pandasでカテゴリ別にグループ化

Pythonでカテゴリカルデータを扱う

Kasey Jones

Research Data Scientist

.groupby()の基本：データの分割

adult = pd.read_csv("data/adult.csv")
adult1 = adult[adult["Above/Below 50k"] == " <=50K"]
adult2 = adult[adult["Above/Below 50k"] == " >50K"]

は {{2}} に置換されます

groupby_object = adult.groupby(by=["Above/Below 50k"])

.groupby()の基本：関数の適用

groupby_object = adult.groupby(by=["Above/Below 50k"])

関数を適用:

groupby_object.mean()

                       Age        fnlgwt  Education Num  Capital Gain ...
Above/Below 50k                                                                                
 <=50K           36.783738  190340.86517       9.595065    148.752468 ...   
 >50K            44.249841  188005.00000      11.611657   4006.142456 ...

ワンライナー:

adult.groupby(by=["Above/Below 50k"]).mean()

列の指定

方法1：2列にだけ.sum()を実行

adult.groupby(by=["Above/Below 50k"])['Age', 'Education Num'].sum()

                    Age  Education Num
Above/Below 50k                       
 <=50K           909294         237190
 >50K            346963          91047

方法2：全数値列に.sum()してから抽出

adult.groupby(by=["Above/Below 50k"]).sum()[['Age', 'Education Num']]

大規模データでは方法1を推奨

複数列でgroupby

adult.groupby(by=["Above/Below 50k", "Marital Status"]).size()

Above/Below 50k  Marital Status        
 <=50K            Divorced                  3980
                  Married-AF-spouse           13
                  Married-civ-spouse        8284
                  Married-spouse-absent      384
                  Never-married            10192
                  Separated                  959
                  Widowed                    908
 >50K             Divorced                   463
                  Married-AF-spouse           10 <--- Only 10 records
                  Married-civ-spouse        6692
    ...

groupby()を練習しましょう

Pythonでカテゴリカルデータを扱う