【初心者向け】pandas CategoricalIndexの使い方をわかりやすく解説！
pandas.CategoricalIndexは、カテゴリカルデータのインデックスを表すオブジェクトです。カテゴリカルデータとは、少数の値に制限された値を持つデータ型です。例えば、性別（男性、女性）、色（赤、青、緑）、曜日（月曜日、火曜日、水曜日）などがカテゴリカルデータの例です。
CategoricalIndexは、カテゴリカルデータの値だけでなく、そのカテゴリ間の関係も表現できます。例えば、曜日データの場合、月曜日から日曜日までの順序関係を表現できます。
利点
CategoricalIndexを使用する利点は次のとおりです。
- カテゴリカルデータの分析に特化した便利なメソッドを提供します。
- データの圧縮に役立ちます。
- カテゴリカルデータの値とカテゴリ間の関係を効率的に表現できます。
作成方法
CategoricalIndexは、次の方法で作成できます。
from_arrayメソッドを使用する:
import pandas as pd
data = ["A", "B", "C", "A", "B"]
categories = ["A", "B", "C"]
categorical_index = pd.CategoricalIndex(data, categories=categories)
print(categorical_index)
pd.Categoricalオブジェクトを使用する:
import pandas as pd
data = pd.Series(["A", "B", "C", "A", "B"], dtype="category")
categorical_index = data.index
print(categorical_index)
属性
CategoricalIndexには、次の属性があります。
ordered: カテゴリが順序付けられているかどうかを示すブール値codes: カテゴリに対応するコードのリストcategories: カテゴリのリスト
メソッド
CategoricalIndexには、次のメソッドがあります。
as_unordered: カテゴリを順序なしにするas_ordered: カテゴリを順序付きにするset_categories: カテゴリを設定するget_loc: 特定のカテゴリのインデックスを取得する
例
次の例では、CategoricalIndexを使用して曜日データの分析を行います。
import pandas as pd
data = ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday"]
categories = ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday", "Sunday"]
categorical_index = pd.CategoricalIndex(data, categories=categories, ordered=True)
# 月曜日のインデックスを取得
print(categorical_index.get_loc("Monday"))
# カテゴリを追加
categorical_index = categorical_index.set_categories(["Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday", "Sunday"], ordered=True)
# カテゴリを順序付きにする
print(categorical_index.as_ordered())
# カテゴリを順序なしにする
print(categorical_index.as_unordered())
この例では、CategoricalIndexを使用して曜日データのインデックスを取得、カテゴリを追加、カテゴリの順序を変更する方法を示しました。
カテゴリカルインデックスの作成
import pandas as pd
# 文字列リストから作成
data = ["A", "B", "C", "A", "B"]
categories = ["A", "B", "C"]
categorical_index = pd.CategoricalIndex(data, categories=categories)
print(categorical_index)
# Seriesから作成
data = pd.Series(["A", "B", "C", "A", "B"], dtype="category")
categorical_index = data.index
print(categorical_index)
カテゴリとコードの取得
import pandas as pd
data = ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday"]
categories = ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday", "Sunday"]
categorical_index = pd.CategoricalIndex(data, categories=categories, ordered=True)
# カテゴリを取得
print(categorical_index.categories)
# コードを取得
print(categorical_index.codes)
特定のカテゴリのインデックス取得
import pandas as pd
data = ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday"]
categories = ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday", "Sunday"]
categorical_index = pd.CategoricalIndex(data, categories=categories, ordered=True)
# 月曜日のインデックスを取得
print(categorical_index.get_loc("Monday"))
カテゴリの追加
import pandas as pd
data = ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday"]
categories = ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday", "Sunday"]
categorical_index = pd.CategoricalIndex(data, categories=categories, ordered=True)
# カテゴリを追加
new_categories = ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday", "Sunday", "Holiday"]
categorical_index = categorical_index.set_categories(new_categories, ordered=True)
print(categorical_index)
カテゴリの順序変更
import pandas as pd
data = ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday"]
categories = ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday", "Sunday"]
categorical_index = pd.CategoricalIndex(data, categories=categories, ordered=True)
# カテゴリを順序付きにする
print(categorical_index.as_ordered())
# カテゴリを順序なしにする
print(categorical_index.as_unordered())
カテゴリカルインデックスを数値インデックスに変換
import pandas as pd
data = ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday"]
categories = ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday", "Sunday"]
categorical_index = pd.CategoricalIndex(data, categories=categories, ordered=True)
# 数値インデックスに変換
numeric_index = categorical_index.codes
print(numeric_index)
import pandas as pd
data = ["A", "B", "C", "A", "B"]
categories = ["A", "B", "C"]
categorical_index = pd.CategoricalIndex(data, categories=categories)
df = pd.DataFrame({"data": [1, 2, 3, 4, 5]}, index=categorical_index)
print(df)
代替手段の選択肢
- カテゴリを数値に変換し、辞書を使用してカテゴリと数値の対応関係を保持します。
- 利点: シンプルでメモリ使用量が少ない
- 欠点: カテゴリ間の関係を表現できない、辞書の更新が煩雑になる可能性がある
文字列インデックス
- カテゴリを文字列として保持します。
- 利点: 実装が簡単
- 欠点: カテゴリの順序を表現できない、メモリ使用量が多くなる可能性がある
カスタムクラス
- カテゴリデータとメタデータを保持する独自のカスタムクラスを作成します。
- 利点: カテゴリデータとメタデータを柔軟に表現できる
- 欠点: 開発とメンテナンスの手間がかかる
代替手段を選択する際の考慮事項
- コードのシンプルさ
シンプルなコードを維持したい場合は、数値インデックスと辞書を使用する方が良いかもしれません。 - 分析のニーズ
カテゴリ間の関係を分析する必要がある場合は、CategoricalIndexまたはカスタムクラスを使用する必要があります。 - データの量
データ量が多い場合は、メモリ使用量が少ない方法を選択する必要があります。
具体的な代替例
数値インデックスと辞書
import pandas as pd
data = ["A", "B", "C", "A", "B"]
categories = ["A", "B", "C"]
# カテゴリを数値に変換
category_map = {"A": 0, "B": 1, "C": 2}
numeric_data = [category_map[x] for x in data]
# 数値インデックスを作成
numeric_index = pd.Index(numeric_data)
# 辞書を使用してカテゴリと数値の対応関係を保持
category_dict = {i: c for i, c in enumerate(categories)}
# Dataframeを作成
df = pd.DataFrame({"data": numeric_data}, index=numeric_index)
# カテゴリ名を取得
def get_category_name(numeric_value):
return category_dict[numeric_value]
# カテゴリ名をDataframeに追加
df["category_name"] = df["data"].apply(get_category_name)
print(df)
文字列インデックス
import pandas as pd
data = ["A", "B", "C", "A", "B"]
# 文字列インデックスを作成
string_index = pd.Index(data)
# Dataframeを作成
df = pd.DataFrame({"data": data}, index=string_index)
print(df)
カスタムクラス
class CategoryData:
def __init__(self, data, categories):
self.data = data
self.categories = categories
def get_category_name(self, numeric_value):
return self.categories[numeric_value]
data = ["A", "B", "C", "A", "B"]
categories = ["A", "B", "C"]
category_data = CategoryData(data, categories)
# Dataframeを作成
df = pd.DataFrame({"data": category_data.data})
# カテゴリ名をDataframeに追加
df["category_name"] = df["data"].apply(lambda x: category_data.get_category_name(x))
print(df)
これらの例は、pandas.CategoricalIndexの代替手段として考えられる方法をいくつか示しています。 状況に合わせて最適な方法を選択してください。
- 上記の例は基本的な例であり、より複雑な分析タスクに合わせて拡張する必要があります。