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

172

3

章 

pandas

を使ったデータ操作

ら生存率の平均を算出した上で、隠れた多次元性を明らかにするために

unstack()

で階層型インデ

クスを作ります。

In[4]: titanic.groupby(['sex', 'class'])['survived'].aggregate('mean').unstack()

Out[4]: class First Second Third

sex

female 0.968085 0.921053 0.500000

male 0.368852 0.157407 0.135447

これにより、性別と等級の両方がどのように生存に影響を与えたかがわかりますが、コードは複

雑になり始めています。このパイプラインの各ステップは、先に説明した手段を使う上で妥当なも

の

ではありますが、長いコード列は特に読みやすいわけでも、使いやすいわけでもありません。こ

の

2

次元の

GroupBy

は非常に一般的であるため、この種の多次元集約を簡潔に処理する便利な関数

pivot_table

を

pandas

は提供しているのです。

3.10.3

 ピボットテーブルの文法

DataFrame

の

pivot_table

メソッドを使用して、先の例と同じ操作を行います。

In[5]: titanic.pivot_table('survived', index='sex', columns='class')

Out[5]: class First Second Third

sex

female 0.968085 ...