CSVファイルを読み込みたい（ROOT::RDF::FromCSV）

1#include "ROOT/RDataFrame.hxx"
2
3auto df = ROOT::RDF::FromCSV("data.csv");
4auto cols = df.GetColumnNames();
5auto hist = df.Histo1D({"h", "Data", 100, 0, 100}, "column_name");

ROOT::RDF::FromCSVを使用して、CSV形式のファイルをRDataFrameで読み込みます。 自動的に列名と列の型が推論され、すぐにデータ分析を開始できます。

1import ROOT
2
3df = ROOT.RDF.FromCSV("data.csv")
4cols = df.GetColumnNames()
5hist = df.Histo1D(("h", "Data", 100, 0, 100), "column_name")

メソッドのシグネチャ

1ROOT::RDataFrame ROOT::RDF::FromCSV(
2    std::string_view fileName,
3    bool readHeaders = true,
4    char delimiter = ',',
5    Long64_t linesChunkSize = -1LL,
6    std::unordered_map<std::string, char> &&colTypes = {}
7)

引数と戻り値

引数:

  • fileName - CSVファイルのパス

  • readHeaders - 最初の行をヘッダー（列名）として扱うか（デフォルト: true）

  • delimiter - フィールド区切り文字（デフォルト: ','）

  • linesChunkSize - 処理チャンクサイズ（デフォルト: -1で自動）

  • colTypes - 列の型を明示指定（空の場合は自動推論）

戻り値:

  • RDataFrameオブジェクト

ヘッダー付きCSVを読み込みたい（FromCSV）

1#include "ROOT/RDataFrame.hxx"
2#include <iostream>
3
4auto df = ROOT::RDF::FromCSV("measurements.csv");
5auto filtered = df.Filter("temperature > 20.0 && humidity < 80.0");
6auto mean = filtered.Mean("temperature");
7
8std::cout << *mean << std::endl;

CSVファイルの最初の行にカラム名が含まれている場合、readHeaders=true（デフォルト）で読み込みます。

CSVファイルの例：

temperature,humidity,timestamp
20.5,65,2025-01-01T10:00:00
21.3,68,2025-01-01T10:15:00
19.8,72,2025-01-01T10:30:00

1import ROOT
2
3df = ROOT.RDF.FromCSV("measurements.csv")
4filtered = df.Filter("temperature > 20.0 and humidity < 80.0")
5print(filtered.Mean("temperature").GetValue())

ヘッダーなしCSVを読み込みたい（FromCSV）

1#include "ROOT/RDataFrame.hxx"
2
3auto df = ROOT::RDF::FromCSV("plot_data.csv", false);
4auto graph = df.Graph("Col0", "Col1");
5graph->SetMarkerStyle(20);
6graph->Draw("AP");

CSVファイルに列名がない場合は、readHeaders=falseを指定します。 列は自動的にCol0、Col1、Col2……という名前で参照できます。

CSVファイルの例：

1.0,2.5
2.0,4.2
3.0,6.1

1import ROOT
2
3df = ROOT.RDF.FromCSV("plot_data.csv", False)
4print(df.GetColumnNames())
5g = df.Graph("Col0", "Col1")
6g.Draw("AP")

区切り文字を変更したい（FromCSV）

 1#include "ROOT/RDataFrame.hxx"
 2
 3// タブ区切り（TSV）
 4auto df_tsv = ROOT::RDF::FromCSV("data.tsv", true, '\t');
 5
 6// セミコロン区切り
 7auto df_semi = ROOT::RDF::FromCSV("data.csv", true, ';');
 8
 9// パイプ区切り
10auto df_pipe = ROOT::RDF::FromCSV("data.txt", true, '|');

CSVファイルがタブやセミコロンなど異なる区切り文字を使用している場合、delimiterパラメーターで指定します。

カラムの型を明示的に指定したい（FromCSV）

 1#include "ROOT/RDataFrame.hxx"
 2#include <unordered_map>
 3
 4auto df = ROOT::RDF::FromCSV(
 5    "sensor_data.csv",
 6    false,  // ヘッダーなし
 7    ',',
 8    -1,
 9    {{"Col0", 'D'}, {"Col1", 'D'}, {"Col2", 'L'}, {"Col3", 'T'}}
10);
11
12auto sum = df.Sum<Double_t>("Col0");

CSVファイルを読み込む際、デフォルトでは列の型が最初のデータ行から自動推論されます。 型の曖昧さがある場合や、明確な型指定が必要な場合はcolTypesパラメーターで指定します。

型文字の一覧

  • 'L' - Long64_t（64-bit整数）

  • 'D' - Double_t（倍精度浮動小数点）

  • 'O' - bool（ブール値）

  • 'T' - std::string（文字列）

 1import ROOT
 2
 3df = ROOT.RDF.FromCSV(
 4    "sensor_data.csv",
 5    False,
 6    ",",
 7    -1,
 8    {
 9        "Col0": 0x44,  # Double（'D'の ASCII コード）
10        "Col1": 0x44,  # Double
11        "Col2": 0x4c,  # Long64_t（'L'の ASCII コード）
12        "Col3": 0x54   # String（'T'の ASCII コード）
13    }
14)

フィルタリングと新規カラムを定義をしたい（FromCSV）

 1#include "ROOT/RDataFrame.hxx"
 2
 3auto df = ROOT::RDF::FromCSV("physics_data.csv");
 4
 5auto filtered = df.Filter("charge1 * charge2 == -1");
 6auto with_mass = filtered.Define(
 7    "invariant_mass",
 8    "sqrt(pow(E1 + E2, 2) - pow(px1 + px2, 2) - pow(py1 + py2, 2) - pow(pz1 + pz2, 2))"
 9);
10
11auto mass_window = with_mass.Filter("invariant_mass > 80 && invariant_mass < 100");
12auto hist = mass_window.Histo1D({"h", "Mass", 50, 80, 100}, "invariant_mass");
13hist->Draw();

RDataFrameを使用して、CSVデータに対して複雑なフィルタリングと列の演算を実行できます。

 1import ROOT
 2
 3df = ROOT.RDF.FromCSV("physics_data.csv")
 4
 5filtered = df.Filter("charge1 * charge2 == -1")
 6with_mass = filtered.Define(
 7    "invariant_mass",
 8    "sqrt(pow(E1 + E2, 2) - pow(px1 + px2, 2) - pow(py1 + py2, 2) - pow(pz1 + pz2, 2))"
 9)
10mass_window = with_mass.Filter("invariant_mass > 80 and invariant_mass < 100")
11hist = mass_window.Histo1D(("h", "Mass", 50, 80, 100), "invariant_mass")
12hist.Draw()

CSV を ROOT ファイルに変換したい（FromCSV）

1#include "ROOT/RDataFrame.hxx"
2
3auto df = ROOT::RDF::FromCSV("input.csv");
4df.Snapshot("tree", "output.root");

CSVファイルを一度だけ変換してROOT形式に保存することで、繰り返し読み込み時のパフォーマンスが向上します。

1import ROOT
2
3df = ROOT.RDF.FromCSV("input.csv")
4df.Snapshot("tree", "output.root")
5
6# 次回以降は高速で読み込める
7df2 = ROOT.RDataFrame("tree", "output.root")

複数列の統計情報を取得したい（FromCSV）

 1#include "ROOT/RDataFrame.hxx"
 2#include <iostream>
 3
 4auto df = ROOT::RDF::FromCSV("data.csv");
 5
 6auto mean_x = df.Mean("x");
 7auto mean_y = df.Mean("y");
 8auto std_x = df.StdDev("x");
 9auto std_y = df.StdDev("y");
10
11std::cout << "X: " << *mean_x << " ± " << *std_x << std::endl;
12std::cout << "Y: " << *mean_y << " ± " << *std_y << std::endl;

RDataFrameを使用して、複数の列について同時に統計情報を取得できます。

1import ROOT
2
3df = ROOT.RDF.FromCSV("data.csv")
4
5print(f"X mean: {df.Mean('x').GetValue():.3f}")
6print(f"X std: {df.StdDev('x').GetValue():.3f}")
7print(f"Y mean: {df.Mean('y').GetValue():.3f}")
8print(f"Y std: {df.StdDev('y').GetValue():.3f}")

CSVファイルの形式要件

FromCSVで読み込めるCSVファイルの形式：

# コメント行（# で始まる）
col1,col2,col3
10,20,text1
15,25,text2
20,30,text3

25,35,text4

形式の規則

  • コメント行：#で始まる行はスキップされます

  • 空行：自動的にスキップされます

  • フィールド数：すべての行で同じ列数である必要があります

  • クォート処理：区切り文字を含むフィールドは"でクォートします

  • エスケープ：クォート内のクォートは二重化（"He said ""Hello"""）

注意事項

  • スペースは有効です（前後のスペースは削除されません）

  • 埋め込まれた改行はサポートされていません

  • 先頭ゼロ（00123）は数値と推論される可能性があります。ZIPコードの場合は型を明示指定してください

制限事項

メモリ制限

FromCSVはCSVファイル全体をメモリに読み込みます。 非常に大きなファイルの場合は、CSVをROOTフォーマットに変換して保存することをオススメします。

型推論の落とし穴

型は最初の「データ行」（ヘッダーではなく）から推論されます。 先頭ゼロを含む値（00123）の場合、整数型と推論される可能性があります。 このような場合は、colTypesパラメーターで型を明示指定してください。

関連するメソッド

参考資料