Pandas

[Python] Pandas – 最大値・最小値のある行を取得する方法

2025-01-18更新日: 2025-01-18

Pandasで最大値・最小値のある行を取得するには、idxmax()やidxmin()を使用して該当する行のインデックスを取得し、そのインデックスを使って行を選択します。

例えば、df.loc[df['列名'].idxmax()]で最大値の行、df.loc[df['列名'].idxmin()]で最小値の行を取得できます。

複数列に対しては、df[df == df.max()]やdf[df == df.min()]のように条件を指定して取得することも可能です。

目次から探す

列ごとの最大値・最小値の行を取得する方法
条件付きで最大値・最小値の行を取得する方法
応用例：特定の条件に基づく最大値・最小値の行を取得
まとめ

列ごとの最大値・最小値の行を取得する方法

Pandasを使用すると、データフレーム内の特定の列に対して最大値や最小値を持つ行を簡単に取得できます。

以下では、特定の列に対する最大値・最小値の行を取得する方法を解説します。

特定の列に対する最大値の行を取得

特定の列に対する最大値を持つ行を取得するには、idxmax()メソッドを使用します。

このメソッドは、指定した列の最大値を持つ行のインデックスを返します。

以下はそのサンプルコードです。

import pandas as pd
# サンプルデータの作成
data = {
    '名前': ['田中', '鈴木', '佐藤', '山田'],
    '点数': [85, 92, 78, 95]
}
df = pd.DataFrame(data)
# '点数'列の最大値を持つ行を取得
max_row = df.loc[df['点数'].idxmax()]
print(max_row)

名前      山田
点数      95
Name: 3, dtype: object

このコードでは、点数列の最大値を持つ行(山田さんの点数95)を取得しています。

特定の列に対する最小値の行を取得

特定の列に対する最小値を持つ行を取得するには、idxmin()メソッドを使用します。

このメソッドは、指定した列の最小値を持つ行のインデックスを返します。

以下はそのサンプルコードです。

import pandas as pd
# サンプルデータの作成
data = {
    '名前': ['田中', '鈴木', '佐藤', '山田'],
    '点数': [85, 92, 78, 95]
}
df = pd.DataFrame(data)
# '点数'列の最小値を持つ行を取得
min_row = df.loc[df['点数'].idxmin()]
print(min_row)

名前      佐藤
点数      78
Name: 2, dtype: object

このコードでは、点数列の最小値を持つ行(佐藤さんの点数78)を取得しています。

複数列の条件を組み合わせた行の取得

複数の列の条件を組み合わせて最大値や最小値を取得する場合、まずは条件を満たす行をフィルタリングし、その後に最大値や最小値を取得します。

以下はそのサンプルコードです。

import pandas as pd
# サンプルデータの作成
data = {
    '名前': ['田中', '鈴木', '佐藤', '山田'],
    '点数': [85, 92, 78, 95],
    '年齢': [20, 22, 21, 23]
}
df = pd.DataFrame(data)
# 年齢が21以上の行の中で、'点数'列の最大値を持つ行を取得
filtered_max_row = df[df['年齢'] >= 21].loc[df['点数'].idxmax()]
print(filtered_max_row)

名前    山田
点数    95
年齢    23
Name: 3, dtype: object

このコードでは、年齢が21以上の中で点数が最大の行(鈴木さんの点数92)を取得しています。

条件付きで最大値・最小値の行を取得する方法

Pandasを使用すると、特定の条件に基づいて最大値や最小値を持つ行を取得することができます。

ここでは、フィルタリングを用いた方法や、条件付きでの取得時の注意点について解説します。

フィルタリングと組み合わせた最大値・最小値の取得

フィルタリングを行った後に、最大値や最小値を取得する方法は非常に便利です。

まず、条件に合致する行をフィルタリングし、その後に最大値や最小値を取得します。

以下はそのサンプルコードです。

import pandas as pd
# サンプルデータの作成
data = {
    '名前': ['田中', '鈴木', '佐藤', '山田'],
    '点数': [85, 92, 78, 95],
    '年齢': [20, 22, 21, 23]
}
df = pd.DataFrame(data)
# 年齢が21以上の行の中で、'点数'列の最大値を持つ行を取得
filtered_max_row = df[df['年齢'] >= 21].loc[df['点数'].idxmax()]
print(filtered_max_row)
# 年齢が21以上の行の中で、'点数'列の最小値を持つ行を取得
filtered_min_row = df[df['年齢'] >= 21].loc[df['点数'].idxmin()]
print(filtered_min_row)

名前    山田
点数    95
年齢    23
Name: 3, dtype: object
名前    佐藤
点数    78
年齢    21
Name: 2, dtype: object

このコードでは、年齢が21以上の中で点数が最大の行(鈴木さん)と最小の行(山田さん)を取得しています。

条件付きで最大値・最小値を取得する際の注意点

条件付きで最大値や最小値を取得する際には、以下の点に注意が必要です。

フィルタリングの順序: フィルタリングを行った後に最大値や最小値を取得することが重要です。

フィルタリングを行わずに直接取得すると、全体のデータからの最大値や最小値が返されます。

データの整合性: フィルタリング条件に合致するデータが存在しない場合、idxmax()やidxmin()はエラーを引き起こす可能性があります。

事前にデータの存在を確認することが推奨されます。

NaNの扱い: データにNaN(欠損値)が含まれている場合、最大値や最小値の計算に影響を与えることがあります。

必要に応じて、dropna()メソッドを使用して欠損値を除外することが重要です。

複数条件を使った最大値・最小値の取得

複数の条件を組み合わせて最大値や最小値を取得することも可能です。

以下はそのサンプルコードです。

import pandas as pd
# サンプルデータの作成
data = {
    '名前': ['田中', '鈴木', '佐藤', '山田'],
    '点数': [85, 92, 78, 95],
    '年齢': [20, 22, 21, 23],
    '性別': ['男', '女', '男', '女']
}
df = pd.DataFrame(data)
# 年齢が21以上かつ性別が'女'の行の中で、'点数'列の最大値を持つ行を取得
filtered_max_row = df[(df['年齢'] >= 21) & (df['性別'] == '女')].loc[df['点数'].idxmax()]
print(filtered_max_row)
# 年齢が21以上かつ性別が'男'の行の中で、'点数'列の最小値を持つ行を取得
filtered_min_row = df[(df['年齢'] >= 21) & (df['性別'] == '男')].loc[df['点数'].idxmin()]
print(filtered_min_row)

名前    山田
点数    95
年齢    23
性別     女
Name: 3, dtype: object
名前    佐藤
点数    78
年齢    21
性別     男
Name: 2, dtype: object

このコードでは、年齢が21以上かつ性別が’女’の中で点数が最大の行(鈴木さん)と、年齢が21以上かつ性別が’男’の中で点数が最小の行(佐藤さん)を取得しています。

応用例：特定の条件に基づく最大値・最小値の行を取得

Pandasを使用すると、特定の条件に基づいてデータをグループ化し、各グループの最大値や最小値を持つ行を取得することができます。

ここでは、いくつかの応用例を紹介します。

グループごとの最大値・最小値の行を取得する方法

データをグループ化し、各グループの最大値や最小値を持つ行を取得するには、groupby()メソッドとidxmax()またはidxmin()を組み合わせて使用します。

以下はそのサンプルコードです。

import pandas as pd
# サンプルデータの作成
data = {
    '名前': ['田中', '鈴木', '佐藤', '山田', '田中', '鈴木'],
    '点数': [85, 92, 78, 95, 88, 90],
    '年齢': [20, 22, 21, 23, 20, 22]
}
df = pd.DataFrame(data)
# '名前'でグループ化し、各グループの最大点数を持つ行を取得
max_rows = df.loc[df.groupby('名前')['点数'].idxmax()]
print(max_rows)
# '名前'でグループ化し、各グループの最小点数を持つ行を取得
min_rows = df.loc[df.groupby('名前')['点数'].idxmin()]
print(min_rows)

   名前  点数  年齢
2  佐藤  78  21
3  山田  95  23
4  田中  88  20
1  鈴木  92  22
   名前  点数  年齢
2  佐藤  78  21
3  山田  95  23
0  田中  85  20
5  鈴木  90  22

このコードでは、各名前ごとの最大点数と最小点数を持つ行を取得しています。

日付データを使った最大値・最小値の行の取得

日付データを含むデータフレームから、特定の日付に基づいて最大値や最小値を持つ行を取得することも可能です。

以下はそのサンプルコードです。

import pandas as pd
# サンプルデータの作成
data = {
    '日付': pd.to_datetime(['2023-01-01', '2023-01-02', '2023-01-01', '2023-01-02']),
    '名前': ['田中', '鈴木', '佐藤', '山田'],
    '点数': [85, 92, 78, 95]
}
df = pd.DataFrame(data)
# 日付ごとの最大点数を持つ行を取得
max_rows_by_date = df.loc[df.groupby('日付')['点数'].idxmax()]
print(max_rows_by_date)
# 日付ごとの最小点数を持つ行を取得
min_rows_by_date = df.loc[df.groupby('日付')['点数'].idxmin()]
print(min_rows_by_date)

          日付  名前  点数
0 2023-01-01  田中  85
3 2023-01-02  山田  95
          日付  名前  点数
2 2023-01-01  佐藤  78
1 2023-01-02  鈴木  92

このコードでは、日付ごとの最大点数と最小点数を持つ行を取得しています。

欠損値を含むデータでの最大値・最小値の行の取得

欠損値を含むデータフレームから最大値や最小値を取得する場合、dropna()メソッドを使用して欠損値を除外することが重要です。

以下はそのサンプルコードです。

import pandas as pd
import numpy as np

# サンプルデータの作成
data = {
    '名前': ['田中', '鈴木', '佐藤', '山田'],
    '点数': [85, np.nan, 78, 95],
    '年齢': [20, 22, np.nan, 23]
}
df = pd.DataFrame(data)

# 欠損値を除外したデータフレームを作成
df_no_nan = df.dropna()

# 欠損値を除外した上で、最大点数を持つ行を取得
max_row_with_nan = df_no_nan.loc[df_no_nan['点数'].idxmax()]
print(max_row_with_nan)

# 欠損値を除外した上で、最小点数を持つ行を取得
min_row_with_nan = df_no_nan.loc[df_no_nan['点数'].idxmin()]
print(min_row_with_nan)

名前      山田
点数      95.0
年齢      23.0
Name: 3, dtype: object
名前      田中
点数      85.0
年齢      20.0
Name: 0, dtype: object

このコードでは、欠損値を除外した上で最大点数と最小点数を持つ行を取得しています。

複数の列で同時に最大値・最小値を取得する方法

複数の列を考慮して最大値や最小値を取得する場合、まずは条件を満たす行をフィルタリングし、その後に最大値や最小値を取得します。

以下はそのサンプルコードです。

import pandas as pd

# サンプルデータの作成
data = {
    '名前': ['田中', '鈴木', '佐藤', '山田'],
    '点数': [85, 92, 78, 95],
    '年齢': [20, 22, 21, 23],
    '性別': ['男', '女', '男', '女']
}
df = pd.DataFrame(data)

# 年齢が21以上の行をフィルタリング
filtered_df = df[df['年齢'] >= 21]

# フィルタリングされたデータフレームの中で、'点数'の最大値を持つ行を取得
max_score_row = filtered_df.loc[filtered_df['点数'].idxmax()]
print("点数の最大値を持つ行:")
print(max_score_row)

# フィルタリングされたデータフレームの中で、'年齢'の最大値を持つ行を取得
max_age_row = filtered_df.loc[filtered_df['年齢'].idxmax()]
print("\n年齢の最大値を持つ行:")
print(max_age_row)

# フィルタリングされたデータフレームの中で、'点数'の最小値を持つ行を取得
min_score_row = filtered_df.loc[filtered_df['点数'].idxmin()]
print("\n点数の最小値を持つ行:")
print(min_score_row)

# フィルタリングされたデータフレームの中で、'年齢'の最小値を持つ行を取得
min_age_row = filtered_df.loc[filtered_df['年齢'].idxmin()]
print("\n年齢の最小値を持つ行:")
print(min_age_row)

点数の最大値を持つ行:
名前    山田
点数    95
年齢    23
性別     女
Name: 3, dtype: object

年齢の最大値を持つ行:
名前    山田
点数    95
年齢    23
性別     女
Name: 3, dtype: object

点数の最小値を持つ行:
名前    佐藤
点数    78
年齢    21
性別     男
Name: 2, dtype: object

年齢の最小値を持つ行:
名前    佐藤
点数    78
年齢    21
性別     男
Name: 2, dtype: object

このコードでは、年齢が21以上の中で点数と年齢の両方の最大値と最小値を持つ行を取得しています。