DataFrame（データフレーム）とは、データ分析や機械学習において広く用いられる、行と列からなる二次元の表形式データ構造です。主にPythonのライブラリであるPandasなどで提供されており、異なるデータ型のカラムを同一のテーブル内で保持しながら、データの結合、集計、フィルタリング、欠損値処理などを効率的に行えます。
DataFrameとは
DataFrame（データフレーム）は、一言で言えば「プログラミング上で扱えるスプレッドシートのような二次元の表形式データ構造」です。機械学習のデータ前処理やデータ分析において、行と列で構成されたデータを直感的かつ高度に操作するための標準的なデータ表現として位置づけられています。
詳しく解説
DataFrameは、Pythonのデータ分析ライブラリであるPandasの中心的なコンポーネントとして広く知られています。その内部は、列ごとに異なるデータ型（数値、文字列、真偽値など）を保持できるように設計されており、大量のデータを効率的に処理するNumPyの多次元配列技術をベースに構築されています。機械学習プロジェクトにおいては、生のデータをモデルが学習できる形式に整形するデータクレンジングの工程で不可欠な存在です。データの結合（Join）、グループ化（GroupBy）、フィルタリング、欠損値の補完、統計量の計算など、データ操作に関するほぼすべての処理を簡潔なコードで高速に実行できます。近年では、Pandasだけでなく、ビッグデータ処理用のApache Sparkや高速化されたPolarsなどのフレームワークでも同様の概念であるDataFrameが広く採用されています。
具体例・使われ方
例えば、顧客データ（顧客ID、名前、購入額、登録日）を扱う場合、これをDataFrameとして読み込むことで、「購入額が1万円以上の顧客」を一行のコードで抽出したり、登録日を基準にソートしたりできます。また、機械学習モデルにデータを入力する前段階として、欠損値が含まれる行を削除したり、特定の平均値で埋める処理（データクレンジング）を容易に行うことができます。
似た用語との違い
混同されやすい概念として、Pandasの「Series」があります。DataFrameが二次元の表形式データ（行と列）であるのに対し、Seriesは一列のみの一次元データ構造です。DataFrameから一つの列を抽出するとSeriesになります。また、NumPyの「ndarray（多次元配列）」とも比較されますが、ndarrayは基本的にすべての要素が同じデータ型である必要があるのに対し、DataFrameは列ごとに異なるデータ型を柔軟に混在させることができる点が異なります。
注意点
注意点として、PandasのDataFrameは基本的にすべてのデータをメモリ上に展開して処理するため、物理メモリを超えるような巨大なビッグデータを扱うとメモリ不足（OOMエラー）を起こす可能性があります。そのような場合は、メモリ効率の良いPolarsを使用するか、分散処理をサポートするSparkなどのDataFrame実装を検討する必要があります。また、データコピーが発生する操作を不必要に繰り返すと、処理パフォーマンスが著しく低下することもあります。