Pandas DataFrameはPythonにおけるデータ操作の基盤です。効率的に行を追加することはよくある作業であり、この記事ではDataFrameに行を1行追加するためのベストプラクティスを詳述します。
目次
効率的な行追加のための.locの使用
.locアクセサーは、行を追加する最も効率的で直接的な方法を提供します。特に大規模なDataFrameを扱う場合、パフォーマンスのオーバーヘッドを最小限に抑えるため有利です。新しい行のインデックスを指定し、データを行列またはNumPy配列として提供します。
import pandas as pd
import numpy as np
# サンプルDataFrame
data = {'col1': [1, 2, 3], 'col2': [4, 5, 6]}
df = pd.DataFrame(data)
# 新しい行データ（リスト）
new_row_list = [4, 7]
# .locを使用して新しい行を追加
df.loc[len(df)] = new_row_list
print("リストを使用した場合:n", df)
# 新しい行データ（NumPy配列）
new_row_array = np.array([5,8])
# NumPy配列を使用して.locで新しい行を追加
df.loc[len(df)] = new_row_array
print("nNumPy配列を使用した場合:n",df)
このアプローチはDataFrameの基礎となる構造を直接変更するため、他の方法よりも高速です。出力には、追加された新しい行が表示されます。
可読性のための辞書による追加
多くの列を扱う場合、新しい行を表す辞書を使用すると、コードの可読性が向上します。辞書のキーは列名に対応し、値は行のデータです。pd.concatは、既存のDataFrameと新しい行を効率的に結合します。
import pandas as pd
# サンプルDataFrame
data = {'col1': [1, 2, 3], 'col2': [4, 5, 6]}
df = pd.DataFrame(data)
# 新しい行データ（辞書）
new_row_dict = {'col1': 5, 'col2': 8}
# pd.concatを使用して新しい行を追加
df = pd.concat([df, pd.DataFrame([new_row_dict])], ignore_index=True)
print(df)
ignore_index=Trueは、適切なインデックス処理を行い、重複インデックスを防ぎます。
append()メソッドを避けるべき理由
append()メソッドは、最新のPandasバージョンでは非推奨です。効率が悪く、予期しない動作につながる可能性があります。.locと辞書ベースの方法の方が、パフォーマンスと保守性の点で優れています。上記で説明した、より効率的でサポートされている方法を常に優先してください。