時間単位によるグループ化

時間のデータを扱う時は、resample()が便利です。

resample()とは 頻度変更 を行うためのDataFrameのメソッドです。頻度変更には、次の2種類があります。

このうち、ダウンサンプリングの処理はgroupby()を使った集約と似ています。

本問では、groupby()の代わりにresample()で集約を行う方法を学びます。

resample()は、インデックスが日付時刻型のDataFrameで使えます。次のように 頻度を表す文字列 （月単位なら"M"、日単位なら"D"など）を指定して集約メソッドと組み合わせると、指定した単位で集約を行います。

df.resample(頻度を表す文字列).集約メソッド()

たとえば「月ごとに合計を集約する」場合、次のように記述します。

# 月ごとに合計を集約する（"M"は月を表す）
df.resample("M").sum()

「頻度を表す文字列」には、次のような文字列が指定可能です。

※ 四半期とは1年を3か月単位に分けて4分割したもので、企業の売上を期ごとに比較する時などに使用されます。pandasでは、1/1〜3/31、4/1〜6/30、7/1〜9/30、10/1〜12/31の期間で分けられます。

まずは、今回使うデータを読み込みましょう。次のコードでは、引数parse_datesを指定して、列日付を日付時刻型として読み込んでいます。

読み込んだデータには、ある架空の店舗の来店者数が日単位で格納されています。In [1]:

import pandas as pd

# 来店者数データを読み込み
df = pd.read_csv("dataset/visitors.csv", index_col="日付", parse_dates=["日付"])
# 先頭5行を確認
df.head()

resample()と集約メソッドを組み合わせると、指定した時間単位でデータを集約します。たとえば”Y”（年）を指定し、sum()と組み合わせると、年ごとの合計を計算します。

# 年ごとに合計する
sum_year_df = df.resample("Y").sum()
sum_year_df

指定する時間単位を変えることで、簡単に集計する単位を変更できます。たとえば、四半期ごとに集計したい場合は”Q”を指定します。

# 四半期ごとに合計する
sum_q_df = df.resample("Q").sum()
sum_q_df

resample()では、groupby()同様の集約の機能が使えます。

たとえば、agg() を使って複数の集約値を計算することも可能です。次のコードでは、年ごとの合計、最小値、最大値、平均値を一括で計算しています。

# 年ごとに合計、最大値、最小値、平均値を計算
agg_year_df = df.resample("Y").agg(["sum", "max", "min", "mean"])
agg_year_df