📖 このステップで学ぶこと

・列の選択（1列・複数列）

・行の選択（iloc：位置指定）

・行の選択（loc：ラベル指定）

・条件抽出（単一条件・複数条件）

・文字列を含む条件抽出

学習時間の目安： 3〜3.5時間

📝 1列を選択する書き方

df[‘列名’] → 指定した列を取り出す（推奨）

df.列名 → ドット記法（シンプルだが制限あり）

・dfはDataFrameの変数名です

・列名は文字列なので、シングルクォート（’）またはダブルクォート（”）で囲みます

・ドット記法は、列名にスペースや特殊文字がある場合は使えません

コード：1列を選択する

# Pandasをインポート
import pandas as pd

# サンプルデータを作成
data = {
    '名前': ['太郎', '花子', '次郎', '美咲', '健太'],
    '年齢': [25, 23, 27, 24, 26],
    '都市': ['東京', '大阪', '名古屋', '福岡', '札幌']
}

# DataFrameを作成
df = pd.DataFrame(data)

# 元のDataFrameを表示
print("DataFrame:")
print(df)

print()

# 1列を選択（ブラケット記法）
print("年齢列を選択:")
print(df['年齢'])

print()

# 1列を選択（ドット記法）
print("名前列を選択（ドット記法）:")
print(df.名前)

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

DataFrame:
   名前  年齢   都市
0  太郎  25   東京
1  花子  23   大阪
2  次郎  27  名古屋
3  美咲  24   福岡
4  健太  26   札幌

年齢列を選択:
0    25
1    23
2    27
3    24
4    26
Name: 年齢, dtype: int64

名前列を選択（ドット記法）:
0    太郎
1    花子
2    次郎
3    美咲
4    健太
Name: 名前, dtype: object

💡 コードの解説

df[‘年齢’]

　・dfから「年齢」列だけを取り出します

　・結果はSeries（1次元のデータ）になります

　・左端の0, 1, 2, 3, 4はインデックス（行番号）です

df.名前

　・ドット記法で「名前」列を取り出します

　・df[‘名前’]と同じ結果が得られます

Name: 年齢, dtype: int64の意味：

　・Name: 列名を示します

　・dtype: データ型を示します（int64は整数）

📌 2つの書き方の比較

📝 複数列を選択する書き方

df[[‘列名1’, ‘列名2’, ‘列名3’]]

・列名をリスト（[ ]）で囲みます

・カッコが二重になることに注意してください

・外側の[ ]：DataFrameへのアクセス

・内側の[ ]：列名のリスト

コード：複数列を選択する

import pandas as pd

# 商品データを作成
data = {
    '商品名': ['商品A', '商品B', '商品C', '商品D'],
    '価格': [1000, 1500, 2000, 1200],
    '在庫': [50, 80, 60, 30],
    'カテゴリ': ['電化製品', '食品', '電化製品', '衣類']
}

df = pd.DataFrame(data)

print("元のDataFrame:")
print(df)

print()

# 複数列を選択（リストで指定）
print("商品名と価格のみ:")
print(df[['商品名', '価格']])

print()

# 列の順番も変えられる
print("価格と商品名（順番を変更）:")
print(df[['価格', '商品名']])

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

元のDataFrame:
   商品名    価格  在庫  カテゴリ
0  商品A  1000  50  電化製品
1  商品B  1500  80    食品
2  商品C  2000  60  電化製品
3  商品D  1200  30    衣類

商品名と価格のみ:
   商品名    価格
0  商品A  1000
1  商品B  1500
2  商品C  2000
3  商品D  1200

価格と商品名（順番を変更）:
     価格  商品名
0  1000  商品A
1  1500  商品B
2  2000  商品C
3  1200  商品D

💡 コードの解説

df[[‘商品名’, ‘価格’]]

　・「商品名」と「価格」の2列を選択します

　・結果はDataFrame（2次元）になります

df[[‘価格’, ‘商品名’]]

　・列の順番を変えて選択できます

　・リストに書いた順番で列が並びます

⚠️ よくある間違い

複数列を選択する時は二重のカッコが必要です！

✅ 正しい書き方：df[['列1', '列2']]

❌ 間違い：df['列1', '列2'] → エラーになります

カッコが二重になる理由：

　・外側の[ ]：dfから取り出すための記号

　・内側の[ ]：複数の列名をまとめるリスト

📝 ilocの書き方

df.iloc[行番号] → 1行を選択

df.iloc[開始:終了] → 範囲で選択（終了は含まない）

df.iloc[[番号1, 番号2]] → 飛び飛びで選択

df.iloc[行, 列] → 行と列を同時に指定

・番号は0から始まります（0が1行目）

・負の数も使えます（-1は最後の行）

コード：ilocで1行を選択

import pandas as pd

# サンプルデータを作成
data = {
    '名前': ['太郎', '花子', '次郎', '美咲', '健太'],
    '年齢': [25, 23, 27, 24, 26],
    '都市': ['東京', '大阪', '名古屋', '福岡', '札幌']
}

df = pd.DataFrame(data)

print("DataFrame:")
print(df)

print()

# 1行目（インデックス0）を選択
print("1行目（iloc[0]）:")
print(df.iloc[0])

print()

# 3行目（インデックス2）を選択
print("3行目（iloc[2]）:")
print(df.iloc[2])

print()

# 最後の行（インデックス-1）を選択
print("最後の行（iloc[-1]）:")
print(df.iloc[-1])

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

DataFrame:
   名前  年齢   都市
0  太郎  25   東京
1  花子  23   大阪
2  次郎  27  名古屋
3  美咲  24   福岡
4  健太  26   札幌

1行目（iloc[0]）:
名前    太郎
年齢    25
都市    東京
Name: 0, dtype: object

3行目（iloc[2]）:
名前     次郎
年齢     27
都市    名古屋
Name: 2, dtype: object

最後の行（iloc[-1]）:
名前    健太
年齢    26
都市    札幌
Name: 4, dtype: object

💡 コードの解説

df.iloc[0]

　・0番目の行（1行目）を取得します

　・結果はSeries形式で、列名がインデックスになります

df.iloc[2]

　・2番目の行（3行目）を取得します

　・0, 1, 2と数えるので、2は3行目です

df.iloc[-1]

　・最後の行を取得します

　・-1は「後ろから1番目」という意味です

　・-2なら「後ろから2番目」になります

コード：ilocで複数行を選択

import pandas as pd

data = {
    '名前': ['太郎', '花子', '次郎', '美咲', '健太'],
    '年齢': [25, 23, 27, 24, 26]
}

df = pd.DataFrame(data)

print("DataFrame:")
print(df)

print()

# 最初の3行（0〜2番目）
print("最初の3行（iloc[0:3]）:")
print(df.iloc[0:3])

print()

# 2行目から4行目（1〜3番目）
print("2行目から4行目（iloc[1:4]）:")
print(df.iloc[1:4])

print()

# 飛び飛びで選択（1行目、3行目、5行目）
print("1行目、3行目、5行目:")
print(df.iloc[[0, 2, 4]])

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

DataFrame:
   名前  年齢
0  太郎  25
1  花子  23
2  次郎  27
3  美咲  24
4  健太  26

最初の3行（iloc[0:3]）:
   名前  年齢
0  太郎  25
1  花子  23
2  次郎  27

2行目から4行目（iloc[1:4]）:
   名前  年齢
1  花子  23
2  次郎  27
3  美咲  24

1行目、3行目、5行目:
   名前  年齢
0  太郎  25
2  次郎  27
4  健太  26

💡 範囲指定のルール

iloc[開始:終了]のルール：

　・開始は含まれる

　・終了は含まれない

例：iloc[0:3]

　・0番目、1番目、2番目が選ばれる

　・3番目は含まれない

覚え方：「開始から終了の手前まで」

📝 行と列を同時に選択する書き方

df.iloc[行, 列] → 1つのセルを取得

df.iloc[行範囲, 列範囲] → 範囲で取得

df.iloc[:, 列] → 全行の特定列（:は「全て」の意味）

コード：行と列を同時に選択

import pandas as pd

data = {
    '名前': ['太郎', '花子', '次郎'],
    '数学': [85, 92, 78],
    '英語': [90, 88, 82],
    '国語': [78, 85, 88]
}

df = pd.DataFrame(data)

print("DataFrame:")
print(df)

print()

# 2行目の3列目（花子の英語）
print("2行目の3列目（iloc[1, 2]）:")
print(df.iloc[1, 2])

print()

# 1〜2行目、2〜3列目
print("1〜2行目、2〜3列目:")
print(df.iloc[0:2, 1:3])

print()

# 全行の2列目（数学）
print("全行の2列目（数学）:")
print(df.iloc[:, 1])

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

DataFrame:
   名前  数学  英語  国語
0  太郎  85  90  78
1  花子  92  88  85
2  次郎  78  82  88

2行目の3列目（iloc[1, 2]）:
88

1〜2行目、2〜3列目:
   数学  英語
0  85  90
1  92  88

全行の2列目（数学）:
0    85
1    92
2    78
Name: 数学, dtype: int64

💡 コードの解説

df.iloc[1, 2]

　・1行目（花子）、2列目（英語）のセルを取得

　・結果は88という単一の値になります

df.iloc[0:2, 1:3]

　・0〜1行目（太郎と花子）、1〜2列目（数学と英語）

　・結果は2×2のDataFrameになります

df.iloc[:, 1]

　・「:」は「全て」という意味

　・全行の1列目（数学）を取得

📝 locの書き方

df.loc[‘ラベル名’] → 1行を選択

df.loc[[‘ラベル1’, ‘ラベル2’]] → 複数行を選択

df.loc[‘ラベル’, ‘列名’] → 行と列を同時に指定

df.loc[:, ‘列名’] → 全行の特定列

コード：locでラベル名を指定

import pandas as pd

# 成績データ（インデックスに名前を設定）
data = {
    '数学': [85, 92, 78],
    '英語': [90, 88, 82],
    '国語': [78, 85, 88]
}

# indexパラメータで行インデックスを指定
df = pd.DataFrame(data, index=['太郎', '花子', '次郎'])

print("DataFrame:")
print(df)

print()

# 太郎のデータを取得
print("太郎のデータ（loc['太郎']）:")
print(df.loc['太郎'])

print()

# 花子のデータを取得
print("花子のデータ（loc['花子']）:")
print(df.loc['花子'])

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

DataFrame:
    数学  英語  国語
太郎  85  90  78
花子  92  88  85
次郎  78  82  88

太郎のデータ（loc['太郎']）:
数学    85
英語    90
国語    78
Name: 太郎, dtype: int64

花子のデータ（loc['花子']）:
数学    92
英語    88
国語    85
Name: 花子, dtype: int64

💡 コードの解説

pd.DataFrame(data, index=[‘太郎’, ‘花子’, ‘次郎’])

　・indexパラメータで行インデックスに名前を設定

　・通常は0, 1, 2ですが、ここでは太郎、花子、次郎になります

df.loc[‘太郎’]

　・インデックスが「太郎」の行を取得

　・番号ではなく名前で指定できます

コード：locで行と列を同時に選択

import pandas as pd

data = {
    '数学': [85, 92, 78, 88],
    '英語': [90, 88, 82, 95],
    '国語': [78, 85, 88, 82]
}

df = pd.DataFrame(data, index=['太郎', '花子', '次郎', '美咲'])

print("DataFrame:")
print(df)

print()

# 太郎の数学の点数
print("太郎の数学:")
print(df.loc['太郎', '数学'])

print()

# 花子と次郎の英語と国語
print("花子と次郎の英語と国語:")
print(df.loc[['花子', '次郎'], ['英語', '国語']])

print()

# 全員の数学
print("全員の数学:")
print(df.loc[:, '数学'])

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

DataFrame:
    数学  英語  国語
太郎  85  90  78
花子  92  88  85
次郎  78  82  88
美咲  88  95  82

太郎の数学:
85

花子と次郎の英語と国語:
    英語  国語
花子  88  85
次郎  82  88

全員の数学:
太郎    85
花子    92
次郎    78
美咲    88
Name: 数学, dtype: int64

📌 ilocとlocの使い分け

📝 条件抽出の書き方

df[df[‘列名’] 条件]

条件式の演算子：

　・== → 等しい

　・!= → 等しくない

　・> → より大きい

　・>= → 以上

　・< → より小さい

　・<= → 以下

コード：条件抽出の基本

import pandas as pd

data = {
    '名前': ['太郎', '花子', '次郎', '美咲', '健太'],
    '年齢': [25, 23, 27, 24, 26],
    '年収': [400, 380, 450, 390, 420]
}

df = pd.DataFrame(data)

print("DataFrame:")
print(df)

print()

# 25歳以上
print("25歳以上:")
print(df[df['年齢'] >= 25])

print()

# 年収400万円以上
print("年収400万円以上:")
print(df[df['年収'] >= 400])

print()

# 名前が太郎
print("名前が太郎:")
print(df[df['名前'] == '太郎'])

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

DataFrame:
   名前  年齢  年収
0  太郎  25 400
1  花子  23 380
2  次郎  27 450
3  美咲  24 390
4  健太  26 420

25歳以上:
   名前  年齢  年収
0  太郎  25 400
2  次郎  27 450
4  健太  26 420

年収400万円以上:
   名前  年齢  年収
0  太郎  25 400
2  次郎  27 450
4  健太  26 420

名前が太郎:
   名前  年齢  年収
0  太郎  25 400

💡 条件抽出の仕組み

条件式は、各行に対してTrue/Falseを返します。

例：df[‘年齢’] >= 25 の結果：

　・0: True（25歳 >= 25）→ 抽出される

　・1: False（23歳 >= 25）→ 抽出されない

　・2: True（27歳 >= 25）→ 抽出される

　・3: False（24歳 >= 25）→ 抽出されない

　・4: True（26歳 >= 25）→ 抽出される

Trueの行だけが結果に含まれます。

📝 AND条件の書き方

df[(条件1) & (条件2)]

・各条件をカッコ( )で囲みます（必須）

・&でAND（かつ）を表します

・Pythonの「and」は使えません

コード：AND条件での抽出

import pandas as pd

data = {
    '商品名': ['商品A', '商品B', '商品C', '商品D', '商品E'],
    '価格': [1000, 1500, 2000, 800, 1200],
    '在庫': [50, 80, 30, 90, 60]
}

df = pd.DataFrame(data)

print("DataFrame:")
print(df)

print()

# 価格1000円以上 かつ 在庫50個以上
print("価格1000円以上 かつ 在庫50個以上:")
result = df[(df['価格'] >= 1000) & (df['在庫'] >= 50)]
print(result)

print()

# 価格1500円以下 かつ 在庫70個以上
print("価格1500円以下 かつ 在庫70個以上:")
result2 = df[(df['価格'] <= 1500) & (df['在庫'] >= 70)]
print(result2)

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

DataFrame:
   商品名    価格  在庫
0  商品A  1000  50
1  商品B  1500  80
2  商品C  2000  30
3  商品D   800  90
4  商品E  1200  60

価格1000円以上 かつ 在庫50個以上:
   商品名    価格  在庫
0  商品A  1000  50
1  商品B  1500  80
4  商品E  1200  60

価格1500円以下 かつ 在庫70個以上:
   商品名    価格  在庫
1  商品B  1500  80
3  商品D   800  90

📝 OR条件の書き方

df[(条件1) | (条件2)]

・各条件をカッコ( )で囲みます（必須）

・|でOR（または）を表します

・Pythonの「or」は使えません

コード：OR条件での抽出

import pandas as pd

data = {
    '名前': ['太郎', '花子', '次郎', '美咲', '健太'],
    '都市': ['東京', '大阪', '東京', '福岡', '東京'],
    '年齢': [25, 23, 27, 24, 26]
}

df = pd.DataFrame(data)

print("DataFrame:")
print(df)

print()

# 東京 または 大阪
print("東京 または 大阪:")
result = df[(df['都市'] == '東京') | (df['都市'] == '大阪')]
print(result)

print()

# 25歳未満 または 27歳以上
print("25歳未満 または 27歳以上:")
result2 = df[(df['年齢'] < 25) | (df['年齢'] >= 27)]
print(result2)

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

DataFrame:
   名前  都市  年齢
0  太郎  東京  25
1  花子  大阪  23
2  次郎  東京  27
3  美咲  福岡  24
4  健太  東京  26

東京 または 大阪:
   名前  都市  年齢
0  太郎  東京  25
1  花子  大阪  23
2  次郎  東京  27
4  健太  東京  26

25歳未満 または 27歳以上:
   名前  都市  年齢
1  花子  大阪  23
2  次郎  東京  27
3  美咲  福岡  24

⚠️ 複数条件の重要な注意点

Pandasでは「and」「or」ではなく「&」「|」を使います！

❌ 間違い：df[(df['年齢'] >= 25) and (df['年収'] >= 400)]

　→ エラーになります

✅ 正しい：df[(df['年齢'] >= 25) & (df['年収'] >= 400)]

各条件は必ずカッコ( )で囲んでください！

❌ 間違い：df[df['年齢'] >= 25 & df['年収'] >= 400]

✅ 正しい：df[(df['年齢'] >= 25) & (df['年収'] >= 400)]

📝 文字列検索の書き方

df[df[‘列名’].str.contains(‘検索語’)] → 含む

df[df[‘列名’].str.startswith(‘検索語’)] → 〜で始まる

df[df[‘列名’].str.endswith(‘検索語’)] → 〜で終わる

コード：文字列を含むデータを抽出

import pandas as pd

data = {
    '商品名': ['リンゴジュース', 'オレンジジュース', 'バナナ', 'リンゴ', 'オレンジ'],
    '価格': [150, 180, 100, 120, 130]
}

df = pd.DataFrame(data)

print("DataFrame:")
print(df)

print()

# 商品名に「ジュース」を含む
print("商品名に「ジュース」を含む:")
print(df[df['商品名'].str.contains('ジュース')])

print()

# 商品名に「リンゴ」を含む
print("商品名に「リンゴ」を含む:")
print(df[df['商品名'].str.contains('リンゴ')])

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

DataFrame:
         商品名  価格
0    リンゴジュース 150
1  オレンジジュース 180
2        バナナ 100
3        リンゴ 120
4      オレンジ 130

商品名に「ジュース」を含む:
         商品名  価格
0    リンゴジュース 150
1  オレンジジュース 180

商品名に「リンゴ」を含む:
       商品名  価格
0  リンゴジュース 150
3      リンゴ 120

💡 str.contains()の解説

df[‘商品名’].str.contains(‘ジュース’)

　・.str：文字列メソッドにアクセス

　・.contains(‘ジュース’)：「ジュース」を含むか判定

　・各行に対してTrue/Falseを返します

結果：

　・リンゴジュース → True（含む）

　・オレンジジュース → True（含む）

　・バナナ → False（含まない）

　・リンゴ → False（含まない）

　・オレンジ → False（含まない）

コード：前方一致・後方一致

import pandas as pd

data = {
    '商品コード': ['A001', 'A002', 'B001', 'B002', 'C001'],
    '商品名': ['商品A1', '商品A2', '商品B1', '商品B2', '商品C1']
}

df = pd.DataFrame(data)

print("DataFrame:")
print(df)

print()

# Aで始まるコード
print("Aで始まるコード:")
print(df[df['商品コード'].str.startswith('A')])

print()

# 1で終わる商品名
print("1で終わる商品名:")
print(df[df['商品名'].str.endswith('1')])

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

DataFrame:
   商品コード  商品名
0   A001 商品A1
1   A002 商品A2
2   B001 商品B1
3   B002 商品B2
4   C001 商品C1

Aで始まるコード:
   商品コード  商品名
0   A001 商品A1
1   A002 商品A2

1で終わる商品名:
   商品コード  商品名
0   A001 商品A1
2   B001 商品B1
4   C001 商品C1

コード：売上データの分析

import pandas as pd

# 売上データを作成
data = {
    '日付': ['2024-01-01', '2024-01-02', '2024-01-03', '2024-01-04', '2024-01-05'],
    '店舗': ['新宿店', '渋谷店', '新宿店', '池袋店', '渋谷店'],
    '売上': [120000, 135000, 150000, 145000, 160000],
    '来客数': [45, 52, 58, 55, 62]
}

df = pd.DataFrame(data)

print("全データ:")
print(df)

print()

# 売上15万円以上
print("売上15万円以上:")
high_sales = df[df['売上'] >= 150000]
print(high_sales)

print()

# 新宿店のデータ
print("新宿店のデータ:")
shinjuku = df[df['店舗'] == '新宿店']
print(shinjuku)

# 新宿店の売上合計
print(f"\n新宿店の売上合計: {shinjuku['売上'].sum():,}円")

print()

# 来客数が50人以上の店舗（店舗と来客数のみ表示）
print("来客数50人以上（店舗と来客数のみ）:")
busy_stores = df[df['来客数'] >= 50]
print(busy_stores[['店舗', '来客数']])

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

全データ:
         日付  店舗     売上  来客数
0  2024-01-01 新宿店 120000   45
1  2024-01-02 渋谷店 135000   52
2  2024-01-03 新宿店 150000   58
3  2024-01-04 池袋店 145000   55
4  2024-01-05 渋谷店 160000   62

売上15万円以上:
         日付  店舗     売上  来客数
2  2024-01-03 新宿店 150000   58
4  2024-01-05 渋谷店 160000   62

新宿店のデータ:
         日付  店舗     売上  来客数
0  2024-01-01 新宿店 120000   45
2  2024-01-03 新宿店 150000   58

新宿店の売上合計: 270,000円

来客数50人以上（店舗と来客数のみ）:
    店舗  来客数
1  渋谷店   52
2  新宿店   58
3  池袋店   55
4  渋谷店   62

💡 抽出と集計の組み合わせ

抽出したデータに対して、さらに計算を行うことができます：

shinjuku[‘売上’].sum()

　・新宿店のデータから売上列を取り出し

　・.sum()で合計を計算

busy_stores[[‘店舗’, ‘来客数’]]

　・条件抽出したデータから、さらに必要な列だけを選択

　・このように抽出を連鎖させることができます

📋 問題

以下のDataFrameから、「商品名」と「価格」の列だけを選択してください。

・商品名: [‘商品A’, ‘商品B’, ‘商品C’]

・価格: [1000, 1500, 2000]

・在庫: [50, 80, 60]

📋 問題

以下のDataFrameから、2行目と4行目を選択してください（ilocを使用）。

・名前: [‘太郎’, ‘花子’, ‘次郎’, ‘美咲’, ‘健太’]

・年齢: [25, 23, 27, 24, 26]

📋 問題

以下のDataFrameから、80点以上の点数だけを抽出してください。

・名前: [‘太郎’, ‘花子’, ‘次郎’, ‘美咲’, ‘健太’]

・点数: [85, 72, 95, 78, 90]

📋 問題

以下のDataFrameから、価格が1000円以上 かつ 在庫が50個以上の商品を抽出してください。

・商品名: [‘商品A’, ‘商品B’, ‘商品C’, ‘商品D’]

・価格: [1200, 800, 1500, 1000]

・在庫: [60, 70, 40, 55]

📋 問題

以下のDataFrameから、「東京」または「大阪」に住んでいる人を抽出してください。

・名前: [‘太郎’, ‘花子’, ‘次郎’, ‘美咲’, ‘健太’]

・都市: [‘東京’, ‘名古屋’, ‘大阪’, ‘福岡’, ‘東京’]

・年齢: [25, 23, 27, 24, 26]

📋 問題

以下のDataFrameから、商品名に「ジュース」を含む商品を抽出し、その価格の合計を計算してください。

・商品名: [‘リンゴジュース’, ‘バナナ’, ‘オレンジジュース’, ‘リンゴ’, ‘グレープジュース’]

・価格: [150, 100, 180, 120, 160]

✅ 学んだこと

✓ df[‘列名’]で列を選択できる

✓ df[[‘列1’, ‘列2’]]で複数列を選択できる（二重カッコに注意）

✓ ilocで位置（番号）を指定して行を選択できる

✓ locでラベル（名前）を指定して行を選択できる

✓ 条件式でデータを抽出できる

✓ &（AND）と|（OR）で複数条件を組み合わせられる

✓ str.contains()で文字列検索ができる

💡 次のステップに進む前に確認

以下のことができるようになったか確認しましょう：

□ 列を選択できますか？（1列、複数列）

□ ilocとlocの違いがわかりますか？

□ 条件式でデータを抽出できますか？

□ 複数条件（&、|）を使えますか？

□ 文字列検索ができますか？

これらができたら、次のステップに進みましょう！

A: ilocは位置（0, 1, 2…）で選択、locはラベル名で選択します。インデックスに意味のある名前がついている場合（日付、商品名など）はlocが便利です。プログラムで自動処理する場合はilocが使いやすいです。

A: &は配列全体に対する演算子、andは単一の真偽値に対する演算子です。Pandasでは複数行に対して条件を適用するため、&を使う必要があります。また、各条件をカッコ()で囲むのを忘れずに！

A: 空のDataFrameが返されます。エラーにはなりません。len()で行数を確認すると0になります。条件が厳しすぎる可能性があるので、条件を緩めてみましょう。

A: 列にNaN（欠損値）が含まれている可能性があります。na=Falseオプションを追加してください。df['列'].str.contains('検索語', na=False)これでNaNを無視できます。

A: 抽出はコピーを返すので、元のDataFrameは変わりません。反映させたい場合は、変数に代入し直します。df = df[条件]または、df.drop()で不要な行を削除します。ただし、元データは残しておくことをお勧めします。