groupby()の使い方

次のようにDataFrameのgroupby()メソッドを使うと、指定した列の値に応じてデータがグループ化されます。

# 指定した列でグループ化
df.groupby(列名)

DataFrameをグループ化した結果（df.groupby(列名)の実行結果）は、 DataFrameGroupBy型のオブジェクトになります。
DataFrameGroupByオブジェクトにはグループに関する情報が含まれており、集約・変換・抽出のためのメソッドと組み合わせることで、グループごとの処理を適用できます。

具体的に、簡単な集約の例を見てみましょう。次のような試験結果のデータがあるとします。1行に1生徒の成績が格納されており、各生徒は1-A・1-Bのいずれかのクラスに属しています。インデックスには、生徒IDが設定されています。

このデータを使って、各クラスの点数の平均 と 各クラスの学習時間（分）の平均 を計算してみましょう。

生徒ID	クラス	点数	学習時間（分）
ST001	1-A	60	232
ST002	1-A	87	345
ST003	1-B	66	180
ST004	1-A	72	22
ST005	1-B	74	120
ST006	1-B	58	215

今回は列クラスがグループ化の基準なので、groupby()の引数にはクラスを指定します。

# 列「クラス」でグループ化
grouped = df.groupby("クラス")

groupedは、DataFrameGroupBy型のオブジェクトです。

DataFrameGroupByオブジェクトにはグループに関する情報が含まれており、各グループは次のように グループ名（キー） と データ（DataFrame） で構成されています。
前問で説明した 分割・適用・結合の3ステップに当てはめると、groupby()の処理は「分割」のステップに相当します。

DataFrameGroupByオブジェクトはそのままでは中身を確認できませんが、groups属性を使うと、グループ化された情報を辞書形式で確認できます。

# グループ化された情報を確認
grouped.groups

{'1-A': ['ST001', 'ST002', 'ST004'], '1-B': ['ST003', 'ST005', 'ST006']}

キーがグループ名、値が「そのグループに属する行のインデックスの一覧」です。今回は生徒IDがインデックスなので、各クラスに属する生徒IDの一覧を確認できることがわかります。

DataFrameGroupByオブジェクトのmean()を使うと、グループごとに各列の平均を計算します。

# グループごとに平均を計算
grouped.mean()

クラス	点数	学習時間（分）
1-A	73.0	199.666667
1-B	66.0	171.666667

検算した結果と比較すると、意図通り各クラスの平均が計算されていることがわかります。

列点数の場合:

• 1-A: (60 + 87 + 72) / 3 = 73.0
• 1-B: (66 + 74 + 58) / 3 = 66.0

前問で説明した分割・適用・結合の3ステップに当てはめると、mean()の処理は「適用」と「結合」のステップに相当します。

この他にも、最大値を求めるmax()や最小値を求めるmin()など、DataFrameGroupByは集約のためのさまざまなメソッドを持っています。

先ほどの例では、DataFrameGroupByオブジェクトとmean()を組み合わせて、すべての列について各グループの平均を計算しました。

すべての列ではなく、特定の列だけをグループごとに集約したい場合は、SeriesGroupByオブジェクトが使えます。

DataFrameでは、df[列名]のように[]で列名を指定することで特定の列のSeriesを取得できました。同様に、DataFrameGroupByでも、grouped[列名]とすることで特定の列のSeriesGroupByオブジェクトを取得できます。

一部異なる点はありますが、SeriesGroupByではDataFrameGroupByと同じように集約メソッドなどが使えます。

# 指定した列でグループ化
grouped = df.groupby(列名1)

# 指定した列について、グループごとに集約
# grouped[列名2]の部分がSeriesGroupByオブジェクト
grouped[列名2].集約メソッド()

たとえば、今回のデータで列点数だけクラスごとに平均を計算したい場合、次のように書きます。

# 列「クラス」でグループ化
grouped = df.groupby("クラス")
# グループごとに列「点数」の平均を計算
grouped["点数"].mean()

クラス
1-A    73.0
1-B    66.0
Name: 点数, dtype: float64

groupbyオブジェクトの性質

get_group

df.groupby('city').get_group('osaka')

city	food	price	quantity
0	osaka	apple	100	1
1	osaka	orange	200	2
2	osaka	banana	250	3
3	osaka	banana	300	4

.groups

df.groupby('city').groups

{'osaka': Int64Index([0, 1, 2, 3], dtype='int64'),
 'tokyo': Int64Index([4, 5, 6], dtype='int64')}

.size()

df.groupby('city').size()

city
osaka    4
tokyo    3
dtype: int64

df.groupby('city').size()['osaka']

4