Python pandas：データの行に対するラベル「index」について

バイオインフォマティクスのデータ解析において、Pythonの pandas ライブラリは必須のツールです。遺伝子発現データ、配列データ、メタデータなど、大量のデータを扱う場面で強力な機能を提供してくれます。その中でも 「index（インデックス）」 は、データの整理や検索、効率的な処理を行う上で欠かせない概念です。

本記事では、pandasのindexとは何か？どのように活用できるのか？ を、バイオインフォマティクスの実例を交えながら解説していきます。

1. pandasのindexとは？
1. 1.1 Seriesのindex
2. 1.2 DataFrameのindex
2. indexの設定と操作
3. indexのユニーク性と重複
4. indexの活用例（バイオインフォマティクス）
1. 4.1 遺伝子発現データのフィルタリング
5. まとめ

1. pandasのindexとは？

pandasのindexは、データの行に対するラベル です。Excelの行番号に似ていますが、より自由度が高く、カスタマイズ可能な点が特徴です。

pandasのデータ構造には Series（1次元）と DataFrame（2次元）がありますが、どちらにもindexが存在します。

1.1 Seriesのindex

import pandas as pd

data = pd.Series([10, 20, 30], index=["A", "B", "C"])
print(data)

出力

A    10
B    20
C    30
dtype: int64

この例では、デフォルトの数値インデックス（0, 1, 2）ではなく、A, B, Cをカスタムインデックスとして設定しています。

1.2 DataFrameのindex

df = pd.DataFrame({
    "Gene": ["BRCA1", "TP53", "EGFR"],
    "Expression": [2.5, 8.1, 5.3]
}, index=["Sample1", "Sample2", "Sample3"])

print(df)

出力

         Gene  Expression
Sample1  BRCA1        2.5
Sample2   TP53        8.1
Sample3   EGFR        5.3

このように、各サンプル（Sample1, Sample2, Sample3）をindexとして設定できます。遺伝子発現データを扱う際には、サンプルIDや遺伝子名をindexにすることで、データの検索や操作がしやすくなります。

2. indexの設定と操作

pandasのindexは、以下のように操作できます。

2.1 indexの設定

データフレームの作成時に、特定の列をindexにすることも可能です。

df = pd.DataFrame({
    "Sample": ["S1", "S2", "S3"],
    "Gene": ["BRCA1", "TP53", "EGFR"],
    "Expression": [2.5, 8.1, 5.3]
})

df.set_index("Sample", inplace=True)
print(df)

出力

       Gene  Expression
Sample                 
S1     BRCA1        2.5
S2      TP53        8.1
S3      EGFR        5.3

set_index("Sample") によって、Sample列がindexになり、より意味のあるデータ構造になりました。

2.2 indexをリセットする

indexを通常の列に戻すには、reset_index() を使います。

df.reset_index(inplace=True)
print(df)

出力

  Sample   Gene  Expression
0     S1  BRCA1        2.5
1     S2   TP53        8.1
2     S3   EGFR        5.3

このように、indexを解除し、通常の列として扱うことができます。

2.3 indexを使ったデータの選択

indexを指定してデータを取得することもできます。

print(df.loc["S2"])

出力

Gene          TP53
Expression     8.1
Name: S2, dtype: object

このように、df.loc["S2"] で Sample が “S2” の行を取得できます。

3. indexのユニーク性と重複

通常、indexはユニークであることが望ましいですが、重複したindex を持つことも可能です。

df = pd.DataFrame({
    "Gene": ["BRCA1", "TP53", "EGFR", "TP53"],
    "Expression": [2.5, 8.1, 5.3, 7.9]
}, index=["Sample1", "Sample2", "Sample3", "Sample2"])

print(df)

出力

         Gene  Expression
Sample1  BRCA1        2.5
Sample2   TP53        8.1
Sample3   EGFR        5.3
Sample2   TP53        7.9

このように、Sample2 が重複しています。これにより、df.loc["Sample2"] は複数の行を返します。

4. indexの活用例（バイオインフォマティクス）

バイオインフォマティクスでは、pandasのindexを活用して遺伝子発現データや変異データを効率的に扱えます。

4.1 遺伝子発現データのフィルタリング

例えば、「特定の遺伝子の発現値が一定以上のサンプルを抽出する」場合：

df = pd.DataFrame({
    "Gene": ["BRCA1", "TP53", "EGFR", "MYC"],
    "Sample1": [2.5, 8.1, 5.3, 6.2],
    "Sample2": [1.2, 7.9, 4.8, 5.6],
    "Sample3": [3.1, 8.5, 6.1, 7.0]
})

df.set_index("Gene", inplace=True)
filtered_df = df[df["Sample1"] > 3.0]
print(filtered_df)

出力

       Sample1  Sample2  Sample3
Gene                              
TP53      8.1      7.9      8.5
EGFR      5.3      4.8      6.1
MYC       6.2      5.6      7.0

このように、indexを遺伝子名にすることで、df.loc["BRCA1"] のように特定の遺伝子を簡単に取り出したり、条件を指定してデータを抽出できます。