Pandas.PeriodIndex vs DateTimeIndex vs リスト：最適なデータ構造の選び方

pandas.PeriodIndex の作成

pandas.PeriodIndex を作成するには、いくつかの方法があります。

pd.PeriodRange を使用する
これは、開始と終了期間、および期間間隔を指定して、PeriodIndex を作成する最も一般的な方法です。

import pandas as pd

start = pd.Period('2020-01-01')
end = pd.Period('2024-07-09')
frequency = pd.offsets.MonthEnd()

index = pd.PeriodRange(start, end, frequency)
print(index)

このコードは、2020年1月から2024年7月までの月末をインデックスとした PeriodIndex を作成します。

リストから PeriodIndex を作成
既存のリストから PeriodIndex を作成することもできます。

periods = ['2020-01', '2021-01', '2022-01', '2023-01', '2024-01']
index = pd.PeriodIndex(periods)
print(index)

このコードは、各要素が文字列形式の期間を表すリストから PeriodIndex を作成します。

NumPy 配列から PeriodIndex を作成
NumPy 配列から PeriodIndex を作成することもできます。

timestamps = np.array([pd.Timestamp('2020-01-01'), pd.Timestamp('2021-01-01'), pd.Timestamp('2022-01-01'), pd.Timestamp('2023-01-01'), pd.Timestamp('2024-01-01')])
index = pd.PeriodIndex(timestamps)
print(index)

このコードは、NumPy 配列 (各要素が Timestamp オブジェクト) から PeriodIndex を作成します。

pandas.PeriodIndex の読み込み

CSV ファイル、Excel ファイル、データベースなど、さまざまなソースから pandas.PeriodIndex を読み込むことができます。

CSV ファイルから読み込む

import pandas as pd

data = pd.read_csv('data.csv', index_col='Date', parse_dates=True)
print(data)

このコードは、'Date' 列を PeriodIndex として解析し、CSV ファイル 'data.csv' からデータを読み込みます。

Excel ファイルから読み込む

import pandas as pd

data = pd.read_excel('data.xlsx', index_col='Date', parse_dates=True)
print(data)

このコードは、'Date' 列を PeriodIndex として解析し、Excel ファイル 'data.xlsx' からデータを読み込みます。

データベースから読み込む

import pandas as pd
import sqlalchemy

engine = sqlalchemy.create_engine('postgresql://user:password@host:port/database')
data = pd.read_sql_table('my_table', engine, index_col='date', parse_dates=True)
print(data)

このコードは、'date' 列を PeriodIndex として解析し、'my_table' テーブルからデータベースに接続してデータを読み込みます。

pandas.PeriodIndex を CSV ファイル、Excel ファイル、データベースなどに書き込むことができます。

CSV ファイルに書き込む

import pandas as pd

data = pd.DataFrame({'value': [10, 20, 30, 40, 50]}, index=pd.PeriodRange('2020-01-01', '2024-01-01', freq='M'))
data.to_csv('data.csv')

このコードは、PeriodIndex を持つ DataFrame を 'data.csv' という名前の CSV ファイルに書き込みます。

Excel ファイルに書き込む

import pandas as pd

data =

例 1：pd.PeriodRange を使用する

import pandas as pd

start = pd.Period('2020-01-01')
end = pd.Period('2024-07-09')
frequency = pd.offsets.MonthEnd()

index = pd.PeriodRange(start, end, frequency)
print(index)

例 2：リストから PeriodIndex を作成

import pandas as pd

periods = ['2020-01', '2021-01', '2022-01', '2023-01', '2024-01']
index = pd.PeriodIndex(periods)
print(index)

例 3：NumPy 配列から PeriodIndex を作成

import pandas as pd
import numpy as np

timestamps = np.array([pd.Timestamp('2020-01-01'), pd.Timestamp('2021-01-01'), pd.Timestamp('2022-01-01'), pd.Timestamp('2023-01-01'), pd.Timestamp('2024-01-01')])
index = pd.PeriodIndex(timestamps)
print(index)

例 4：CSV ファイルから読み込む

import pandas as pd

data = pd.read_csv('data.csv', index_col='Date', parse_dates=True)
print(data)

例 5：Excel ファイルから読み込む

import pandas as pd

data = pd.read_excel('data.xlsx', index_col='Date', parse_dates=True)
print(data)

例 6：データベースから読み込む

import pandas as pd
import sqlalchemy

engine = sqlalchemy.create_engine('postgresql://user:password@host:port/database')
data = pd.read_sql_table('my_table', engine, index_col='date', parse_dates=True)
print(data)

例 7：CSV ファイルに書き込む

import pandas as pd

data = pd.DataFrame({'value': [10, 20, 30, 40, 50]}, index=pd.PeriodRange('2020-01-01', '2024-01-01', freq='M'))
data.to_csv('data.csv')

例 8：Excel ファイルに書き込む

import pandas as pd

data = pd.DataFrame({'value': [10, 20, 30, 40, 50]}, index=pd.PeriodRange('2020-01-01', '2024-01-01', freq='M'))
data.to_excel('data.xlsx')

このコードは、PeriodIndex を持つ DataFrame を 'data.xlsx' という名前の Excel ファイルに書き込みます。

import pandas as pd
import sqlalchemy

DateTimeIndex を使用する

DateTimeIndex は、pandas.Timestamp オブジェクトで構成されるインデックスです。PeriodIndex と同様に、時間ベースのデータを表すために使用できます。DateTimeIndex の方が汎用性が高く、PeriodIndex よりも多くの操作をサポートしています。

import pandas as pd

timestamps = pd.to_datetime(['2020-01-01', '2021-01-01', '2022-01-01', '2023-01-01', '2024-01-01'])
index = pd.DateTimeIndex(timestamps)
print(index)

このコードは、Timestamp オブジェクトのリストから DateTimeIndex を作成します。

単純なリストを使用する

場合によっては、単純なリストが PeriodIndex または DateTimeIndex の適切な代替となる場合があります。これは、データの構造が単純で、時間ベースの操作を行う必要がない場合に役立ちます。

data = [10, 20, 30, 40, 50]
index = ['2020-01', '2021-01', '2022-01', '2023-01', '2024-01']

df = pd.DataFrame(data, index=index)
print(df)

このコードは、リストのデータとインデックスを使用して DataFrame を作成します。

カスタムインデックスを使用する

独自の要件を満たすために、カスタムインデックスを作成することもできます。これにより、データの構造と操作方法を完全に制御できます。

import pandas as pd

class MyIndex(pd.Index):
    pass

my_index = MyIndex(['2020-01', '2021-01', '2022-01', '2023-01', '2024-01'])

data = [10, 20, 30, 40, 50]
df = pd.DataFrame(data, index=my_index)
print(df)

このコードは、MyIndex という名前のカスタムインデックスを作成し、そのインデックスを使用して DataFrame を作成します。

どの方法を選択するべきか

使用する方法は、データの構造、要件、および好みの操作によって異なります。

独自の要件を満たす必要がある場合は、カスタムインデックスを作成します。
データの構造が単純で、時間ベースの操作を行う必要がない場合は、単純なリストを使用します。
時間ベースのデータを表す必要がある場合は、DateTimeIndex または PeriodIndex を使用します。

各オプションの長所と短所を比較検討し、ニーズに合ったものを選択することが重要です。

上記の例は基本的な例であり、より複雑な状況で使用されるより高度なテクニックも存在します。