Pandasで学ぶ絶対頻度と相対頻度の求め方

統計学において「頻度（frequency）」とは、特定のデータサンプル内である値が出現した回数を指します。数学・科学分析向けのソフトウェアとして開発されたPandasには、与えられたサンプルから頻度を算出するための組み込みメソッドが多数用意されています。

絶対頻度とは

絶対頻度は、いわゆる「頻度」そのものであり、データ要素の出現回数をそのまま数えたものです。以下の例では、DataFrame内に都市名が何回出現するかを単純にカウントし、その結果を頻度として出力します。

方法1：value_counts() を使う

Pandasの .value_counts() メソッドを使用する方法です。Seriesオブジェクトに対して呼び出すだけで、各要素の出現回数を降順に集計してくれます。

コード例

import pandas as pd
# データフレームを作成
data = ["Chandigarh","Hyderabad","Pune","Pune","Chandigarh","Pune"]
# value_counts() メソッドを使用
df = pd.Series(data).value_counts()
print(df)

実行結果

上記のコードを実行すると、次のような結果が得られます。

Pune         3
Chandigarh   2
Hyderabad    1
dtype: int64

方法2：crosstab() を使う

Pandasの .crosstab() メソッドを使用する方法です。クロス集計表を作成する関数ですが、インデックスに対象列を指定することで、度数分布表のように利用できます。

コード例

import pandas as pd
data = ["Chandigarh","Hyderabad","Pune","Pune","Chandigarh","Pune"]
df = pd.DataFrame(data,columns=["City"])
tab_result = pd.crosstab(index=df["City"],columns=["count"])
print(tab_result)

実行結果

上記のコードを実行すると、次のような結果が得られます。

col_0       count
City
Chandigarh  2
Hyderabad   1
Pune        3

相対頻度とは

相対頻度とは、ある値の頻度をサンプル全体の観測数で割った割合のことです。そのため値は浮動小数点数となり、パーセンテージとして表現することもできます。相対頻度を求めるには、まず最初の方法と同様に頻度を計算し、それを len() 関数で取得した観測総数で除算します。

コード例

import pandas as pd
# データフレームを作成
data = ["Chandigarh","Hyderabad","Pune","Pune","Chandigarh","Pune"]
# value_counts() メソッドを使用
df = pd.Series(data).value_counts()
print(df/len(data))

実行結果

上記のコードを実行すると、次のような結果が得られます。

Pune        0.500000
Chandigarh  0.333333
Hyderabad   0.166667
dtype: float64

このように、Pandasを活用すれば絶対頻度も相対頻度もわずか数行のコードで簡単に算出できます。データ分析における基礎的な集計処理として、ぜひ使いこなしてみてください。