Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

166

3

章 

pandas

を使ったデータ操作

効なメソッドは、

GroupBy

オブジェクトに対しても使用できることを覚えておきましょう。これに

より、非常に柔軟で強力な操作が可能になります。

3.9.3.3

 集約、フィルタ、変換、適用

前述の議論では、結合操作に対する集約に重点を置いて説明しましたが、利用できるのはこれだ

けではありません。特に、

GroupBy

オブジェクトには、グループ化したデータを結合する前に、さ

まざまな操作を効率的に実装するための

aggregate()

（集計）、

filter()

（フィルタ）、

transform()

（変換）、

apply()

（適用）メソッドがあります。

以降の説明では、次の

DataFrame

を使います。

In[19]: rng = np.random.RandomState(0)

df = pd.DataFrame({'key': ['A', 'B', 'C', 'A', 'B', 'C'],

'data1': range(6),

'data2': rng.randint(0, 10, 6)},

columns = ['key', 'data1', 'data2'])

df

Out[19]: key data1 data2

0 A 0 5

1 B 1 0

2 C 2 3

3 A 3 3

4 B 4 7

5 C 5 9

集約

既に

sum()

、

median()

などを

GroupBy

に対して適用した例を見ていますが、

aggregate()

メソッ

ドを使用するとさらに柔軟な操作が可能となります。文字列、関数、またはそのリストを取り、す ...