【Python】Pythonピボットテーブルを完全攻略｜pivot_table

ピボットテーブルでデータを加工する

Excelのピボットテーブルと同様の機能がPythonのDataFrameにも存在します

pivot_tableの機能により「クロス集計表」も簡単に作ることができます

Excelでは「ピボットテーブルのフィールド」という、視覚的にも分かりやすいボックスが存在しますが

一方でPythonでは全てパラメータで記述する必要があります

こちらの記事で集計方法をご説明します

事前準備

Pandasというデータ解析を実施できるライブラリをインポートします　

import pandas as pd

※サンプルデータ：学校のテストの点数

import pandas as pd
# 本サイトから直接データを取得
df = pd.read_html('https://smart-hint.com/student-data/')[0]
df.head()

pivot_tableの使い方

pivot_tableは必須級のパラメータが複数存在します

最終的にどういうテーブルになっていればよいのかを想定して記述を始めてください

考えるべきポイントは5つ！

この5つのポイントはそのままパラメータとして利用します

上記の図では「学校のテスト」のデータ（data）を使ってピボットテーブルを作っています

「クラス」をまとめる項目（index）として、「性別」で分割（columns）しています

「国語」の点数を値（values）として、「平均」を計算（aggfunc）しています

つまり「クラス×性別」ごとの平均点を出しています

パラメータ

おすすめ度を判定：★★★＝必須｜★★☆＝推奨｜★☆☆＝任意

★★★：data（対象データ）

pd.pivot_table(df)

まずはdataで利用するDataFrameを指定しましょう

dataとは書いていますが、そのままDataFrameの変数名を記述します

今回はサンプルデータの変数「df」を指定しています

またメソッドとして利用することも可能です

df.pivot_table()

★★★：index（まとめる項目）

df.pivot_table(index='class', values='english')

indexではピボットテーブルでまとめたい項目を指定します

今回はindexにクラス（1~8組）を指定してみます

※後述しますが、valuesに英語の点数を指定します

複数の項目でまとめる（マルチインデックス）には、元のデータの列名を[ ]リストで指定してください

例として性別と部活の種類をリストとして記述します

df.pivot_table(index=['sex','club_athletic'], values='english')

★★☆：columns（分割する項目）

df.pivot_table(index='class', columns='sex', values='english')

続いて分割する項目としてcolumnsを指定します

ピボットテーブルでは列（カラム）としてアプトプットされます

クラスごとの数値を「性別」でも分けてみましょう

indexとcolumnsを指定することで、クロス集計表を作成することができました

こちらも元のデータの列名をリストで記述することで、マルチカラムとなります

df.pivot_table(index='class', columns=['sex','club_athletic'], values='english')

★★★：values（計算する値）

df.pivot_table(index='class', values='english')

valuesではピボットテーブルで表示したい「値」を記載します

元のデータから数値型の列を抽出してください

複数の数値を指定することもできます

「国語」「数学」「英語」の3つの点数を[ ]リスト形式で値に入れてみましょう

df.pivot_table(index='class', values=['japanese','math','english'])

もしvaluesを記載しない場合は、数値型の情報が全て抽出されます

df.pivot_table(index='class') #valuesの記載なし

今回の例ではindexのみ「クラス」を指定しvaluesを指定していません

すると「国語」「数学」「英語」の数値型の点数に加えて、生徒番号や運動部化の有無も抽出されました

★★★：aggfunc（集計関数）

df.pivot_table(index='class', values='english', aggfunc='mean')

aggfuncでは集計関数、つまり計算する方法を指定します

記載がない場合は「平均：np.mean」が採用されます

指定方法は「np.mean」と指定しても、「’mean’」と指定しても結果は同じです

それぞれの集計方法を抽出するには、リストで記述しましょう

df.pivot_table(index='class', values='english',
               aggfunc=('min','max','mean'))

国語の点数の「最大値・平均値・最小値」を抽出してみました

★☆☆：margins（総計）

df.pivot_table(index='class', columns='sex', values='english',
               margins=True)

marginsをパラメータで「True」を設定することで、「総計」を表示することができます

総計といっても平均の場合は全体の平均値になります

デフォルトでは「False」で設定されており、「総計」は表示されません

★☆☆：margins_name（総計の名前）

df.pivot_table(index='class', columns='sex', values='english',
               margins=True, margins_name='総計')

margins=Trueで設定した総計に対し、margins_nameで任意の名前を付けることができます

※インデックスを解除する方法

df.pivot_table(index=['sex','club_athletic'],
               values='english').reset_index()

ピボットテーブルを加工する際に「インデックス」の構造では扱いにくくなることがあります

そこでreset_indexのメソッドを利用し、インデックスを解除することができます

「0.1.2.3…」と数字の連番がインデックスとして追加されます

まとめ

今回はPythonのデータを集計する際によく使うpivot_tableをご紹介してきました

基本的な使い方を覚えてしまえば、Pythonのデータ加工が非常に楽になります

ぜひ覚えて使ってみてください