Excel・CSVを条件で抽出・除外する方法｜Google Colab＋Python

「毎回Excelで同じフィルターをかけて、必要なデータだけ取り出している。」

そんな作業はありませんか？

売上一覧や商品リスト、注文履歴などを確認するとき、

• 売上10,000円以上だけ見たい
• 東京店のデータだけ取り出したい
• 東京店かつ売上10,000円以上だけ確認したい
• 東京店または大阪店だけ残したい
• 売上0円の行を除外したい
• キャンセル済みの注文を取り除きたい

といった処理をすることがあります。

この記事では、Google ColabとPythonを使って、CSVから条件に合う行を抽出したり、逆に条件に合う行を安全に除外したりする方法を紹介します。

「条件抽出」と「条件除外」の違い

処理	残すデータ	例
条件抽出	条件に合う行	売上10,000円以上だけ残す
条件除外	条件に合わない行	キャンセル済みを除外する

まずは条件に合うデータを抽出する

今回使う売上データ

店舗	商品コード	商品名	売上
東京	A001	商品A	10000
大阪	A001	商品A	12000
福岡	A002	商品B	7000
東京	A002	商品B	8000
大阪	A003	商品C	9000
福岡	A004	商品D	11000

Google ColabにCSVをアップロードする

import pandas as pd

df = pd.read_csv("all_sales.csv")

display(df)

売上10,000円以上だけ抽出する

filtered_df = df[
    df["売上"] >= 10000
]

display(filtered_df)

東京店だけ抽出する

tokyo_df = df[
    df["店舗"] == "東京"
]

display(tokyo_df)

AND条件｜東京店かつ売上10,000円以上を抽出する

tokyo_high_sales_df = df[
    (df["店舗"] == "東京")
    &
    (df["売上"] >= 10000)
]

display(tokyo_high_sales_df)

OR条件｜東京店または大阪店を抽出する

tokyo_osaka_df = df[
    (df["店舗"] == "東京")
    |
    (df["店舗"] == "大阪")
]

display(tokyo_osaka_df)

条件に合う行を「除外」する方法

いきなり対象行を消さず、除外対象を先に確認してから、残す行だけで新しいDataFrameを作ります。

除外処理で使うテストデータ

注文番号	商品名	売上	ステータス	店舗
A001	りんご	1200	完了	東京
A002	みかん	0	完了	東京
A003	ぶどう	2000	キャンセル	大阪
A004	もも	1800	完了	大阪
A005	いちご	0	キャンセル	福岡
A006	なし	1600	完了	福岡

売上0円またはキャンセルの行を除外対象にする

delete_condition = (
    (df["売上"] == 0)
    |
    (df["ステータス"] == "キャンセル")
)

除外対象を先に確認する

delete_rows = df[
    delete_condition
].copy()

print("除外対象件数:", len(delete_rows))
print(
    "除外対象の売上合計:",
    delete_rows["売上"].sum()
)

display(delete_rows)

「~」で条件を反転して、残す行だけ取り出す

filtered_df = df[
    ~delete_condition
].copy()

print("除外後のデータ件数:", len(filtered_df))
print(
    "除外後の売上合計:",
    filtered_df["売上"].sum()
)

display(filtered_df)

本当に正しく除外できたか件数・金額で確認する

before_count = len(df)
before_sales = df["売上"].sum()

delete_count = len(delete_rows)
delete_sales = delete_rows["売上"].sum()

after_count = len(filtered_df)
after_sales = filtered_df["売上"].sum()

count_match = (
    before_count - delete_count
    == after_count
)

sales_match = (
    before_sales - delete_sales
    == after_sales
)

print("データ件数の一致:", count_match)
print("売上合計の一致:", sales_match)

処理結果を新しいCSVとして保存する

output_file = "filtered_sales.csv"

filtered_df.to_csv(
    output_file,
    index=False,
    encoding="utf-8-sig"
)

保存したCSVを再読み込みして確認する

saved_df = pd.read_csv(
    "filtered_sales.csv",
    encoding="utf-8-sig",
    dtype=str,
    keep_default_na=False
)

filtered_check_df = filtered_df.astype(str)

data_match = (
    filtered_check_df
    .reset_index(drop=True)
    .equals(
        saved_df
        .reset_index(drop=True)
    )
)

print("保存前後のデータ一致:", data_match)

まとめ

条件抽出と条件除外は、条件に合う側を残すか、合わない側を残すかの違いです。

除外対象を先に確認し、件数や金額を照合し、元データを残し、保存後も再確認する。

この流れにしておけば、条件設定を間違えた場合にも気付きやすくなります。