pands DataFrame行列インデックスと値の取得方法

pands DataFrameは二次元ですから、列索引もあれば、行索引もあります。
前のページでは、列の索引のみを紹介しています。

import pandas as pd

df = pd.DataFrame({'A': [0, 1, 2], 'B': [3, 4, 5]})
print df

#   :
  A B
0 0 3
1 1 4
2 2 5

行の索引は自動的に0,1,2を生成します。
行の索引と列の索引を自分で指定する場合は、indexとcolumnパラメータが使用できます。
このデータは5つの駅の10日間の乗客データです。

ridership_df = pd.DataFrame(
  data=[[  0,  0,  2,  5,  0],
     [1478, 3877, 3674, 2328, 2539],
     [1613, 4088, 3991, 6461, 2691],
     [1560, 3392, 3826, 4787, 2613],
     [1608, 4802, 3932, 4477, 2705],
     [1576, 3933, 3909, 4979, 2685],
     [ 95, 229, 255, 496, 201],
     [  2,  0,  1,  27,  0],
     [1438, 3785, 3589, 4174, 2215],
     [1342, 4043, 4009, 4665, 3033]],
  index=['05-01-11', '05-02-11', '05-03-11', '05-04-11', '05-05-11',
      '05-06-11', '05-07-11', '05-08-11', '05-09-11', '05-10-11'],
  columns=['R003', 'R004', 'R005', 'R006', 'R007']
)

dataパラメータはnumpy二次元配列であり、  indexパラメータは行インデックス、columnパラメータは列インデックスです。
生成したデータはテーブル形式で表示されます。

     R003 R004 R005 R006 R007
05-01-11   0   0   2   5   0
05-02-11 1478 3877 3674 2328 2539
05-03-11 1613 4088 3991 6461 2691
05-04-11 1560 3392 3826 4787 2613
05-05-11 1608 4802 3932 4477 2705
05-06-11 1576 3933 3909 4979 2685
05-07-11  95  229  255  496  201
05-08-11   2   0   1  27   0
05-09-11 1438 3785 3589 4174 2215
05-10-11 1342 4043 4009 4665 3033

DataFrameの値はどうやって取得しますか？
1.ある列を取得する：直接［key］

print(ridership_df['R003'])

#   :
05-01-11    0
05-02-11  1478
05-03-11  1613
05-04-11  1560
05-05-11  1608
05-06-11  1576
05-07-11   95
05-08-11    2
05-09-11  1438
05-10-11  1342
Name: R003, dtype: int64

2.ある行を取得する:  .loc['key']

print(ridership_df.loc['05-01-11'])
#   
print(ridership_df.iloc[0])


#   :
R003  0
R004  0
R005  2
R006  5
R007  0
Name: 05-01-11, dtype: int64

3.ある行の列の値を取得します。

print(ridership_df.loc['05-05-11','R003'])
#   
print(ridership_df.iloc[4,0])

#   :
1608

4.元のnumpy二次元配列を取得する：

print(ridership_df.values)

#   :
[[  0  0  2  5  0]
 [1478 3877 3674 2328 2539]
 [1613 4088 3991 6461 2691]
 [1560 3392 3826 4787 2613]
 [1608 4802 3932 4477 2705]
 [1576 3933 3909 4979 2685]
 [ 95 229 255 496 201]
 [  2  0  1  27  0]
 [1438 3785 3589 4174 2215]
 [1342 4043 4009 4665 3033]]

*この過程で、データフォーマットが一致しないと、変換されます。
一つの総合栗：
ライダーシップからdfは最初の日に一番多くの交通量がある駅を探して、この駅に戻ってくる日の平均的な客流と、すべての駅に戻る日の平均的な客流を比較します。

def mean_riders_for_max_station(ridership):
  max_index = ridership.iloc[0].argmax()
  mean_for_max = ridership[max_index].mean()
  overall_mean = ridership.values.mean()
  return (overall_mean, mean_for_max)

print mean_riders_for_max_station(ridership_df)

#   :
(2342.6, 3239.9)

以上が本文の全部です。皆さんの勉強に役に立つように、私たちを応援してください。