Pythonでデータフレームをさまざまな方法で再形成するプログラムの作成方法

pandasでは、melt()、stack()、unstack()、pivot()といった関数を使うことで、データフレームをさまざまな形に再形成（リシェイプ）できます。本記事では、それぞれの関数の特徴と使い方を、実際のコード例と出力結果とともにわかりやすく解説します。

解決策1：melt()関数でワイド形式をロング形式に変換する

• データフレームを定義します。
• melt()関数を適用すると、ワイド形式のデータフレームの列が行方向へ変換されます。

df.melt()

実行例

以下のコードを実行して、動作を確認してみましょう。

import pandas as pd
df = pd.DataFrame({'Id':[1,2,3],'Age':[13,14,13],'Mark':[80,90,85]})
print("Dataframe is:\n",df)
print(df.melt())

出力結果

Dataframe is:
 Id Age Mark
0 1 13   80
1 2 14   90
2 3 13   85
variable value
0     Id     1
1     Id     2
2     Id     3
3    Age    13
4    Age    14
5    Age    13
6   Mark    80
7   Mark    90
8   Mark    85

melt()を使うと、元々列として並んでいた「Id」「Age」「Mark」が「variable」と「value」の2列からなるロング形式に変換されていることがわかります。可視化や集計処理において、この形式は非常に扱いやすいのが特徴です。

解決策2：stack()／unstack()関数でインデックスの階層を操作する

• データフレームを定義します。
• stack()関数を適用すると、データフレームのインデックス階層が1段深くなります。

df.stack().to_frame()

• 変更を元に戻したい場合は、unstack()を使用します。

df.unstack().to_frame()

実行例

以下の実装例で、挙動を確認してみましょう。

import pandas as pd
df = pd.DataFrame({'Id':[1,2,3],'Age':[13,14,13],'Mark':[80,90,85]})
print("Dataframe is:\n",df)
print(df.stack().to_frame())
print(df.unstack().to_frame())

出力結果

Dataframe is:
    Id   Age Mark
0   1    13  80
1   2    14  90
2   3    13  85
             0
0   Id     1
   Age    13
   Mark   80
1   Id     2
   Age    14
  Mark    90
2   Id    3
   Age    13
   Mark   85
             0
Id   0     1
     1     2
     2     3
Age  0    13
     1    14
     2    13
Mark 0    80
     1    90
     2    85

stack()は列を行側へ「積み上げる」操作、unstack()はその逆で行を列側へ展開する操作です。多層インデックスを持つデータを柔軟に組み替えたい場合に便利な関数です。

解決策3：pivot()関数で指定列を基準に再形成する

• データフレームを定義します。
• pivot()関数を適用し、「Id」列を基準にデータフレームを再形成します。

df.pivot(columns='Id')

実行例

以下の実装例で、挙動を確認してみましょう。

import pandas as pd
df = pd.DataFrame({'Id':[1,2,3],'Age':[13,14,13],'Mark':[80,90,85]})
print("Dataframe is:\n",df)
print(df.pivot(columns='Id'))

出力結果

Dataframe is:
 Id Age Mark
0 1 13   80
1 2 14   90
2 3 13   85
          Age            Mark
Id      1     2     3     1     2     3
0   13.0   NaN   NaN   80.0  NaN   NaN
1    NaN  14.0   NaN   NaN  90.0  NaN
2    NaN   NaN  13.0  NaN   NaN  85.0

pivot()は、指定した列の値を新しい列見出しとして展開する関数です。該当しないセルにはNaNが入るため、クロス集計表のような形式を作りたい場合に活用できます。

まとめ

このように、pandasには目的に応じて使い分けられる複数の再形成手段が用意されています。melt()はロング形式への変換、stack()／unstack()はインデックス階層の入れ替え、pivot()は列の展開による表形式の変換に適しています。データの形状を理解した上で最適な関数を選ぶことで、前処理や分析の効率が大きく向上します。