Pythonで2つのデータフレームのクロス集計表（分割表）を作成する方法

はじめに

データ分析では、2つのデータフレームを組み合わせてクロス集計表（分割表）を作成したい場面がよくあります。例えば、以下のような2つのデータフレームがあるとします。

• df：IdとAge（年齢）を持つデータフレーム
• df1：Mark（点数）を持つデータフレーム

これらをクロス集計すると、結果は次のようになります。

Age   12  13  14
Mark  80  90  85
Id
1      1   0   0
2      0   1   0
3      1   0   0
4      0   1   0
5      0   0   1

解決手順

この問題は、以下の手順で解決できます。

• 2つのデータフレームを定義する
• pandasのpd.crosstab()関数を使用し、インデックスに「Id」、列に「Age」と「Mark」を指定してクロス集計を行う

使用するコード

pd.crosstab(index=df['Id'], columns=[df['Age'], df1['Mark']])

実装例

実際のコードは以下の通りです。まず必要なライブラリをインポートし、2つのデータフレームを作成した後、crosstab()関数で集計します。

import pandas as pd

# データフレームの作成
df = pd.DataFrame({'Id': [1, 2, 3, 4, 5], 'Age': [12, 13, 12, 13, 14]})
df1 = pd.DataFrame({'Mark': [80, 90, 80, 90, 85]})

# クロス集計の実行
print(pd.crosstab(index=df['Id'], columns=[df['Age'], df1['Mark']]))

出力結果

上記のコードを実行すると、以下の出力が得られます。

Age   12  13  14
Mark  80  90  85
Id
1      1   0   0
2      0   1   0
3      1   0   0
4      0   1   0
5      0   0   1

解説

この結果から読み取れることは以下の通りです。

• 行には各Id（1〜5）が表示され、列にはAgeとMarkの組み合わせが表示されます
• 値が「1」の場所は、そのIdに該当するAgeとMarkの組み合わせが存在することを示しています
• 例えば、Id=1の人はAgeが12歳でMarkが80点であることがわかります

このように、pd.crosstab()関数を使えば、複数のデータフレームに分かれたデータでも簡単に1つのクロス集計表としてまとめることができ、カテゴリ間の関係性を視覚的に把握しやすくなります。