソースを確認します。


369 print("\n*** A0005 のイチゴ を バナナ に変更する ***")
370 print("Series[インデックス] = \"値\"\n")
371 sri2['A0005'] = "バナナ"
372 print(sri2)
373 
374 #終了11
375 sys.exit()

371行目で、インデックス 'A0005' のデータを "バナナ" に変更しています。

③ Seriesのデータを削除

#
# Seriesのデータを削除
#

削除前の状態
A0001      みかん
A0002      メロン
A0003      レモン
A0004     マンゴー
A0005      バナナ
A0006    マスカット
Name: 商品名, dtype: object

*** A0006 を削除する ***
Series.drop(インデックス)

A0001     みかん
A0002     メロン
A0003     レモン
A0004    マンゴー
A0005     バナナ
Name: 商品名, dtype: object

drop()の引数にインデックスを指定することで削除します。

削除前の状態
インデックス	商品名
A0001	みかん
A0002	メロン
A0003	レモン
A0004	マンゴー
A0005	バナナ
A0006	マスカット

A0006 を削除
インデックス	商品名
A0001	みかん
A0002	メロン
A0003	レモン
A0004	マンゴー
A0005	バナナ

プログラムソースを確認します。


392 print("\n*** A0006 を削除する ***")
393 print("Series.drop(インデックス)\n")
394 sri2 = sri2.drop('A0006')
395 print(sri2)
396 
397 #終了12
398 sys.exit()

394行目で、インデックス 'A0006' のデータを削除しています。

８．Seriesをファイルに出力

① Excelファイルに出力

ソースコード #終了12 の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。

#
# SeriesをExcelファイルに出力
#

Excelファイル名：C:\Python\practice18.xlsx

*** Excelファイルに出力  DataFrame.ExcelWriter ***

A0001     みかん
A0002     メロン
A0003     レモン
A0004    マンゴー
A0005     バナナ
Name: 商品名, dtype: object

practice18.xlsx を開いて中身を確認します。

プログラムソースを確認します。


412 filename = dirHome + r"\practice18.xlsx"
413 print("\nExcelファイル名：" + filename)
414 
415 # Excelファイルに出力
416 print("\n*** Excelファイルに出力  DataFrame.ExcelWriter ***\n")
417 print(sri2)
418 with pd.ExcelWriter(filename,
419                     mode   = 'w',         # 書き込みモード
420                     engine = 'openpyxl'   # 書き込みにopenpyxlを使用
421                    ) as writer:
422   sri2.to_excel(writer, 
423                 sheet_name = '商品一覧',  # シート名
424                 index      = True)        # インデックスを出力する
425 
426 sys.exit()

Excelファイルに出力する場合は、DataFrame.ExcelWriter を使います。
418行目で、Excelのファイル名を指定しています。
419行目で、書き込みモード（mode = 'w'）にしています。
420行目で、書き込みにはopenpyxlを使用するようにしています。
423行目で、シート名を商品一覧にしています。
424行目で、Excelファイルにインデックス部分を出力する場合は True を設定します。

＜iniファイルの読み書き

Pandas.Seriesの基礎

Pandas.DataFrameの基礎＞

The post Pandas.Seriesの基礎 – 【Pythonプログラミング３～Pandas編～】 first appeared on kotablog.pro.

Pythonのインストール – 【Pythonではじめるプログラミング】

こたろう — Wed, 13 Nov 2024 15:04:50 +0000

Python のインストールと動作テストの方法について解説します。さらにPythonで使うライブラリもインストールします。

１．Pythonのインストール

ダウンロードした python-3.12.4-amd64.exe をダブルクリックします。

① Install Python 3.12.4(64-bit)

インストール画面が表示されます。
手順に沿って作業を進めます。

画面一番下の Add python.exe to PATH にチェックを入れて、Customize installation をクリックします。

② Optional Features

全てのチェックボックスにチェックが入っていることを確認して Next ボタンをクリックします。

③ Advanced Options

一番上のチェックボックス Install Python 3.12 for all users にチェックを入れます。
今回は、C:\Python にインストールするので、Customize install location にキーボードから C:\Python と入力します。
Install ボタンをクリックします。

④ Setup Progress

インストールが始まりますので、しばらく待ちます。

⑤ Setup was successful

Setup was successful 画面が表示されると、インストール成功です。
Close ボタンをクリックして画面を閉じます。

２．Pythonの動作確認

コマンドプロンプトを立ち上げます

（１）Windows 画面左下の検索ボックスに、キーボードで cmd と入力します。
（２）コマンドプロンプトはよく使うので スタートにピン留め をしておきます。
（３）コマンドプロンプト をクリックします。

キーボードで python と入力し Enter キーを押します

Python 3.12.4 と表示されていることを確認します。

Microsoft Windows [Version 10.0.22631.4317]
(c) Microsoft Corporation. All rights reserved.

C:\Users\kotablog>python
Python 3.12.4 (tags/v3.12.4:8e8a4ba, Jun  6 2024, 19:30:16) [MSC v.1940 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>>

左端が >>> となっている時は、対話モード(インタラクティブモード)と言います。

対話モードを終了します

Ctrl キーを押しながらＺキーを押します。そのあと、 Enter キーを押します。

Microsoft Windows [Version 10.0.22631.4317]
(c) Microsoft Corporation. All rights reserved.

C:\Users\kotablog>python
Python 3.12.4 (tags/v3.12.4:8e8a4ba, Jun  6 2024, 19:30:16) [MSC v.1940 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> ^Z


C:\Users\kotablog>

３．pywin32ライブラリのインストール

pywin32ライブラリとは？

Windowsの画面操作を自動化したい
Outlookメールを自動で作成したい
ExcelマクロをPythonから実行したい

このような場合に必要となる全世界で使われている共通部品です。
それではインストールしてみましょう。
コマンドプロンプトにキーボードから pip install pywin32 と入力して、 Enter キーを押します。

C:\Users\kotablog>pip install pywin32

"pip install" はライブラリをインストールするためのコマンドです。

C:\Users\kotablog>pip install pywin32
Collecting pywin32
  Downloading pywin32-307-cp312-cp312-win_amd64.whl.metadata (8.3 kB)
Downloading pywin32-307-cp312-cp312-win_amd64.whl (6.5 MB)
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 6.5/6.5 MB 915.7 kB/s eta 0:00:00
Installing collected packages: pywin32
Successfully installed pywin32-307

[notice] A new release of pip is available: 24.0 -> 24.2
[notice] To update, run: python.exe -m pip install --upgrade pip

C:\Users\kotablog>

Successfully installed pywin32 と表示されれば、インストールは無事完了です。

４．pip のアップグレード

コマンドプロンプトに以下のメッセージが表示されている場合は、pip をアップグレードします。

[notice] A new release of pip is available: 24.0 -> 24.2
[notice] To update, run: python.exe -m pip install --upgrade pip

コマンドプロンプトにキーボードから python -m pip install --upgrade pip と入力して、 Enter キーを押します。

C:\Users\kotablog>python -m pip install --upgrade pip

アップグレードが始まります。

C:\Users\kotablog>python -m pip install --upgrade pip
Requirement already satisfied: pip in c:\python\lib\site-packages (24.0)
Collecting pip
  Downloading pip-24.2-py3-none-any.whl.metadata (3.6 kB)
Downloading pip-24.2-py3-none-any.whl (1.8 MB)
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 1.8/1.8 MB 370.2 kB/s eta 0:00:00
Installing collected packages: pip
  Attempting uninstall: pip
    Found existing installation: pip 24.0
    Uninstalling pip-24.0:
      Successfully uninstalled pip-24.0
Successfully installed pip-24.2

C:\Users\kotablog>

Successfully installed pip と表示されれば、アップグレードは無事完了です。

５．Pythonとpywin32ライブラリのテスト

このテストはパソコンに Microsoft Outlook がインストールされていて、メールアカウントの設定がされている必要があります。

コマンドプロンプトにキーボードから python と入力して、 Enter キーを押して対話モードにします。

C:\Users\kotablog>python
Python 3.12.4 (tags/v3.12.4:8e8a4ba, Jun  6 2024, 19:30:16) [MSC v.1940 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>>

以下の５行をコピー＆ペースト（コピペ）します。

import win32com.client as win32
outlook_mail = win32.Dispatch("outlook.application").CreateItem(0)
outlook_mail.Subject = "テストメール"
outlook_mail.Body = "Python プログラミングにようこそ！"
outlook_mail.Save()

C:\Users\kotablog>python
Python 3.12.4 (tags/v3.12.4:8e8a4ba, Jun  6 2024, 19:30:16) [MSC v.1940 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import win32com.client as win32
>>> outlook_mail = win32.Dispatch("outlook.application").CreateItem(0)
>>> outlook_mail.Subject = "テストメール"
>>> outlook_mail.Body = "Python プログラミングにようこそ！"
>>> outlook_mail.Save()

コピー＆ペーストのあと、 Enter キーを押します。

Outlookの下書きフォルダに『テストメール』が、作成されていることを確認します。

コマンドプロンプトの右上の × ボタンをクリックしてコマンドプロンプトを閉じます。

以上でPythonのインストールは終わりです。おつかれさまでした。

＜Pythonのダウンロード

Pythonのインストール

プログラミングの解説＞

The post Pythonのインストール – 【Pythonではじめるプログラミング】 first appeared on kotablog.pro.

Pythonのダウンロード - 【Pythonではじめるプログラミング】

こたろう — Wed, 13 Nov 2024 03:04:47 +0000

Python のダウンロード方法について解説します。ここでは、動作が比較的安定しているバージョン 3.12.4 を扱っていきます。
Windows 11 Pro, 64ビット, スクリーンショットは Google Chrome です

１．Pythonの公式ホームページを開きます

公式ホームページリンク：https://www.python.org/

２．Downloads を選択します

画面上部に表示されているメニューの中から Downloads にマウスを合わせるとメニューが表示されます。今回 Windows 用をダウンロードしますので、サブメニューの中から Windows をクリックします。

『 Python Releases for Windows 』 の画面が表示されます。
Windows 用の Python の色々なバージョンのダウンロード用リンクが掲載された画面です。

３．検索ボックスを開きます

Ctrl キーを押しながらＦキーを押します。

４．検索用のボックスに 3.12.4 と入力します

検索用のボックスにキーボードから 3.12.4 と入力します。

５．Windows installer (64-bit) をクリックします

今回 Windows 64ビット用をダウンロードしますので、画面左下の Windows installer (64-bit) をクリックします。

６．ダウンロードが始まります

７．ダウンロードフォルダの中を確認します

最後に、エクスプローラーを立ち上げて、ダウンロードフォルダの中を確認します。
python-3.12.4-amd64.exe があればダウンロードは終了です。

Pythonのダウンロード

Pythonのインストール＞

The post Pythonのダウンロード - 【Pythonではじめるプログラミング】 first appeared on kotablog.pro.

iniファイルの読み書き – 【Pythonプログラミング２～応用編～】

こたろう — Tue, 15 Oct 2024 22:28:36 +0000

Pythonで iniファイルを読み書きする方法を、演習用プログラムのソースコードを使い、それを実行しながら解説します。

１．演習用プログラムとiniファイルのダウンロード

演習用プログラム（ practice17.py ）と iniファイル（ practice17.ini ）をダウンロードします。
演習用プログラムは テキストファイルになっているので、エクスプローラーを使って拡張子を .txt から .py に変更します。
practice17.py、practice17.ini を Python をインストールしたフォルダ（今回は C:\Python）に置きます。

practice17.txt

1 ファイル 2.92 KB

ダウンロード

practice17_ini.txt

1 ファイル 0.17 KB

ダウンロード

２．ソースコードの表示とiniファイルの内容の確認

メモ帳を使って、演習用プログラム（ practice17.py ）を開きます。

practice17.py

メモ帳を使って、iniファイル（ practice17.ini ）の内容を確認します。

practice17.ini

先頭が ";" になっている行は、コメント行です。
iniファイルの構成は、以下の通りです。
[セクション]
キー = 値

３．iniファイルの読み込み

最初に iniファイルを読み込む方法を見ていきます。

① iniファイルの読み込み

まずは、コマンドプロンプトで practice17.py を実行します。
プログラムを実行する方法は、こちらの記事『ファイルに保存されたプログラムの実行』を参照します。
以下のように表示されます。

C:\Users\kotablog>python C:\Python\practice17.py

*** iniファイルの読み込み ****

セクションの存在確認を行います
セクション PC は存在します
セクション 時刻 は存在します

セクション内のキーの存在確認を行います
セクション PC のキー OS は存在します
セクション 時刻 のキー 前回起動 は存在します

値を取得します
PCのOSは、Windows11 です
前回起動時刻は、2024/10/10 02:15 です

プログラムソースを確認します。


01 # -*- coding: utf-8 -*-
02 """
03 演習プログラム１７
04 
05   iniファイルの読み書き
06 
07 """
08 import sys           # sysモジュールのインポート
09 import configparser  # iniファイルアクセス用
10 import datetime      # 現在日時取得用
11

ライブラリのインポート
09行目で iniファイルにアクセスするときに必要な configparserライブラリをインポートしています。
10行目で現在日時取得時に必要な datetimeライブラリをインポートしています。


12 print("\n*** iniファイルの読み込み ****")
13 
14 file_name1 = r"C:\Python\practice17.ini"  # iniファイルのフルパス名
15 
16 # セクションのセット
17 SECTION1 = 'PC'
18 SECTION2 = '時刻'
19

セクションのセット
17行目と18行目で 'PC'セクションを変数 SECTION1 に、'時刻'セクションを変数 SECTION2 にセットしています。


20 # iniファイルの読み込み
21 config = configparser.ConfigParser()
22 config.read(file_name1)
23

iniファイルの読み込み
21行目と22行目で iniファイルを読み込んでいます。


24 # セクションが存在するかの確認
25 print("\nセクションの存在確認を行います")
26 if config.has_section(SECTION1):
27   print("セクション " + SECTION1 + " は存在します")
28 else:
29   print("セクション " + SECTION1 + " は存在しません")
30   sys.exit()
31 
32 if config.has_section(SECTION2):
33   print("セクション " + SECTION2 + " は存在します")
34 else:
35   print("セクション " + SECTION2 + " は存在しません")
36   sys.exit()
37

セクションが存在するかの確認
セクションにアクセスする前に、iniファイル内にセクションが存在しているかを確認することができます。
26行目と32行目の config.has_section(セクション) が True の場合は、セクションが存在しています。


38 # セクション内のキーが存在するかの確認
39 print("\nセクション内のキーの存在確認を行います")
40 key1 = "OS"
41 if key1.lower() in list(map(lambda x:x[0], config.items(SECTION1))):
42   print("セクション " + SECTION1 + " のキー " + key1 + " は存在します")
43 else:
44   print("キー " + key1 + " は存在しません")
45   sys.exit()
46 
47 key2 = "前回起動"
48 if key2.lower() in list(map(lambda x:x[0], config.items(SECTION2))):
49   print("セクション " + SECTION2 + " のキー " + key2 + " は存在します")
50 else:
51   print("キー " + key2 + " は存在しません")
52   sys.exit()
53

セクション内のキーが存在するかの確認
キーにアクセスする前に、セクション内にキーが存在しているかを確認することができます。
41行目と48行目のキー.lower() in list(map(lambda x:x[0], config.items(セクション))) が True の場合は、キーが存在しています。


54 # 値の取得
55 print("\n値を取得します")
56 
57 value_OS = config.get(SECTION1, 'OS')
58 print("PCのOSは、" + value_OS + " です")
59 
60 value_前回起動 = config[SECTION2]['前回起動']
61 print("前回起動時刻は、" + value_前回起動 + " です")
62 
63 #終了１
64 sys.exit()

値の取得
57行目の config.get(セクション, キー) もしくは、
60行目の config[セクション][キー] で、値を取得することができます。

４．iniファイルの書き込み

次に iniファイルへ書き込む方法を見ていきます。

① iniファイルの書き込み

*** iniファイルの書き込み ****

セクション 時刻 の前回起動 の値を現在時刻にします

エクスプローラから、practice17_2.ini を開いて内容を確認してください。
※本来であれば、practice17.ini に上書き保存するところですが、本演習では practice17_2.ini に書き込んでいます。

前回起動の値が書き換わっていますが、コメント行が消えています。

プログラムソースを確認します。


66 print("\n*** iniファイルの書き込み ****")
67 
68 file_name2 = r"C:\Python\practice17_2.ini"  # iniファイルのフルパス名
69 
70 # 現在時刻の取得
71 strNow = datetime.datetime.now().strftime("%Y/%m/%d %H:%M")
72 
73 # セクション時刻の前回起動を書き換え
74 print("\nセクション " + SECTION2 + " の" + key2 + " の値を現在時刻にします")
75 config[SECTION2]['前回起動'] = strNow
76 
77 with open(file_name2, 'w') as f:            # iniファイルの書き込み
78   config.write(f)
79 
80 #終了２
81 sys.exit()

71行目で現在時刻を取得して変数 strNow にセットしています。
75行目で SECTION2 のキーが前回起動の値を現在時刻に置き換えています。
77行目と78行目で iniファイルに書き込んでいます。

５．書き込み時にコメントを残す

① セクションの外のコメントを残す

*** 書き込み時にコメントを残す ****

セクションの外のコメントを残します

エクスプローラから、practice17_2.ini を開いて内容を確認してください。

コメント行が残っています。

プログラムソースを確認します。


83 print("\n*** 書き込み時にコメントを残す ****")
84 
85 # セクションの外のコメントを残す
86 print("\nセクションの外のコメントを残します")
87 with open(file_name2, 'w') as f:  # iniファイルを開く
88   f.write(';\n')
89   f.write('; 演習プログラム１７\n')
90   f.write(';\n')
91   f.write(';  iniファイルの読み書き\n')
92   f.write(';\n')
93   config.write(f)                 # iniファイルの書き込み
94 
95 sys.exit()

93行目の iniファイルの内容を書き込む前に、
88行目から92行目でセクションの外のコメントを書いています。

＜openpyxlを使った Excelファイルの読み書き

iniファイルの読み書き

Pandas.Seriesの基礎＞

The post iniファイルの読み書き – 【Pythonプログラミング２～応用編～】 first appeared on kotablog.pro.

openpyxlを使った Excelファイルの読み書き – 【Pythonプログラミング２～応用編～】

こたろう — Tue, 15 Oct 2024 22:09:55 +0000

Pythonのopenpyxlライブラリを使ったExcelファイルを読み書きする方法を、演習用プログラムのソースコードを使い、それを実行しながら解説します。

１．openpyxlライブラリのインストール

openpyxl を使うには、事前にインストール作業が必要です。
手順を追って説明します。

① コマンドプロンプトを管理者として実行

Windows画面の左下にある検索ボックスに、キーボードから cmd と入力します。
右上にコマンドプロンプトが表示されていることを確認して、『管理者として実行』をクリックします。

コマンドプロンプトを管理者として実行

ユーザーアカウント制御ダイアログボックスが表示されて、「このアプリがデバイスに変更を加えることを許可しますか？」と聞いてくるので、『はい』をクリックします。
管理者：コマンドプロンプトが起動します。

Microsoft Windows [Version 10.0.22631.4317]
(c) Microsoft Corporation. All rights reserved.

C:\Windows\System32>

② インストールされているライブラリの確認

管理者：コマンドプロンプトでキーボードから pip list と入力して、 Enter キーを押下します。
インストールされているライブラリの一覧が表示されます。
openpyxl がインストールされていないことを確認します。

Microsoft Windows [Version 10.0.22631.4317]
(c) Microsoft Corporation. All rights reserved.

C:\Windows\System32>pip list
Package         Version
--------------- -----------
numpy           2.1.2
pandas          2.2.3
pip             24.2
python-dateutil 2.9.0.post0
pytz            2024.2
pywin32         307
six             1.16.0
tzdata          2024.2
xlwings         0.33.1

C:\Windows\System32>

③ openpyxl のインストール

管理者：コマンドプロンプトでキーボードから pip install openpyxl と入力して、 Enter キーを押下します。
最後の行に『 Successfully installed 』と表示されれば、インストール完了です。

C:\Windows\System32>pip install openpyxl
Collecting openpyxl
  Downloading openpyxl-3.1.5-py2.py3-none-any.whl.metadata (2.5 kB)
Collecting et-xmlfile (from openpyxl)
  Downloading et_xmlfile-1.1.0-py3-none-any.whl.metadata (1.8 kB)
Downloading openpyxl-3.1.5-py2.py3-none-any.whl (250 kB)
Downloading et_xmlfile-1.1.0-py3-none-any.whl (4.7 kB)
Installing collected packages: et-xmlfile, openpyxl
Successfully installed et-xmlfile-1.1.0 openpyxl-3.1.5

C:\Windows\System32>

【補足】学校や会社内のパソコンをお使いの方へ
pip install openpyxl が失敗する場合があります。
この場合は、インストールする際にプロキシサーバーの情報を渡す必要があります

プロキシサーバーの情報は、システム管理者に確認してください。
・プロキシサーバー名
・ポート番号

プロキシサーバーの情報を取得できましたら、openpyxl のインストールは次のようにします。
pip install --proxy="プロキシサーバー名:ポート番号" openpyxl

④ openpyxl のインストールの確認

管理者：コマンドプロンプトでキーボードから pip list と入力して、 Enter キーを押下します。
インストールされているライブラリの一覧が表示されます。
一覧に openpyxl があることを確認します。

C:\Windows\System32>pip list
Package         Version
--------------- -----------
et-xmlfile      1.1.0
numpy           2.1.2
openpyxl        3.1.5
pandas          2.2.3
pip             24.2
python-dateutil 2.9.0.post0
pytz            2024.2
pywin32         307
six             1.16.0
tzdata          2024.2
xlwings         0.33.1

C:\Windows\System32>

２．演習用プログラムのダウンロード

演習用プログラム（ practice16.py ）とExcelファイル（ excel_file1.xlsx ）をダウンロードします。
演習用プログラムは テキストファイルになっているので、エクスプローラーを使って拡張子を .txt から .py に変更します。
practice16.py、excel_file1.xlsx を Python をインストールしたフォルダ（今回は C:\Python）に置きます。

practice16.txt

1 ファイル 5.51 KB

ダウンロード

excel_file1.xlsx

1 ファイル 9.09 KB

ダウンロード

３．ソースコードの表示とExcelファイルの内容の確認

メモ帳を使って、演習用プログラム（ practice16.py ）を開きます。

practice16.py

Excelファイル（ excel_file1.xlsx ）の内容を確認します。

excel_file1.xlsx

４．Excelファイルの読み込み

最初に openpyxlライブラリを使って、Excelファイルを読み込む方法を見ていきます。

① Excelファイルを読み込む

まずは、コマンドプロンプトで practice16.py を実行します。
プログラムを実行する方法は、こちらの記事『ファイルに保存されたプログラムの実行』を参照します。
以下のように表示されます。

C:\Users\kotablog>python C:\Python\practice16.py

*** Excelファイルの読み込み ****

excel_file1.xlsxを開きます

A1セルのデータを取得します
商品コード

１行２列目のデータを取得します
商品名
商品名

A1セルからC2セルのデータを取得します（セル番地でアクセス）
[['商品コード', '商品名', '金額'], ['A0001', 'みかん', 100]]

A1セルからC2セルのデータを取得します（行番号、列番号でアクセス）
[['商品コード', '商品名', '金額'], ['A0001', 'みかん', 100]]

プログラムソースを確認します。


01 # -*- coding: utf-8 -*-
02 """
03 演習プログラム１６
04 
05   openpyxlを使った Excelファイルの読み書き
06 
07 """
08 import sys             # sysモジュールのインポート
09 import openpyxl as px  # Excelファイルアクセス用
10 from openpyxl.styles import PatternFill           # セルの背景色設定用
11 from openpyxl.styles.borders import Border, Side  # セルの罫線設定用
12

ライブラリのインポート
09行目で openpyxlライブラリをインポートしています。このときライブラリ名を px に設定しています。
10行目の PatternFill は、セルの背景色を設定するときに使います。
11行目の Border と Side は、セルの罫線を設定するときに使います。


13 print("\n*** Excelファイルの読み込み ****")
14 
15 # Excelファイルを開く
16 print("\nexcel_file1.xlsxを開きます")
17 file_name1 = r"C:\Python\excel_file1.xlsx"  # ファイルのフルパス名
18 
19 wb = px.load_workbook(file_name1, read_only=True) # ブックの読み込み
20 ws = wb['Sheet1']                           # Sheet1を選択
21

Excelファイルを開く
17行目で変数 file_name1 に excel_file1.xlsx のフルパスファイル名をセットしています。
19行目でブックを読み取り専用で開いて読み込みます。
20行目で "Sheet1" を選択しています。


22 # 単一セルの読み込み（セル番地でアクセス）
23 print("\nA1セルのデータを取得します")
24 print(ws['A1'].value)
25

単一セルの読み込み（セル番地でアクセス）
24行目で ws[セル番地].value で、そのセルの値を取得しています。


26 # 単一セルの読み込み（行番号、列番号でアクセス）
27 print("\n１行２列目のデータを取得します")
28 print(ws.cell(row=1, column=2).value)
29 print(ws.cell(1, 2).value)
30

単一セルの読み込み（行番号、列番号でアクセス）
28行目、29行目は行番号と列番号（今回は１行２列目）でセルを指定して、そのセルの値を取得しています。
以下の２つの書き方はどちらも同じ結果を得ることができます。
ws.cell(row=行番号, column=列番号).value
ws.cell(行番号, 列番号).value


31 # セル範囲の読み込み（セル番地でアクセス）
32 print("\nA1セルからC2セルのデータを取得します（セル番地でアクセス）")
33 list2d = [[cell.value for cell in row] for row in ws['A1:C2']]
34 print(list2d)
35

セル範囲の読み込み（セル番地でアクセス）
33行目はセル番地でセル範囲を指定（ ws['A1:C2'] ）し、リスト内包表記を使って、２次元リストを取得しています。

Pythonリスト内包表記の使い方


36 # セル範囲の読み込み（行番号、列番号でアクセス）
37 print("\nA1セルからC2セルのデータを取得します（行番号、列番号でアクセス）")
38 list2d = [[cell.value for cell in row] for row in ws.iter_rows(min_row = 1, max_row = 2, min_col = 1, max_col = 3)]
39 print(list2d)
40

セル範囲の読み込み（行番号、列番号でアクセス）
38行目は下記の通りセルの行番号と列番号でセル範囲を指定し、リスト内包表記を使って、２次元リストを取得しています。
・min_row：指定したい範囲の左上のセルの行番号
・max_row：指定したい範囲の右下のセルの行番号
・min_col：指定したい範囲の左上のセルの列番号
・max_col：指定したい範囲の右下のセルの列番号


41 wb.close()                                  # ブックを閉じる
42 
43 #終了１
44 sys.exit()

Excelファイルを閉じる
41行目の close()メソッドで、ブックを閉じています。

５．Excelファイルの書き込み

次に openpyxlライブラリを使って、Excelファイルに書き込む方法を見ていきます。

① Excelファイルに書き込む

*** Excelファイルの書き込み ****

excel_file1.xlsxを開きます

A3セルにデータを書き込みます（A0002）

３行２列目のセルにデータを書き込みます（メロン）

３行３列目のセルにデータを書き込みます（200）

A4セルからリストのデータを書き込みます（A0003, いちご, 300）

A5セルから２次元リストのデータを書き込みます（A0004,バナナ, 400、A0005,レモン,500）

C7セルに金額を合計する数式を入れる（=SUM(C2:C6)）

エクスプローラから、excel_file2.xlsx を開いて内容を確認してください。

プログラムソースを確認します。


46 print("\n*** Excelファイルの書き込み ****")
47 
48 print("\nexcel_file1.xlsxを開きます")
49 wb = px.load_workbook(file_name1)           # ブックの読み込み
50 ws = wb['Sheet1']                           # Sheet1を選択
51

Excelファイルを開く
49行目で書き込み可能でブックを開いて、読み込みます。
50行目で "Sheet1" を選択しています。


52 # 単一セルに書き込み（セル番地でアクセス）
53 print("\nA3セルにデータを書き込みます（A0002）")
54 ws['A3'] = "A0002"
55

単一セルに書き込み（セル番地でアクセス）
54行目で ws[セル番地] でセルを指定（今回は A3セル）して、そのセルに値（"A0002"）を入れています。


56 # 単一セルの書き込み（行番号、列番号でアクセス）
57 print("\n３行２列目のセルにデータを書き込みます（メロン）")
58 ws.cell(row=3, column=2).value = "メロン"
59 ws.cell(row=3, column=2, value="メロン")
60 
61 print("\n３行３列目のセルにデータを書き込みます（200）")
62 ws.cell(3, 3).value = 200
63 ws.cell(3, 3, 200)
64

単一セルの書き込み（行番号、列番号でアクセス）
58行目、59行目は行番号と列番号（今回は３行２列目）でセルを指定して、そのセルに値（"メロン"）を入れています。
以下の２つの書き方はどちらも同じ結果を得ることができます。
ws.cell(row=行番号, column=列番号).value = セルに入れる値
ws.cell(row=行番号, column=列番号, value=セルに入れる値)

62行目、63行目は cell()の引数の row=、column=、value= を省略しています。
ws.cell(行番号, 列番号).value = セルに入れる値
ws.cell(行番号, 列番号, セルに入れる値)


65 # 行方向に書き込み
66 print("\nA4セルからリストのデータを書き込みます（A0003, いちご, 300）")
67 datalist = ['A0003', 'いちご', 300]
68 ws.append(datalist)
69

行方向に書き込み
67行目で１行分のリストを用意しています。
68行目で append()メソッドを使って、行の追加を行っています。３行目までセルに値が入っているので、４行目に追加されます。


70 # 表形式で書き込み
71 print("\nA5セルから２次元リストのデータを書き込みます（A0004,バナナ, 400、A0005,レモン,500）")
72 list2d = [["A0004", "バナナ", 400],["A0005", "レモン", 500]]
73 for row in list2d:
74   ws.append(row)
75

表形式で書き込み
72行目で２行分の２次元リストを用意しています。
73行目と74行目で append()メソッドを使って、２行分の追加を行っています。４行目までセルに値が入っているので、５行目と６行目に追加されます。


76 # セルに数式を入れる
77 print("\nC7セルに金額を合計する数式を入れる（=SUM(C2:C6)）")
78 ws['C7'] = "=SUM(C2:C6)"
79

セルに数式を入れる
78行目で ws[セル番地] でセルを指定（今回は C7セル）して、そのセルに数式（"=SUM(C2:C6)"）を入れています。
セルを行番号と列番号で指定しても同じ結果を得ることができます。


80 file_name2 = r"C:\Python\excel_file2.xlsx"  # ファイルのフルパス名
81 wb.save(file_name2)                         # ブックの保存
82 wb.close()                                  # ブックを閉じる
83 
84 #終了２
85 sys.exit()

ブックを保存後に閉じる
80行目で変数 file_name2 に excel_file2.xlsx のフルパスファイル名をセットしています。
81行目でファイル名を変数 file_name2 で、ブックを保存しています。
82行目の close()メソッドで、ブックを閉じています。

６．セルの装飾

ここでは、セルの背景色の設定と、セルの表示形式（カンマ編集）の設定を行います。

ソースコード #終了２ の１行下の sys.exit() の先頭に「 # 」を入れてコメントにします。
Ctrl キーを押しながら、 S キーを押して、ソースコードを上書き保存します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

*** セルの装飾 ****

excel_file2.xlsxを開きます

A1:C1のセル背景色を水色にします

金額の列をカンマ編集にします

エクスプローラから、excel_file2.xlsx を開いて内容を確認してください。

プログラムソースを確認します。


 87 print("\n*** セルの装飾 ****")
 88 
 89 print("\nexcel_file2.xlsxを開きます")
 90 wb = px.load_workbook(file_name2)           # ブックの読み込み
 91 ws = wb['Sheet1']                           # Sheet1を選択
 92 
 93 # セル背景色の設定
 94 print("\nA1:C1のセル背景色を水色にします")
 95 rgb = [204, 255, 255]                       # 水色（RGB値）
 96 color_code = ('#{}{}{}'.format(hex(rgb[0]), hex(rgb[1]), hex(rgb[2]))).replace('0x', '')[1:]  # RGB値から16進数カラーコードに変換
 97 fill = PatternFill(patternType='solid', fgColor=color_code)  # 水色の塗りつぶしを設定
 98 for row in ws['A1':'C1']:                   # 背景色を塗る
 99   for cell in row:
100     cell.fill = fill
101

セル背景色の設定（水色 RGB値赤=204、緑=255、青=255）
95行目で水色のRGB値を変数 rgb にセットしています。

RGB値は、Excelの『書式』 - 『セルの書式設定』 - 『塗りつぶしタブ』 - 『その他の色(M)...』 - 『ユーザー設定タブ』で調べることができます。

96行目で RGB値から16進数カラーコードに変換しています。
97行目で水色の塗りつぶし（ patternType='solid' ）を設定しています。
PatternFill() の引数 fgColor は、16進数カラーコードを指定する必要があります。
16進数カラーコードが分かっている場合は、
fill = PatternFill(patternType='solid', fgColor='CCFFFF')
と記述できます。

98行目から100行目で A1セルからC1セルの背景色を設定しています。

背景色を設定するセルは、行番号と列番号を使って設定することもできます。
A1セル (行番号=1, 列番号=1)
C1セル (行番号=1, 列番号=3)


98 for row in ws.iter_rows(min_row = 1, max_row = 1, min_col = 1, max_col = 3):

・min_row：指定したい範囲の左上のセルの行番号
・max_row：指定したい範囲の右下のセルの行番号
・min_col：指定したい範囲の左上のセルの列番号
・max_col：指定したい範囲の右下のセルの列番号


102 # セルの表示形式の設定
103 print("\n金額の列をカンマ編集にします")
104 for row in ws:
105   for cell in row:
106     col = cell.column                       # 列を取得
107     if ws.cell(row = 1, column = col).value == "金額":
108       cell.number_format = '#,##0'          # 書式を設定
109 
110 wb.save(file_name2)                         # ブックの保存
111 wb.close()                                  # ブックを閉じる
112 
113 #終了３
114 sys.exit()

セルの表示形式の設定（カンマ編集）
107行目で見出し（ヘッダ）の行（１行目）が "金額" の場合、
108行目で書式をカンマ編集（'#,##0'）に設定しています。

７．セルに罫線を引く

*** セルに罫線を引く ****

excel_file2.xlsxを開きます
罫線を引く方法を入力してください（1 or 2）>>>

キーボードから、1 を入力して、 Enter キーを押下します。

エクスプローラから、excel_file2.xlsx を開いて内容を確認してください。
値が入っていない A7セルと B7セルにも罫線が引かれています。

もう一度、コマンドプロンプトで practice16.py を実行します。
コマンドプロンプトで F3 キーを押して、 Enter キーを押下します。
以下のように表示されます。

*** セルに罫線を引く ****

excel_file2.xlsxを開きます
罫線を引く方法を入力してください（1 or 2）>>>

キーボードから、2 を入力して、 Enter キーを押下します。

エクスプローラから、excel_file2.xlsx を開いて内容を確認してください。
値が入っているセルだけに罫線が引かれています。

プログラムソースを確認します。


116 print("\n*** セルに罫線を引く ****")
117 
118 print("\nexcel_file2.xlsxを開きます")
119 wb = px.load_workbook(file_name2)           # ブックの読み込み
120 ws = wb['Sheet1']                           # Sheet1を選択
121 
122 side = Side(style='thin', color='000000')   # 細い罫線、線の色は黒
123 border = Border(top=side, bottom=side, left=side, right=side)  # 全ての辺に上記sideを設定
124

罫線自体の設定
122行目で細い罫線、線の色は黒を設定しています。
123行目でセルの全ての辺に細い罫線、線の色は黒を設定しています。


125 select = input('罫線を引く方法を入力してください（1 or 2）>>> ')  # 値を入力
126 
127 if select == "1":
128   print("\n罫線を引きます")
129   for row in ws:
130     for cell in row:
131       ws[cell.coordinate].border = border   # 罫線を引く

罫線を引く
129行目から131行目で表の全てのセルに罫線を引いています。


132 else:
133   print("\n値が入っているセルに罫線を引きます")
134   for row in ws:
135     for cell in row:
136       if ws[cell.coordinate].value:         # セルに値が入っていない場合は None
137         ws[cell.coordinate].border = border # 罫線を引く
138 
139 wb.save(file_name2)                         # ブックの保存
140 wb.close()                                  # ブックを閉じる
141 
142 sys.exit()

値が入っているセルに罫線を引く
136行目の if文でセルに値が入っているかを確認して、値が入っている場合は、
137行目で罫線を引いています。

【参考】PatternFill() の引数の紹介

fgColor
　セルの背景色を16進数カラーコードで指定します

bgColor
　２色のパターンを使用する場合、16進数カラーコードで指定します

fill_type
　塗りつぶし： "solid"

　２色のパターンを使用する場合、下記パターンの種類を設定します
　75%灰色： "darkGray"
　50%灰色： "mediumGray"
　25%灰色： "lightGray"
　12.5%灰色： "gray125"
　6.25%灰色： "gray0625"
　横縞： "darkHorizontal"
　縦縞： "darkVertical"
　右下がり斜線： "darkDown"
　左下がり斜線縞： "darkUp"
　左下がり斜線格子： "darkGrid"
　極太線左下がり斜線格子： "darkTrellis"
　実線横縞： "lightHorizontal"
　実線縦縞： "lightVertical"
　実線右下がり斜線： "lightDown"
　実線左下がり斜線縞： "lightUp"
　実線横格子： "lightGrid"
　実線左下がり斜線格子： "lightTrellis"

【参考】Side() の引数 style の紹介

style
　極細： "hair"
　通常の太さ： "thin"
　通常と太線の中間： "medium"
　太線： "thick"
　二重線： "double"

　上記のほかに
　　"dashDot"
　　"dashDotDot"
　　"dotted"
　　"mediumDashDotDot"
　　"dashed"
　　"mediumDashed"
　　"slantDashDot"
　　"mediumDashDot"
　があります。

＜xlwingsを使った Excelファイルの読み書き

openpyxlを使った Excelファイルの読み書き

iniファイルの読み書き＞

The post openpyxlを使った Excelファイルの読み書き – 【Pythonプログラミング２～応用編～】 first appeared on kotablog.pro.

xlwingsを使った Excelファイルの読み書き – 【Pythonプログラミング２～応用編～】

こたろう — Tue, 15 Oct 2024 22:00:09 +0000

Pythonのxlwingsライブラリを使ったExcelファイルを読み書きする方法を、演習用プログラムのソースコードを使い、それを実行しながら解説します。
※本章はパソコンに Microsoft Excel がインストールされていることが前提です。

１．xlwingsライブラリのインストール

xlwings を使うには、事前にインストール作業が必要です。
手順を追って説明します。

① コマンドプロンプトを管理者として実行

コマンドプロンプトを管理者として実行

Microsoft Windows [Version 10.0.22631.4317]
(c) Microsoft Corporation. All rights reserved.

C:\Windows\System32>

② インストールされているライブラリの確認

管理者：コマンドプロンプトでキーボードから pip list と入力して、 Enter キーを押下します。
インストールされているライブラリの一覧が表示されます。
xlwings がインストールされていないことを確認します。

Microsoft Windows [Version 10.0.22631.4317]
(c) Microsoft Corporation. All rights reserved.

C:\Windows\System32>pip list
Package         Version
--------------- -----------
numpy           2.1.2
pandas          2.2.3
pip             24.2
python-dateutil 2.9.0.post0
pytz            2024.2
pywin32         307
six             1.16.0
tzdata          2024.2

C:\Windows\System32>

③ xlwings のインストール

管理者：コマンドプロンプトでキーボードから pip install xlwings と入力して、 Enter キーを押下します。
最後の行に『 Successfully installed 』と表示されれば、インストール完了です。

C:\Windows\System32>pip install xlwings
Collecting xlwings
  Downloading xlwings-0.33.1-cp312-cp312-win_amd64.whl.metadata (5.5 kB)
Requirement already satisfied: pywin32>=224 in c:\python\lib\site-packages (from xlwings) (307)
Downloading xlwings-0.33.1-cp312-cp312-win_amd64.whl (1.6 MB)
   ---------------------------------------- 1.6/1.6 MB 940.0 kB/s eta 0:00:00
Installing collected packages: xlwings
Successfully installed xlwings-0.33.1

C:\Windows\System32>

【補足】学校や会社内のパソコンをお使いの方へ
pip install xlwings が失敗する場合があります。
この場合は、インストールする際にプロキシサーバーの情報を渡す必要があります

プロキシサーバーの情報は、システム管理者に確認してください。
・プロキシサーバー名
・ポート番号

プロキシサーバーの情報を取得できましたら、xlwings のインストールは次のようにします。
pip install --proxy="プロキシサーバー名:ポート番号" xlwings

④ xlwings のインストールの確認

管理者：コマンドプロンプトでキーボードから pip list と入力して、 Enter キーを押下します。
インストールされているライブラリの一覧が表示されます。
一覧に xlwings があることを確認します。

C:\Windows\System32>pip list
Package         Version
--------------- -----------
numpy           2.1.2
pandas          2.2.3
pip             24.2
python-dateutil 2.9.0.post0
pytz            2024.2
pywin32         307
six             1.16.0
tzdata          2024.2
xlwings         0.33.1

C:\Windows\System32>

２．演習用プログラムのダウンロード

演習用プログラム（ practice15.py ）とExcelファイル（ excel_file1.xlsm ）をダウンロードします。
演習用プログラムは テキストファイルになっているので、エクスプローラーを使って拡張子を .txt から .py に変更します。
practice15.py、excel_file1.xlsm を Python をインストールしたフォルダ（今回は C:\Python）に置きます。

practice15.txt

1 ファイル 6.14 KB

ダウンロード

excel_file1.xlsm

1 ファイル 14.15 KB

ダウンロード

３．ソースコードの表示とExcelファイルの内容の確認

メモ帳を使って、演習用プログラム（ practice15.py ）を開きます。

practice15.py

Excelファイル（ excel_file1.xlsm ）の内容を確認します。
excel_file1.xlsm はマクロ（ Macro1 ）を含みます。

excel_file1.xlsm

４．Excelファイルの読み込み

最初に xlwingsライブラリを使って、Excelファイルを読み込む方法を見ていきます。

① Excelファイルを読み込む

まずは、コマンドプロンプトで practice15.py を実行します。
プログラムを実行する方法は、こちらの記事『ファイルに保存されたプログラムの実行』を参照します。
以下のように表示されます。

C:\Users\kotablog>python C:\Python\practice15.py

*** Excelファイルの読み込み ****

excel_file1.xlsmを開きます

A1セルのデータを取得します
商品コード

１行２列目のデータを取得します
商品名

B1セルからC2セルのデータを取得します
[['商品名', '金額'], ['みかん', 100.0]]
[['商品名', '金額'], ['みかん', 100.0]]

A1セルから行方向にデータを取得します
['商品コード', '商品名', '金額']
['商品コード', '商品名', '金額']

C1セルから列方向にデータを取得します
['金額', 100.0]
['金額', 100.0]

A1セルを左上とする表形式のデータを取得します
[['商品コード', '商品名', '金額'], ['A0001', 'みかん', 100.0]]
[['商品コード', '商品名', '金額'], ['A0001', 'みかん', 100.0]]

プログラムソースを確認します。


01 # -*- coding: utf-8 -*-
02 """
03 演習プログラム１５
04 
05   xlwingsを使った Excelファイルの読み書き
06 
07 """
08 import sys            # sysモジュールのインポート
09 import xlwings as xw  # Excelファイルアクセス用
10 
11 print("\n*** Excelファイルの読み込み ****")
12 
13 # Excelファイルを開く
14 print("\nexcel_file1.xlsmを開きます")
15 file_name1 = r"C:\Python\excel_file1.xlsm"  # ファイルのフルパス名
16 app_excel = xw.App(visible=True)            # Excelの画面を表示する
17 #app_excel = xw.App(visible=False)          # Excelの画面を表示しない
18 
19 wb = xw.Book(file_name1)                    # ブックを開く
20 wb.activate()                               # ブックをアクティブにする
21 ws = xw.sheets["Sheet1"]                    # Sheet1を選択
22 ws.activate()                               # シートをアクティブにする
23

Excelファイルを開く
09行目で xlwingsライブラリをインポートしています。このときライブラリ名を xw に設定しています。
15行目で変数 file_name1 に excel_file1.xlsm のフルパスファイル名をセットしています。
16行目と17行目では、Excelの画面を表示するかしないかを設定しています。
App()メソッドの引数 visible が True の場合は表示する、False の場合は表示しません。
規定値は表示するになります。
19行目でブックを開き、21行目で "Sheet1" を選択しています。


24 # 単一セルの読み込み（セル番地でアクセス）
25 print("\nA1セルのデータを取得します")
26 print(xw.Range("A1").value)
27

単一セルの読み込み（セル番地でアクセス）
26行目で Range()メソッドの引数に、セル番地（今回は A1セル）を指定することで、そのセルの値を取得しています。


28 # 単一セルの読み込み（行番号、列番号でアクセス）
29 print("\n１行２列目のデータを取得します")
30 print(xw.Range((1, 2)).value)
31

単一セルの読み込み（行番号、列番号でアクセス）
30行目で Range()メソッドの引数に、行番号と列番号（今回は１行２列目）を指定することで、そのセルの値を取得しています。


32 # セル範囲の読み込み
33 print("\nB1セルからC2セルのデータを取得します")
34 print(xw.Range("B1:C2").value)
35 print(xw.Range((1, 2),(2, 3)).value)
36

セル範囲の読み込み
34行目で Range()メソッドの引数に、セル範囲をセル番号（今回は B1:C2）で指定すると、そのセル範囲の値をリストで取得できます。
B1セルは、行番号が 1 で列番号が 2、C2セルは、行番号が 2 で列番号が 3 になります。
35行目で Range()メソッドの引数に、セル範囲を行番号と列番号で指定すると、そのセル範囲の値をリストで取得できます。


37 # 行方向に読み込み
38 print("\nA1セルから行方向にデータを取得します")
39 print(xw.Range("A1").expand('right').value)
40 print(xw.Range((1, 1)).expand('right').value)
41

行方向に読み込み
39行目では expand('right') を指定することで、開始セル（今回は A1セル）から行方向（右方向）のセルの値をリストで取得できます。
40行目は開始セルを行番号と列番号で指定する方法です。


42 # 列方向に読み込み
43 print("\nC1セルから列方向にデータを取得します")
44 print(xw.Range("C1").expand('down').value)
45 print(xw.Range((1, 3)).expand('down').value)
46

列方向に読み込み
44行目では expand('down') を指定することで、開始セル（今回は C1セル）から列方向（下方向）のセルの値をリストで取得できます。
45行目は開始セルを行番号と列番号で指定する方法です。


47 # 表形式のデータを読み込み
48 print("\nA1セルを左上とする表形式のデータを取得します")
49 print(xw.Range("A1").expand('table').value)
50 print(xw.Range((1, 1)).expand('table').value)
51

表形式のデータを読み込み
49行目では expand('table') を指定することで、左上セル（今回は A1セル）から表形式のセルの値をリストで取得できます。
50行目は左上セルを行番号と列番号で指定する方法です。


52 # Excelファイルを閉じる
53 wb.close()                                  # ブックを閉じる
54 app_excel.kill()                            # オブジェクトを廃棄
55 
56 #終了１
57 sys.exit()

Excelファイルを閉じる
53行目の close()メソッドで、ブックを閉じています
54行目の kill()メソッドで、Appオブジェクトを廃棄しています。

５．Excelファイルの書き込み

次に xlwingsライブラリを使って、Excelファイルに書き込む方法を見ていきます。

① Excelファイルに書き込む

*** Excelファイルに書き込み ****

excel_file1.xlsmを開きます

A3セルにデータを書き込みます（A0002）

３行２列目のセルにデータを書き込みます（メロン）

A4セルから行方向にデータを書き込みます（A0003, いちご）

C3セルから列方向にデータを書き込みます（200, 300）

A5セルから表形式のデータを書き込みます（A0004,バナナ, 400、A0005,レモン,500）

エクスプローラから、excel_file2.xlsm を開いて内容を確認してください。

プログラムソースを確認します。


59 print("\n*** Excelファイルに書き込み ****")
60 
61 print("\nexcel_file1.xlsmを開きます")
62 app_excel = xw.App(visible=True)            # Excelの画面を表示する
63 #app_excel = xw.App(visible=False)          # Excelの画面を表示しない
64 
65 wb = xw.Book(file_name1)                    # ブックを開く
66 wb.activate()                               # ブックをアクティブにする
67 ws = xw.sheets["Sheet1"]                    # Sheet1を選択
68 ws.activate()                               # シートをアクティブにする
69 
70 # 単一セルに書き込み（セル番地でアクセス）
71 print("\nA3セルにデータを書き込みます（A0002）")
72 xw.Range("A3").value = "A0002"
73

単一セルに書き込み（セル番地でアクセス）
71行目で Range()メソッドの引数に、セル番地（今回は A3セル）を指定して、そのセルに "A0002" をセットしています。


74 # 単一セルの書き込み（行番号、列番号でアクセス）
75 print("\n３行２列目のセルにデータを書き込みます（メロン）")
76 xw.Range((3, 2)).value = "メロン"
77

単一セルの書き込み（行番号、列番号でアクセス）
76行目で Range()メソッドの引数に、行番号と列番号（今回は３行２列目）を指定して、そのセルに "メロン" をセットしています。


78 # 行方向に書き込み
79 print("\nA4セルから行方向にデータを書き込みます（A0003, いちご）")
80 xw.Range("A4").value   = ["A0003", "いちご"]
81 xw.Range((4, 1)).value = ["A0003", "いちご"]
82

行方向に書き込み
80行目で Range()メソッドの引数に、セル番地（今回は A4セル）を指定して、リストを設定すると行方向のセルに値がセットされます。
81行目は Range()メソッドの引数に、セルを行番号と列番号で指定する方法です。


83 # 列方向に書き込み
84 print("\nC3セルから列方向にデータを書き込みます（200, 300）")
85 xw.Range("C3",   transpose=True).value = [200, 300]
86 xw.Range((3, 3), transpose=True).value = [200, 300]
87

列方向に書き込み
85行目で Range()メソッドの第二引数に、transpose=True を指定すると、列方向のセルに値がセットされます。
86行目は Range()メソッドの引数に、セルを行番号と列番号で指定する方法です。


88 # 表形式で書き込み
89 print("\nA5セルから表形式のデータを書き込みます（A0004,バナナ, 400、A0005,レモン,500）")
90 xw.Range("A5").value   = [["A0004", "バナナ", 400],["A0005", "レモン", 500]]
91 xw.Range((5, 1)).value = [["A0004", "バナナ", 400],["A0005", "レモン", 500]]
92 
93 file_name2 = r"C:\Python\excel_file2.xlsm"  # ファイルのフルパス名
94 wb.save(file_name2)                         # ブックの保存
95 wb.close()                                  # ブックを閉じる
96 app_excel.kill()                            # オブジェクトを廃棄
97 
98 #終了２
99 sys.exit()

表形式で書き込み
90行目で Range()メソッドの引数に、セル番地（今回は A5セル）を指定して、２次元リストを設定すると、セル番地を左上にして表形式に値がセットされます。
91行目は Range()メソッドの引数に、セルを行番号と列番号で指定する方法です。

６．Excelマクロの実行

① Excelマクロの実行

excel_file2.xlsm には以下のマクロが含まれます。


Sub Macro1()
'
' Macro1 Macro
' 金額欄を合計するマクロ
'
' Keyboard Shortcut: Ctrl+m
'
  Dim rng As Range
  Set rng = Range("C2:C6")
  Range("C7") = WorksheetFunction.Sum(rng)
  Set rng = Nothing
End Sub

このマクロをPythonから実行します。

*** Excelマクロの実行 ****

excel_file2.xlsmを開きます

マクロ Macro1 を実行します

ブックを保存して閉じます

エクスプローラから、excel_file2.xlsm を開いて内容を確認してください。

プログラムソースを確認します。


101 print("\n*** Excelマクロの実行 ****")
102 
103 print("\nexcel_file2.xlsmを開きます")
104 app_excel = xw.App(visible=True)            # Excelの画面を表示する
105emsp;#app_excel = xw.App(visible=False)          # Excelの画面を表示しない
106 
107 wb = xw.Book(file_name2)                    # ブックを開く
108 wb.activate()                               # ブックをアクティブにする
109 ws = xw.sheets["Sheet1"]                    # Sheet1を選択
110 ws.activate()                               # シートをアクティブにする
111 
112 print("\nマクロ Macro1 を実行します")
113 macro = wb.macro('Macro1')                  # マクロを取得
114 macro()                                     # マクロを実行
115 
116 print("\nブックを保存して閉じます")
117 wb.save()                                   # ブックの保存
118 wb.close()                                  # ブックを閉じる
119 app_excel.kill()                            # オブジェクトを廃棄
120 
121 #終了３
122 sys.exit()

113行目で実行したいマクロ名を設定しています。
114行目でマクロを実行しています。

７．セルの装飾

本章では、セルの装飾として
・セル背景色の設定
・セルの表示形式の設定（カンマ編集）
を行います。

① セルの装飾

*** セルの装飾 ****

excel_file2.xlsmを開きます

A1:C1のセル背景色を水色にします

C2からC7のセルの表示形式をカンマ編集にします

ブックを保存して閉じます

エクスプローラから、excel_file2.xlsm を開いて内容を確認してください。

プログラムソースを確認します。


124 print("\n*** セルの装飾 ****")
125 
126 print("\nexcel_file2.xlsmを開きます")
127 app_excel = xw.App(visible=True)            # Excelの画面を表示する
128 #app_excel = xw.App(visible=False)          # Excelの画面を表示しない
129 
130 wb = xw.Book(file_name2)                    # ブックを開く
131 wb.activate()                               # ブックをアクティブにする
132 ws = xw.sheets["Sheet1"]                    # Sheet1を選択
133 ws.activate()                               # シートをアクティブにする
134 
135 # セル背景色の設定
136 print("\nA1:C1のセル背景色を水色にします")
137 xw.Range("A1:C1").color = 204, 255, 255
138

セル背景色の設定
137行目の Range(セルもしくはセル範囲).color にカラーコードをセットすることでセル背景色を設定しています。


139 # セルの表示形式の設定
140 print("\nC2からC7のセルの表示形式をカンマ編集にします")
141 xw.Range("C2:C7").number_format = '#,##0'
142 
143 print("\nブックを保存して閉じます")
144 wb.save()                                   # ブックの保存
145 wb.close()                                  # ブックを閉じる
146 app_excel.kill()                            # オブジェクトを廃棄
147 
148 sys.exit()

セルの表示形式の設定
141行目の Range(セルもしくはセル範囲).number_format に表示形式を表す文字列をセットしています。

＜ＣＳＶファイルの読み書き

xlwingsを使った Excelファイルの読み書き

openpyxlを使った Excelファイルの読み書き＞

The post xlwingsを使った Excelファイルの読み書き – 【Pythonプログラミング２～応用編～】 first appeared on kotablog.pro.

ＣＳＶファイルの読み書き – 【Pythonプログラミング２～応用編～】

こたろう — Tue, 15 Oct 2024 21:52:31 +0000

PythonでＣＳＶファイルを読み書きする方法を、演習用プログラムのソースコードを使い、それを実行しながら解説します。

１．pandasライブラリのインストール

本章の最後で、pandasライブラリの紹介をします。
pandas とは、データ解析を容易にする機能を提供するPythonのデータ解析ライブラリです。
ＣＳＶファイルや、Excelファイルのような表形式データを扱うときにもとても便利なライブラリです。
pandas を使うには、事前にインストール作業が必要です。
手順を追って説明します。

① コマンドプロンプトを管理者として実行

コマンドプロンプトを管理者として実行

Microsoft Windows [Version 10.0.22631.4317]
(c) Microsoft Corporation. All rights reserved.

C:\Windows\System32>

② インストールされているライブラリの確認

管理者：コマンドプロンプトでキーボードから pip list と入力して、 Enter キーを押下します。
インストールされているライブラリの一覧が表示されます。
pandas がインストールされていないことを確認します。

Microsoft Windows [Version 10.0.22631.4317]
(c) Microsoft Corporation. All rights reserved.

C:\Windows\System32>pip list
Package Version
------- -------
pip     24.2
pywin32 307

C:\Windows\System32>

③ pandas のインストール

管理者：コマンドプロンプトでキーボードから pip install pandas と入力して、 Enter キーを押下します。
インストールには少々時間がかかります。
最後の行に『 Successfully installed 』と表示されれば、インストール完了です。

C:\Windows\System32>pip install pandas
Collecting pandas
  Downloading pandas-2.2.3-cp312-cp312-win_amd64.whl.metadata (19 kB)
Collecting numpy>=1.26.0 (from pandas)
  Using cached numpy-2.1.2-cp312-cp312-win_amd64.whl.metadata (59 kB)
Collecting python-dateutil>=2.8.2 (from pandas)
  Using cached python_dateutil-2.9.0.post0-py2.py3-none-any.whl.metadata (8.4 kB)
Collecting pytz>=2020.1 (from pandas)
  Using cached pytz-2024.2-py2.py3-none-any.whl.metadata (22 kB)
Collecting tzdata>=2022.7 (from pandas)
  Downloading tzdata-2024.2-py2.py3-none-any.whl.metadata (1.4 kB)
Collecting six>=1.5 (from python-dateutil>=2.8.2->pandas)
  Using cached six-1.16.0-py2.py3-none-any.whl.metadata (1.8 kB)
Downloading pandas-2.2.3-cp312-cp312-win_amd64.whl (11.5 MB)
   ---------------------------------------- 11.5/11.5 MB 1.4 MB/s eta 0:00:00
Using cached numpy-2.1.2-cp312-cp312-win_amd64.whl (12.6 MB)
Using cached python_dateutil-2.9.0.post0-py2.py3-none-any.whl (229 kB)
Using cached pytz-2024.2-py2.py3-none-any.whl (508 kB)
Downloading tzdata-2024.2-py2.py3-none-any.whl (346 kB)
Using cached six-1.16.0-py2.py3-none-any.whl (11 kB)
Installing collected packages: pytz, tzdata, six, numpy, python-dateutil, pandas
Successfully installed numpy-2.1.2 pandas-2.2.3 python-dateutil-2.9.0.post0 pytz-2024.2 six-1.16.0 tzdata-2024.2

C:\Windows\System32>

【補足】学校や会社内のパソコンをお使いの方へ
pip install pandas が失敗する場合があります。
この場合は、インストールする際にプロキシサーバーの情報を渡す必要があります

プロキシサーバーの情報は、システム管理者に確認してください。
・プロキシサーバー名
・ポート番号

プロキシサーバーの情報を取得できましたら、pandas のインストールは次のようにします。
pip install --proxy="プロキシサーバー名:ポート番号" pandas

④ pandas のインストールの確認

管理者：コマンドプロンプトでキーボードから pip list と入力して、 Enter キーを押下します。
インストールされているライブラリの一覧が表示されます。
一覧に pandas があることを確認します。

C:\Windows\System32>pip list
Package         Version
--------------- -----------
numpy           2.1.2
pandas          2.2.3
pip             24.2
python-dateutil 2.9.0.post0
pytz            2024.2
pywin32         307
six             1.16.0
tzdata          2024.2

C:\Windows\System32>

２．演習用プログラムのダウンロード

演習用プログラム（ practice14.py ）とＣＳＶファイル（ csv_file1.csv ）をダウンロードします。
演習用プログラムは テキストファイルになっているので、エクスプローラーを使って拡張子を .txt から .py に変更します。
practice14.py、csv_file1.csv を Python をインストールしたフォルダ（今回は C:\Python）に置きます。

practice14.txt

1 ファイル 5.92 KB

ダウンロード

csv_file1.csv

1 ファイル 0.14 KB

ダウンロード

３．ソースコードの表示

メモ帳を使って、演習用プログラム（ practice14.py ）を開きます。

practice14.py

４．ＣＳＶファイルの読み込み

最初にＣＳＶファイルを読み込む方法を見ていきます。

① ＣＳＶファイルを読み込む

まずは、コマンドプロンプトで practice14.py を実行します。
プログラムを実行する方法は、こちらの記事『ファイルに保存されたプログラムの実行』を参照します。
以下のように表示されます。

C:\Users\kotablog>python C:\Python\practice14.py

*** ＣＳＶファイルの読み込み ****

csv_file1.csvを読み込みます
['商品コード', '商品名', '金額']
['A0001', 'みかん', '100']
['A0002', 'メロン', '200']
['A0003', 'いちご', '300']
['A0004', 'バナナ', '400']
['A0005', 'トマト', '500']

プログラムソースを確認します。


01 # -*- coding: utf-8 -*-
02 """
03 演習プログラム１４
04 
05   ＣＳＶファイルの読み書き
06 
07 """
08 import sys     # sysモジュールのインポート
09 import csv     # ＣＳＶファイルの読み書き用の標準ライブラリ
10 import pandas  # pandasライブラリのインポート
11 
12 print("\n*** ＣＳＶファイルの読み込み ****")
13 
14 # ＣＳＶファイルを読み込む
15 print("\ncsv_file1.csvを読み込みます")
16 file_name = r"C:\Python\csv_file1.csv"  # ファイルのフルパス名
17 with open(file_name) as f:              # ファイルを開く
18   reader = csv.reader(f)                # ＣＳＶファイルの読み込み
19   for row in reader:                    # 行ごとのデータをリストで取得
20     print(row)                          # １行のデータを表示
21 
22 #終了１
23 sys.exit()

09行目でＣＳＶファイルを読み書きするための標準ライブラリをインポートしています。
10行目で先ほどインストールした pandasライブラリをインポートしています。

16行目で変数 file_name に csv_file1.csv のフルパスファイル名をセットしています。
17行目で with文を使って、ＣＳＶファイルを開いています。
18行目で reader()メソッドを使ってＣＳＶファイルを読み込み、reader オブジェクトに格納しています。
19行目の for文を使って、行ごとにデータを取り出しています。
20行目で行のデータ（リスト）を表示しています。

② ２次元リスト（リストのリスト）として取得

２次元リスト（リストのリスト）として取得します
[['商品コード', '商品名', '金額'], 
 ['A0001', 'みかん', '100'], 
 ['A0002', 'メロン', '200'], 
 ['A0003', 'いちご', '300'], 
 ['A0004', 'バナナ', '400'], 
 ['A0005', 'トマト', '500']]

※見やすくするために改行しています

プログラムソースを確認します。


25 # ２次元リスト（リストのリスト）として取得（リスト内包表記を使用）
26 print("\n２次元リスト（リストのリスト）として取得します")
27 with open(file_name) as f:              # ファイルを開く
28   reader = csv.reader(f)                # ＣＳＶファイルの読み込み
29   list2d = [row for row in reader]      # ２次元リストで取得
30 print(list2d)                           # ２次元リストを表示
31 
32 #終了２
33 sys.exit()

28行目で reader()メソッドを使ってＣＳＶファイルを読み込み、reader オブジェクトに格納しています。
29行目でリスト内包表記を使って、reader オブジェクトから２次元リストとして変数 list2d に格納しています。
30行目で２次元リストを表示しています。

Pythonリスト内包表記の使い方

③ 数値にできるものだけを数値化

金額の列は数値です。数値の文字列は数値に変換しておくと便利です。

数値にできるものだけを数値化します
[['商品コード', '商品名', '金額'], 
 ['A0001', 'みかん', 100], 
 ['A0002', 'メロン', 200], 
 ['A0003', 'いちご', 300], 
 ['A0004', 'バナナ', 400], 
 ['A0005', 'トマト', 500]]

※見やすくするために改行しています

プログラムソースを確認します。


35 # 数値にできるものだけを数値化（リスト内包表記と三項演算子を使用）
36 print("\n数値にできるものだけを数値化します")
37 list2d = [[int(v) if v.isdecimal() else v for v in row ] for row in list2d]  # 数値化
38 print(list2d)                           # ２次元リストを表示
39 
40 #終了３
41 sys.exit()

37行目でリスト内包表記と三項演算子を使って数値にできる要素を数値に変換しています。

リスト内包表記
[式 for 任意の変数名 in イテラブルオブジェクト]

三項演算子
条件式が真のときに返す値 if 条件式 else 条件式が偽のときに返す値

④ 見出し行（ヘッダー）を取り除く

見出し行を取り除いてデータだけにしておくと便利です。

見出し行（ヘッダー）を取り除きます
[['A0001', 'みかん', 100], 
 ['A0002', 'メロン', 200], 
 ['A0003', 'いちご', 300], 
 ['A0004', 'バナナ', 400], 
 ['A0005', 'トマト', 500]]

※見やすくするために改行しています

プログラムソースを確認します。


43 # 見出し行（ヘッダー）を取り除く（リスト内包表記を使用）
44 print("\n見出し行（ヘッダー）を取り除きます")
45 list2d = [row for row in list2d[1:]]    # ヘッダーの除去
46 print(list2d)                           # ２次元リストを表示
47 
48 #終了４
49 sys.exit()

45行目で見出し行は１行目（インデックスは 0）なので、２行目以降（インデックスは 1）で２次元リストを作成しています。（リスト内包表記）

⑤ 行、要素、列を取得

３行目を取得します
['A0003', 'いちご', 300]

３行目の２列目を取得します
いちご

３列目（金額）を取得します
[100, 200, 300, 400, 500]

金額の合計を計算します
合計は 1500 です

プログラムソースを確認します。


51 # 行を取得
52 print("\n３行目を取得します")
53 datalist = list2d[2]                    # 0始まりのインデックスを指定
54 print(datalist)                         # 行のリストを表示
55 
56 # 要素を取得
57 print("\n３行目の２列目を取得します")
58 data = list2d[2][1]                     # [行][列]の順で指定
59 print(data)                             # 要素を表示
60 
61 # 列を取得
62 print("\n３列目（金額）を取得します")
63 list2d_T = [list(x) for x in zip(*list2d)]  # 行と列を入れ替え
64 datalist = list2d_T[2]                  # 0始まりのインデックスを指定
65 print(datalist)
66 
67 print("\n金額の合計を計算します")
68 total = sum(datalist)                   # リストの要素の合計値を計算
69 print("合計は、" + str(total) + " です")
70 
71 #終了５
72 sys.exit()

行を取得（３行目）
53行目で２次元リスト（ list2d ）から、３行目のデータ（インデックスは 2）を取り出しています。

要素を取得（３行目の２列目）
58行目で２次元リスト（ list2d ）から、３行目のデータ（インデックスは 2）さらに２列目の要素（インデックスは 1）を取り出しています。

列を取得（３列目の金額）
列を取得するにはまず行と列を入れ替えます。
63行目でリスト内包表記を使い、行と列を入れ替えて２次元リスト（ list2d_T ）に格納しています。

list2d_T の内容
[['A0001', 'A0002', 'A0003', 'A0004', 'A0005'],
['みかん', 'メロン', 'いちご', 'バナナ', 'トマト'],
[100, 200, 300, 400, 500]]

64行目で２次元リスト（ list2d_T ）から、行と列を入れ替えているので３行目のデータ（インデックスは 2）を取り出しています。

金額の合計を計算
68行目で sum()関数を使って金額のリストの要素を合計しています。

５．ＣＳＶファイルの書き込み

① ＣＳＶファイルに１行ずつ書き込む

*** ＣＳＶファイルの書き込み ****

csv_file2.csvに１行ずつ書き込みます
csv_file2.csv の内容を確認しましょう

エクスプローラから、csv_file2.csv を開いて内容を確認してください。

プログラムソースを確認します。


74 print("\n*** ＣＳＶファイルの書き込み ****")
75 
76 # ＣＳＶファイルに１行ずつ書き込む
77 print("\ncsv_file2.csvに１行ずつ書き込みます")
78 file_name = r"C:\Python\csv_file2.csv"  # ファイルのフルパス名
79 with open(file_name, 'w', newline="") as f:  # 書き込みモードでファイルを開く
80   writer = csv.writer(f, quoting=csv.QUOTE_NONNUMERIC)
81   writer.writerow(['商品コード', '商品名', '金額'])
82   writer.writerow(['A0001', 'みかん', 100])
83 print("csv_file2.csv の内容を確認しましょう")
84 
85 #終了６
86 sys.exit()

79行目でＣＳＶファイルを書き込みモード（ 'w' ）で開いています。
このとき、引数に newline="" を指定し忘れると、行毎に空行が入ってしまいます。

80行目の writer()メソッドの引数 quoting は以下の通りです。
・quoting=csv.QUOTE_ALL　：　すべての要素が引用符で囲まれる。
・quoting=csv.QUOTE_NONNUMERIC　：　数値でない要素が引用符で囲まれる。

81行目と82行目の writerow()メソッドで行のデータを書き込んでいます。

② ＣＳＶファイルに２次元リストを書き込む

csv_file3.csvに２次元リストを書き込みます
csv_file3.csv の内容を確認しましょう

エクスプローラから、csv_file3.csv を開いて内容を確認してください。

プログラムソースを確認します。


 88 # ＣＳＶファイルに２次元リストを書き込む
 89 print("\ncsv_file3.csvに２次元リストを書き込みます")
 90 file_name = r"C:\Python\csv_file3.csv"  # ファイルのフルパス名
 91 list2d = [['商品コード', '商品名', '金額'],\
 92           ['A0001', 'みかん', 100],\
 93           ['A0002', 'メロン', 200],\
 94           ['A0003', 'いちご', 300],\
 95           ['A0004', 'バナナ', 400],\
 96           ['A0005', 'トマト', 500]]
 97 with open(file_name, 'w', newline="") as f:  # 書き込みモードでファイルを開く
 98   writer = csv.writer(f, quoting=csv.QUOTE_NONNUMERIC)
 99   writer.writerows(list2d)
100 print("csv_file3.csv の内容を確認しましょう")
101 
102 #終了７
103 sys.exit()

90行目で変数 file_name に csv_file3.csv のフルパスファイル名をセットしています。

91行目から96行目でＣＳＶファイルに書き込む２次元リストを用意しています。
Pythonでは、行の末尾に \ を付けることで、コーディングを複数行に記述することができます。

97行目でＣＳＶファイルを書き込みモード（ 'w' ）で開いています。
引数の newline="" は、行毎に空行が入らないようにしています。

98行目で数値でない要素が引用符で囲まれるように指定しています。

99行目の writerows()メソッドで複数行のデータを書き込んでいます。

③ 追記モードでＣＳＶファイルに書き込む

csv_file3.csvにデータを追加します
csv_file3.csv の内容を確認しましょう

エクスプローラから、csv_file3.csv を開いて内容を確認してください。

プログラムソースを確認します。


105 # 追記モードでＣＳＶファイルに書き込む
106 print("\ncsv_file3.csvにデータを追加します")
107 with open(file_name, 'a', newline="") as f:  # 追記モードでファイルを開く
108   writer = csv.writer(f, quoting=csv.QUOTE_NONNUMERIC)
109   writer.writerow(['A0006', 'ぶどう', 600])
110 print("csv_file3.csv の内容を確認しましょう")
111 
112 #終了８
113 sys.exit()

107行目でＣＳＶファイルを追記モード（ 'a' ）で開いています。
108行目で数値でない要素が引用符で囲まれるように指定しています。
109行目の writerow()メソッドで行のデータを書き込んでいます。

④ ＣＳＶファイルのデータを修正する

商品コード 'A0005' の商品名を 'トマト' から 'りんご' に修正します。

csv_file3.csvのデータを修正します
csv_file3.csv の内容を確認しましょう

エクスプローラから、csv_file3.csv を開いて内容を確認してください。

プログラムソースを確認します。


115 # ＣＳＶファイルのデータを修正する
116 print("\ncsv_file3.csvのデータを修正します")
117 with open(file_name) as f:              # ファイルを開く
118   reader = csv.reader(f)                # ＣＳＶファイルの読み込み
119   list2d = [row for row in reader]      # ２次元リストで取得
120   list2d = [[int(v) if v.isdecimal() else v for v in row ] for row in list2d]  # 数値化
121 
122 for i in range(len(list2d)):
123   datalist = list2d[i]
124   if list2d[i][0] == "A0005":
125     list2d[i][1] = "りんご"
126 
127 with open(file_name, 'w', newline="") as f:  # 書き込みモードでファイルを開く
128   writer = csv.writer(f, quoting=csv.QUOTE_NONNUMERIC)
129   writer.writerows(list2d)
130 print("csv_file3.csv の内容を確認しましょう")
131 
132 #終了９
133 sys.exit()

117行目で csv_file3.csv を開いています。
118行目から120行目でファイルを読み込み、２次元リスト（ list2d ）に格納して、数値にできる要素を数値化しています。

122行目から125行目の for文で、商品コードが 'A0005' であれば商品名を 'トマト' から 'りんご' に書き換えています。

127行目でＣＳＶファイルを書き込みモード（ 'w' ）で開いています。
引数の newline="" は、行毎に空行が入らないようにしています。
129行目の writerows()メソッドで２次元リストのデータを書き込んでいます。

６．pandasでのＣＳＶファイルの読み書き

① pandasを使ったＣＳＶファイルの修正

pandasを使って、商品コード 'A0005' の商品名を 'りんご' から 'レモン' に修正します。

*** pandasでのＣＳＶファイルの読み書き ****

csv_file3.csvのデータをpandasを使って修正します

【修正前】
   商品コード  商品名   金額
0  A0001  みかん  100
1  A0002  メロン  200
2  A0003  いちご  300
3  A0004  バナナ  400
4  A0005  りんご  500
5  A0006  ぶどう  600

【修正後】
   商品コード  商品名   金額
0  A0001  みかん  100
1  A0002  メロン  200
2  A0003  いちご  300
3  A0004  バナナ  400
4  A0005  レモン  500
5  A0006  ぶどう  600

csv_file3.csv の内容を確認しましょう

プログラムソースを確認します。


135 print("\n*** pandasでのＣＳＶファイルの読み書き ****")
136 
137 # pandasを使ったＣＳＶファイルの修正
138 print("\ncsv_file3.csvのデータをpandasを使って修正します")
139 df = pandas.read_csv(file_name, encoding='shift_jis')
140 print("\n【修正前】")
141 print(df)
142 
143 for index, data in df.iterrows():
144   商品コード = str(data['商品コード'])
145   商品名     = str(data['商品名'])
146   if 商品コード == "A0005":
147     df.loc[index, '商品名'] = "レモン"
148 print("\n【修正後】")
149 print(df)
150 
151 df.to_csv(file_name, encoding='shift_jis', index=False)
152 print("\ncsv_file3.csv の内容を確認しましょう")
153 
154 sys.exit()

139行目で pandasの read_csv()メソッドで csv_file3.csv を読み込んで、データフレーム（ df ）にセットしています。
143行目から147行目の for文で、商品コードが 'A0005' であれば商品名を 'レモン' に書き換えています。
151行目で pandasの to_csv()メソッドで csv_file3.csv に書き込んでいます。

pandasを使った方が、コーディングが簡潔になります。

pandasについては、別章で詳しく解説します。

＜テキストファイルの読み書き

ＣＳＶファイルの読み書き

xlwingsを使った Excelファイルの読み書き＞

The post ＣＳＶファイルの読み書き – 【Pythonプログラミング２～応用編～】 first appeared on kotablog.pro.

kotablog.pro

Pandas.DataFrameでデータ集計 – 【Pythonプログラミング３ ～Pandas編～】

１．演習用プログラムのダウンロード

２．ソースコードの表示

３．DataFrameでデータ集計

① 販売実績ファイルと商品一覧ファイルの読み込み

② 販売実績ファイルに商品一覧ファイルを結合（横方向）

③ 不要なデータを削除

④ 販売額（単価×数量）の列を追加

⑤ 年月毎に販売額を集計

⑥ 商品毎に販売額を集計

４．ＳＱＬ文を使った集計

① ＳＱＬ文を使うための準備

② 年月毎に販売額を集計

③ 商品毎に販売額を集計

Pandas.DataFrameの利用 – 【Pythonプログラミング３ ～Pandas編～】

１．演習用プログラムのダウンロード

２．ソースコードの表示

３．データの取り出し

① ExcelファイルからDataFrameを作成

② 列データの取り出し

③ 複数の列データの取り出し

④ loc を使い、行を指定してデータを取り出す

⑤ loc を使い、行と列を指定してデータを取り出す

⑥ iloc を使い、行を指定してデータを取り出す

⑦ iloc を使い、行と列を指定してデータを取り出す

４．データの絞り込み

① 数値条件を指定したデータの絞り込み

② 文字条件を指定したデータの絞り込み

５．queryを使ったデータの絞り込み

① 数値条件を指定したデータの絞り込み

② 文字条件を指定したデータの絞り込み

６．列の追加

① 新しい列の追加

７．データの変更

① データを変更する

② ループ文を使って１行ずつ処理する

８．DataFrameの結合（横方向）

① ExcelファイルからDataFrameを作成

② 左外部結合（how = 'left'）

③ 右外部結合（how = 'right'）

④ 完全結合（how = 'outer'）

９．データの削除

① 行データの削除

② 列データの削除

10．その他のデータ削除の方法

① 重複データの削除

② 重複データの削除（列を指定）

③ 数値条件を指定して削除

④ 文字条件を指定して削除

⑤ 抽出条件式で絞り込んで削除

⑥ ループ文を使って削除

⑦ 全行を削除

Pandas.DataFrameの基礎 – 【Pythonプログラミング３ ～Pandas編～】

１．演習用プログラムのダウンロード

２．ソースコードの表示

３．Pandas と DataFrame について

４．DataFrameの作成

① 直接データを入力した作成

５．ExcelファイルからDataFrameを作成（基本編）

① Excelファイルから作成

６．ExcelファイルからDataFrameを作成（実践編）

① Excelファイルから作成

② 空行を削除する

③ 欠損値を空文字で埋める

④ データ型を変更する

⑤ 列を並び替える

⑥ 行を並び替える（ソート）

７．ＣＳＶファイルからDataFrameを作成

① ＣＳＶファイルから作成

② 欠損値を文字'不明'で埋める

８．DataFrameの結合（縦方向）

① ２つのDataFrameの結合（縦方向）

９．DataFrameをファイルへ出力

① Excelファイルに出力

② ＣＳＶファイルに出力

Pandas.Seriesの基礎 – 【Pythonプログラミング３ ～Pandas編～】

１．演習用プログラムのダウンロード

２．ソースコードの表示

３．Pandas と Series について

Pandas.DataFrameでデータ集計 – 【Pythonプログラミング３～Pandas編～】

Pandas.DataFrameの利用 – 【Pythonプログラミング３～Pandas編～】

Pandas.DataFrameの基礎 – 【Pythonプログラミング３～Pandas編～】

Pandas.Seriesの基礎 – 【Pythonプログラミング３～Pandas編～】

コマンドプロンプトを立ち上げます

７．ダウンロードフォルダの中を確認します

iniファイルの読み書き – 【Pythonプログラミング２～応用編～】

openpyxlを使った Excelファイルの読み書き – 【Pythonプログラミング２～応用編～】