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

3.9

 集約とグループ化

159

Alaska 1.087509

dtype: float64

最も人口密度の低い州はアラスカであり、

1

平方マイル当たり

1

人をわずかに上回っている程度

だとわかります。

このような複雑なデータの結合は、実世界のデータソースを使用して何らかの疑問に対する回答

を見つける際には、一般的に行われる作業です。データから洞察を得るために、これまでに取り上

げた手法をどのように組み合わせれば良いのか、そのアイデアをこの例が提供できていれば幸いで

す。

3.9

 集約とグループ化

データセットの性質を表す

1

つの値を計算する

sum()

、

mean()

、

median()

、

min()

、

max()

といっ

た集計が巨大なデータの分析には不可欠です。この節では、

NumPy

配列に対して行ったような単

純な操作から、

groupby

の概念に基づくより洗練された操作まで、

pandas

の集約について説明し

ます。

3.9.1

 惑星データ

ここでは、

Seaborn

ライブラリ（

http://seaborn.pydata.org

）の一部として入手できる

Planets

デー

タセットを使用します（「4.16 Seaborn による可視化」を参照してください）。このデータは、天

文学者が恒星の周辺で発見した惑星（太陽系外惑星または外惑星とも呼ばれます）に関する情報を

提供しています。これは簡単な

Seaborn

コマンドでダウンロードできます。

In[1]: import pandas as pd

import numpy as np ...