PandasのマルチインデックスDataFrameでgroupbyを実行する方法

マルチインデックスDataFrameとは、複数のインデックス（階層的なインデックス）を持つデータフレームのことです。本記事では、マルチインデックス化されたDataFrameに対してgroupbyを使用し、特定のレベルごとに集計を行う方法を解説します。

サンプルデータの準備

まず、デスクトップに保存された以下のようなCSVファイル（sales.csv）を用意します。車種（Car）、地域（Place）、販売台数（UnitsSold）のデータが含まれています。

最初に、pandasライブラリをインポートし、CSVファイルを読み込みます。

import pandas as pd

df = pd.read_csv("C:/Users/amit_/Desktop/sales.csv")
print(df)

マルチインデックスの作成

次に、DataFrameの「Car」列と「Place」列をインデックスとして設定します。set_index()メソッドに列名のリストを渡すことで、階層的なインデックスを持つマルチインデックスDataFrameを作成できます。

df = df.set_index(['Car', 'Place'])

これで、「Car」と「Place」の2つの列がインデックスとなったマルチインデックスDataFrameが完成しました。

groupbyによる集計

マルチインデックスDataFrameに対してgroupbyを使用するには、levelパラメータでグループ化の基準となるインデックスレベルを指定します。ここでは「Car」レベルでグループ化し、「UnitsSold」列の平均値を算出します。

res = df.groupby(level=['Car'])['UnitsSold'].mean()
print(res)

完全なコード例

以下に、これまでの手順をまとめた完全なコードを示します。

import pandas as pd

df = pd.read_csv("C:/Users/amit_/Desktop/sales.csv")
print(df)

# Car列とPlace列をDataFrameのインデックスとして設定
df = df.set_index(['Car', 'Place'])

# インデックスのソート
df.sort_index()

# マルチインデックスDataFrameへのgroupby適用
res = df.groupby(level=['Car'])['UnitsSold'].mean()
print(res)

実行結果

上記のコードを実行すると、以下の出力が得られます。

         Car        Place   Sold
0        BMW        Delhi     95
1   Mercedes    Hyderabad     80
2  Lamborgini   Chandigarh     80
3       Audi    Bangalore     75
4   Mercedes    Hyderabad     90
5    Porsche       Mumbai     90
6  RollsRoyce      Mumbai     95
7        BMW        Delhi     50

Car
Audi         75.8
BMW          72.5
Lamborgini   80.0
Mercedes     85.0
Porsche      90.0
RollsRoyce   95.0
Name: UnitsSold, dtype: float64

ポイントのまとめ

• set_index()に列名のリストを渡すことで、簡単にマルチインデックスDataFrameを作成できます。
• マルチインデックスDataFrameでのgroupbyでは、levelパラメータにインデックス名またはレベル番号を指定します。
• level=['Car']のように指定することで、特定の階層のみを対象とした柔軟な集計が可能です。

この手法を使えば、階層化されたデータでも直感的かつ効率的にグループ集計を行うことができます。