Pandasを使って複数のデータフレームを表示する方法

Pandasで複数のデータフレームを作成する

Pandasライブラリを使用してPythonで複数のデータフレームを作成する方法を紹介します。まず、必要なライブラリをインポートします。

import pandas as pd

次に、2つの異なるデータフレームを作成します。ここでは、df1とdf2という名前のデータフレームを作成します。

# データフレーム1の作成
data1 = {
    'A': ['A0', 'A1', 'A2', 'A3'],
    'B': ['B0', 'B1', 'B2', 'B3'],
    'C': ['C0', 'C1', 'C2', 'C3'],
    'D': ['D0', 'D1', 'D2', 'D3'],
}
df1 = pd.DataFrame(data1)

# データフレーム2の作成
data2 = {
    'A': ['A4', 'A5', 'A6', 'A7'],
    'B': ['B4', 'B5', 'B6', 'B7'],
    'C': ['C4', 'C5', 'C6', 'C7'],
    'D': ['D4', 'D5', 'D6', 'D7'],
}
df2 = pd.DataFrame(data2)

これで、2つのデータフレームdf1とdf2が作成されました。次のステップでは、これらのデータフレームをどのように表示するかを見ていきます。それについては次の小見出しで詳しく説明します。

データフレームをグループ化して表示する

前のセクションで作成した2つのデータフレーム、df1とdf2をグループ化して表示する方法を見ていきましょう。ここでは、display関数を使用してデータフレームを一度に表示します。

from IPython.display import display

# データフレームを表示
display(df1)
display(df2)

上記のコードを実行すると、df1とdf2が順番に表示されます。しかし、これらのデータフレームを同時に表示するにはどうすればよいでしょうか？

そのためには、display関数をカスタマイズして複数のデータフレームを同時に表示する関数を作成します。

from IPython.display import display_html

def display_side_by_side(*args):
    html_str=''
    for df in args:
        html_str+=df.to_html()
    display_html(html_str.replace('table','table style="display:inline"'),raw=True)

# データフレームを同時に表示
display_side_by_side(df1, df2)

上記のdisplay_side_by_side関数を使用すると、df1とdf2を同時に表示することができます。この関数は任意の数のデータフレームを引数として受け取り、それらを同時に表示します。

次のセクションでは、データフレームをHTMLテーブルとして表示する方法について説明します。それについては次の小見出しで詳しく説明します。

HTMLテーブルとしてデータフレームを表示する

Pandasのデータフレームは、そのままHTMLテーブルとして表示することも可能です。これは、Jupyter Notebookなどの環境でデータを視覚的に確認する際に非常に便利です。

まず、前のセクションで作成したdf1とdf2をHTMLテーブルとして表示してみましょう。

# データフレームをHTMLとして表示
display(HTML(df1.to_html()))
display(HTML(df2.to_html()))

上記のコードを実行すると、df1とdf2がHTMLテーブルとして表示されます。

さらに、複数のデータフレームを一度にHTMLテーブルとして表示することも可能です。以下にその方法を示します。

# 複数のデータフレームを一度にHTMLとして表示
html_str = ''
for df in [df1, df2]:
    html_str += df.to_html()
display(HTML(html_str))

上記のコードを実行すると、df1とdf2が一度にHTMLテーブルとして表示されます。これにより、複数のデータフレームを一覧で確認することが容易になります。

以上が、Pandasを使用して複数のデータフレームを作成し、それらをグループ化して表示する方法、そしてHTMLテーブルとして表示する方法についての説明です。これらのテクニックを活用することで、データ分析作業がより効率的になることでしょう。次回は、さらに高度なデータ操作について学んでいきましょう。それでは、次回まで。