グループに分ける

python code

2022.04.05

「グループごとに何かを計算したい」 場面では、pandas.groupby() が使えます。

df.groupby(列名).処理のように書くことで、指定した列の値でグループ分けして処理を行います。たとえば、df.groupby("カテゴリ").mean() は「DataFrame型のオブジェクトdfを、列カテゴリの値ごとにグループ分けして平均値をとる」処理をします。

import pandas as pd

# データの読み込み
df = pd.read_csv("dataset/physical_measurement_clean.csv")
df

	Name	Height	Weight	Club
0	佐藤	172	53	野球部
1	田中	160	50	合唱部
2	鈴木	165	58	美術部
3	高橋	170	59	美術部
4	伊藤	166	54	サッカー部
5	山本	156	51	所属なし
6	渡辺	163	58	所属なし

さっそく部活ごとの身長と体重の平均値を計算してみましょう。 df.groupby(列名).処理 のように書くことで、指定した列の値でグループ分けして処理を行います。今回は平均値を出したいため、処理の部分にはmean()を使いましょう。

下記のコードを実行すると、部活ごとの身長・体重の平均値がDataFrame型のオブジェクトで得られます。なお、文字列が格納されている列Nameは平均値を計算できないため、自動的に無視されます。

# 列Clubのグループごとに、各列の平均値を計算
mean_df= df.groupby("Club").mean()
mean_df

次に、部活ごとの最大値を確認してみましょう。mean()の代わりにmax()を適用すると、各列の最大値が得られます。

# 列Clubのグループごとに、各列の最大値を計算
max_df = df.groupby("Club").max()
max_df

Out[3]: