pandasでリストの長さを計算！データ分析に役立つテクニック｜自作で機械学習モデル・AIの使い方を学ぶ

データ分析において、データを扱う上でリストは重要なデータ型です。pandasを使えば、データフレーム内のリストの長さを簡単に計算できます。リストの長さを計算することで、例えば、以下のようなことができます。

データフレーム内のリストの要素数を求めることで、カテゴリ変数のグループごとのデータ数を調べることができます。
リストの平均長さや分布を調べることで、カテゴリ変数ごとのデータの傾向を調べることができます。
データフレーム内のリストの長さに基づいてフィルタリングを行うことで、特定の条件を満たすデータのみを抽出することができます。

本記事では、pandasを使ってリストの長さを計算する方法を紹介します。

pandasの基本操作とリストの長さを求める方法

pandasは、データフレームとシリーズという2つのデータ構造を提供しています。データフレームは表形式のデータを扱うのに適しており、シリーズは1次元の配列を扱うのに適しています。データフレーム内のリストの長さを計算するためには、以下のようにします。

import pandas as pd

# サンプルデータを作成
df = pd.DataFrame({'名前': ['太郎', '花子', '次郎'],
                    '好きな果物': [['りんご', 'みかん'], ['バナナ'], ['イチゴ', 'ブルーベリー', 'キウイ']]})

# リストの長さを計算
df['果物の数'] = df['好きな果物'].apply(len)

print(df)

上記のコードでは、データフレームを作成した後、apply関数を用いて好きな果物列の各要素の長さを求め、果物の数列を新たに作成しています。

データフレーム内のリストの長さを計算するアプローチ

データフレーム内のリストの長さを計算するには、上記の方法以外にもいくつかのアプローチがあります。以下にそれらを紹介します。

explode関数を用いた方法

データフレーム内のリストを展開するために、explode関数を使う方法があります。

import pandas as pd
# サンプルデータを作成
df = pd.DataFrame({'名前': ['太郎', '花子', '次郎'],
                    '好きな果物': [['りんご', 'みかん'], ['バナナ'], ['イチゴ', 'ブルーベリー', 'キウイ']]})

# リストを展開して長さを計算
df['果物の数'] = df.explode('好きな果物').groupby(level=0).count()['好きな果物']

print(df)

上記のコードでは、explode関数を用いて好きな果物列を展開しています。展開後に、groupby関数を用いて元のデータフレームのインデックスごとにカウントしています。最後に、果物の数列を新たに作成しています。

apply関数とlambda関数を用いた方法

apply関数とlambda関数を使って、データフレーム内のリストの長さを計算する方法もあります。

import pandas as pd
# サンプルデータを作成
df = pd.DataFrame({'名前': ['太郎', '花子', '次郎'],
                    '好きな果物': [['りんご', 'みかん'], ['バナナ'], ['イチゴ', 'ブルーベリー', 'キウイ']]})

# apply関数とlambda関数を使ってリストの長さを計算
df['果物の数'] = df['好きな果物'].apply(lambda x: len(x))

print(df)

上記のコードでは、apply関数を用いて好きな果物列の各要素に対して、lambda関数を使ってリストの長さを求めています。

応用編：複数列を用いたリストの長さの計算と処理

データフレーム内の複数列を用いて、リストの長さを計算することもできます。以下のようなサンプルデータがあったとします。

import pandas as pd
# サンプルデータを作成
df = pd.DataFrame({'名前': ['太郎', '花子', '次郎'],
                    '好きな果物': [['りんご', 'みかん'], ['バナナ'], ['イチゴ', 'ブルーベリー', 'キウイ']],
                    '好きな色': [['赤', '青'], [' 黄'], ['ピンク', '緑', '黄緑']],
                    '好きな食べ物': [['寿司', '天ぷら'], ['焼肉'], ['パスタ', 'ピザ']]})

この場合、各列ごとにリストの長さを計算し、新しい列としてデータフレームに追加することができます。

import pandas as pd
# サンプルデータを作成
df = pd.DataFrame({'名前': ['太郎', '花子', '次郎'],
                    '好きな果物': [['りんご', 'みかん'], ['バナナ'], ['イチゴ', 'ブルーベリー', 'キウイ']],
                    '好きな色': [['赤', '青'], ['黄'], ['ピンク', '緑', '黄緑']],
                    '好きな食べ物': [['寿司', '天ぷら'], ['焼肉'], ['パスタ', 'ピザ']]})

# 各列ごとにリストの長さを計算
df['果物の数'] = df['好きな果物'].apply(len)
df['色の数'] = df['好きな色'].apply(len)
df['食べ物の数'] = df['好きな食べ物'].apply(len)

print(df)

上記のコードでは、各列ごとにapply関数を用いてリストの長さを求め、果物の数列、色の数列、食べ物の数列を新たに作成しています。