pandasをオンライン実行

pandasのgroupbyでデータをグループ化する

このレッスンでは、groupby()を使ってDataFrameの行を列の値でグループに分け、グループごとの平均を計算します。

  • 中級
  • 約2分で読めます
  • 実行できるサンプル 1 件

はじめに

どんな問題を解決するか

「チームごとの平均点は?」「月ごとの売上合計は?」こうした問いに、行をループして合計の辞書を持つことで答えるのは間違いやすいものです。groupby が分割と要約を代わりにしてくれます。

身近なたとえ

groupby は、レシートを店ごとの封筒に分け、封筒ごとに合計し、合計を1枚の要約シートに書くようなものです。封筒に分け、封筒ごとに計算し、結果をまとめます。

レシートの封筒からコードへ
groupby("team")✉️ チームごとに1つの封筒
["score"]🧾 各レシートの点数を見る
.mean()🧮 封筒ごとに平均する
.reset_index()📄 結果を1枚のシートに書く
分割、適用、結合。
ひと言でいうと

groupby は DataFrame の行を1つ以上の列でグループに分け、各グループに計算を適用し、結果をまとめます。

重要なポイント

  1. results.groupby("team") は行をチーム A とチーム B に分けます。
  2. ["score"].mean() は各チームの中で点数を平均します。
  3. ここではどちらのチームも平均85.0です。
  4. reset_index() はチームのラベルを普通の列に戻します。

どんな場面で使う?

  • クラスごとの平均、月ごとの合計、国ごとの件数など、種類ごとの要約。
  • グループを並べて比べる。
  • 分析のためのレポートや特徴量を作る。

使わなくてよいとき

  • 行と列の両方が種類になっている要約:ピボットテーブルのほうが読みやすいです。
  • 全体で1つの数だけ:列に直接 .mean() を呼びます。

サンプルコード

コードを実行 →
main.py
import pandas as pd

results = pd.DataFrame({
    "team": ["A", "A", "B", "B"],
    "score": [80, 90, 70, 100],
})

averages = results.groupby("team")["score"].mean().reset_index()
print(averages)
この例の実行ボタンを作成

実行結果

team  score
0    A   85.0
1    B   85.0

コードの解説

results.groupby("team")は行をAとBのグループに分けます。続いて["score"].mean()が各グループの平均点を計算し、どちらも85.0になります。結果ははじめチーム名をインデックスにしているので、reset_index()でteamを通常の列に戻しています。

値を変更し、PythonをインストールせずにCodeUtilityオンラインPythonコンパイラで実行できます。

発展問題

下のヒントにしたがってコードを書き換えてみましょう。自分で変えて結果を確かめると、コードを読むだけよりずっと深く理解できます。

  1. サンプルデータに行、列、いくつかの欠損値を追加する。
  2. 絞り込み、並べ替え、groupbyを組み合わせて小さなレポートを作る。
  3. 実際のデータファイルを読み込み、各列のデータ型を確認して、不正な値を処理する。
Pythonコンパイラで実行 →

よくある間違い

列を選び忘れる

列を選ばないと mean() がすべての列に適用され、文字列の列で失敗したり驚く結果になったりします。

問題
results.groupby("team").mean()
修正
results.groupby("team")["score"].mean()

このレッスンを終えましたか?

学習済みにすると進み具合を記録できます。

チャレンジで練習する

このレッスンの内容を使って実際の問題を解きましょう。各チャレンジはブラウザで動き、すぐにテストされ、AI のレビューも受けられます。

すべてのチャレンジ