ピボットテーブルのaggfuncを色々試してみる
ピボットテーブルのaggfuncを色々試してみる
ピボットテーブルはデータフレームを見やすいように整形してくれるみたいです。
さらに「aggfunc」を使用する事でさらにデータを加工できるみたいです。
それでは早速使用してみたいと思います。
参考：pandasのピボットテーブルでカテゴリ毎の統計量などを算出
aggfunc
#データ用意
fruits = [
{'item': 'apple', 'price': 200, 'stock': 20, 'country': 'japan', 'date':202001},
{'item': 'orange', 'price': 300, 'stock': 30, 'country': 'japan', 'date':202001},
{'item': 'banana', 'price': 150, 'stock': 40, 'country': 'japan', 'date':202001},
{'item': 'apple', 'price': 200, 'stock': 20, 'country': 'japan', 'date':202002},
{'item': 'orange', 'price': 400, 'stock': 28, 'country': 'japan', 'date':202002},
{'item': 'banana', 'price': 100, 'stock': 45, 'country': 'japan', 'date':202002},
{'item': 'apple', 'price': 200, 'stock': 20, 'country': 'japan', 'date':202003},
{'item': 'orange', 'price': 500, 'stock': 22, 'country': 'japan', 'date':202003},
{'item': 'banana', 'price': 50, 'stock': 60, 'country': 'japan', 'date':202003}
]
#データフレーム化
df_fruits = pd.DataFrame(fruits)
#print(df_fruits)
# item price stock country date
#0 apple 200 20 japan 202001
#1 orange 300 30 japan 202001
#2 banana 150 40 japan 202001
#3 apple 200 20 japan 202002
#4 orange 400 28 japan 202002
#5 banana 100 45 japan 202002
#6 apple 200 20 japan 202003
#7 orange 500 22 japan 202003
#8 banana 50 60 japan 202003
#ピボットテーブル化
df = df.pivot_table(index="item", columns="date", values=["price", "stock"])
#print(df)
# price stock
#date 202001 202002 202003 202001 202002 202003
#item
#apple 200 200 200 20 20 20
#banana 150 100 50 40 45 60
#orange 300 400 500 30 28 22
上記は日本産のデータのみですが、例えばここにアメリカ産のデータを追加してみます。
#データ用意
fruits = [
{'item': 'apple', 'price': 200, 'stock': 20, 'country': 'japan', 'date':202001},
{'item': 'orange', 'price': 300, 'stock': 30, 'country': 'japan', 'date':202001},
{'item': 'banana', 'price': 150, 'stock': 40, 'country': 'japan', 'date':202001},
{'item': 'apple', 'price': 200, 'stock': 20, 'country': 'japan', 'date':202002},
{'item': 'orange', 'price': 400, 'stock': 28, 'country': 'japan', 'date':202002},
{'item': 'banana', 'price': 100, 'stock': 45, 'country': 'japan', 'date':202002},
{'item': 'apple', 'price': 200, 'stock': 20, 'country': 'japan', 'date':202003},
{'item': 'orange', 'price': 500, 'stock': 22, 'country': 'japan', 'date':202003},
{'item': 'banana', 'price': 50, 'stock': 60, 'country': 'japan', 'date':202003},
{'item': 'apple', 'price': 400, 'stock': 20, 'country': 'america', 'date':202001},
{'item': 'orange', 'price': 600, 'stock': 30, 'country': 'america', 'date':202001},
{'item': 'banana', 'price': 300, 'stock': 40, 'country': 'america', 'date':202001},
{'item': 'apple', 'price': 400, 'stock': 20, 'country': 'america', 'date':202002},
{'item': 'orange', 'price': 800, 'stock': 28, 'country': 'america', 'date':202002},
{'item': 'banana', 'price': 200, 'stock': 45, 'country': 'america', 'date':202002},
{'item': 'apple', 'price': 400, 'stock': 20, 'country': 'america', 'date':202003},
{'item': 'orange', 'price': 1000, 'stock': 22, 'country': 'america', 'date':202003},
{'item': 'banana', 'price': 100, 'stock': 60, 'country': 'america', 'date':202003}
]
#データフレーム化
df = pd.DataFrame(fruits)
#print(df)
# item price stock country date
#0 apple 200 20 japan 202001
#1 orange 300 30 japan 202001
#2 banana 150 40 japan 202001
#3 apple 200 20 japan 202002
#4 orange 400 28 japan 202002
#5 banana 100 45 japan 202002
#6 apple 200 20 japan 202003
#7 orange 500 22 japan 202003
#8 banana 50 60 japan 202003
#9 apple 400 20 america 202001
#10 orange 600 30 america 202001
#11 banana 300 40 america 202001
#12 apple 400 20 america 202002
#13 orange 800 28 america 202002
#14 banana 200 45 america 202002
#15 apple 400 20 america 202003
#16 orange 1000 22 america 202003
#17 banana 100 60 america 202003
#ピボットテーブル化
df = df.pivot_table(index="item", columns="date", values=["price", "stock"])
# print(df)
# price stock
# date 202001 202002 202003 202001 202002 202003
# item
# apple 300 300 300 20 20 20
# banana 225 150 75 40 45 60
# orange 450 600 750 30 28 22
「japan」のデータのみで作成したとピボットテーブルと「japan」と「america」のデータで作成したピボットテーブルを見比べてみます。
#japan
# price stock
#date 202001 202002 202003 202001 202002 202003
#item
#apple 200 200 200 20 20 20
#banana 150 100 50 40 45 60
#orange 300 400 500 30 28 22
#japan&america
# price stock
# date 202001 202002 202003 202001 202002 202003
# item
# apple 300 300 300 20 20 20
# banana 225 150 75 40 45 60
# orange 450 600 750 30 28 22
なるほど、データが違いますね。
これは「japan」「america」の平均を出力しているかららしいです。
引数で「aggfunc」を指定していません。デフォルトでは「aggfunc=numpy.mean()」が適用されるみたです。
#ピボットテーブル化(mean->日本とアメリカの平均値)
df = df.pivot_table(index="item", columns="date", values=["price", "stock"], aggfunc=np.mean)
# print(df)
# price stock
# date 202001 202002 202003 202001 202002 202003
# item
# apple 300 300 300 20 20 20
# banana 225 150 75 40 45 60
# orange 450 600 750 30 28 22
#ピボットテーブル化(min->日本とアメリカの最小値)
df = df.pivot_table(index="item", columns="date", values=["price", "stock"], aggfunc=np.min)
# print(df)
# price stock
# date 202001 202002 202003 202001 202002 202003
# item
# apple 200 200 200 20 20 20
# banana 150 100 50 40 45 60
# orange 300 400 500 30 28 22
#ピボットテーブル化(min,max->日本とアメリカの最小値と最大値)
df = df.pivot_table(index="item", columns="date", values=["price", "stock"], aggfunc=[np.min, np.max])
# print(df)
# amin amax
# price stock price stock
# date 202001 202002 202003 202001 202002 202003 202001 202002 202003 202001 202002 202003
# item
# apple 200 200 200 20 20 20 400 400 400 20 20 20
# banana 150 100 50 40 45 60 300 200 100 40 45 60
# orange 300 400 500 30 28 22 600 800 1000 30 28 22
#ピボットテーブル化(sum->日本とアメリカの合計値)
df = df.pivot_table(index="item", columns="date", values=["price", "stock"], aggfunc=np.sum)
# print(df)
# price stock
# date 202001 202002 202003 202001 202002 202003
# item
# apple 600 600 600 40 40 40
# banana 450 300 150 80 90 120
# orange 900 1200 1500 60 56 44
「aggfunc=len」はカテゴリ毎の出現回数が算出できるとの事。
#ピボットテーブル化(mean->出現回数)
df = df.pivot_table(index="item", columns="date", values=["price", "stock"], aggfunc=len)
# print(df)
# price stock
# date 202001 202002 202003 202001 202002 202003
# item
# apple 2 2 2 2 2 2
# banana 2 2 2 2 2 2
# orange 2 2 2 2 2 2
すべて2なのが確認できる。これは現在「japan」と「america」が該当しているからみたいです。
配列に下記の行を付け足してみます。
{'item': 'apple', 'price': 400, 'stock': 20, 'country': 'itary', 'date':202001},
再度「aggfunc=len」を確認してみます。
#ピボットテーブル化(mean->出現回数)
df = df.pivot_table(index="item", columns="date", values=["price", "stock"], aggfunc=len)
# print(df)
# price stock
# date 202001 202002 202003 202001 202002 202003
# item
# apple 3 2 2 3 2 2
# banana 2 2 2 2 2 2
# orange 2 2 2 2 2 2
「apple行のprice>202001列」と「apple行のstock>202001列」が「3」になったのが確認できました。