Pandas ピボットテーブル（クロス集計）

 

 

使うのはpivot_table関数

 

使うデータ（data）
まとめる項目（index）
分割する項目（columns）
計算する値（values）
集計関数（aggfunc）


最低限、必要な引数は下の3つ
・data（第一引数）: 元データのpandas.DataFrameオブジェクトを指定。
・index: 元データの列名を指定。結果の行見出しとなる。
・columns: 元データの列名を指定。結果の列見出しとなる。
引数index, columnsに指定していない列の平均値が結果として算出されるが、型が数値でない列は除外されます。
結果の値の算出方法を指定: 引数aggfunc
デフォルトでは平均値が算出されるが、引数aggfuncに関数を指定することでほかの方法で値を算出することが可能。

 

aggfuncでは集計関数、つまり計算する方法を指定します

記載がない場合は「平均：np.mean」が採用されます

  • mean：平均
  • sum：合計
  • max：最大値
  • min：最小値
  • count：件数



import pandas as pd
# 本サイトから直接データを取得
df = pd.read_html('https://smart-hint.com/student-data/')[0]
df.head()



df.pivot_table(index='class', columns='sex', values='english',



               margins=True, margins_name='総計')






インデックスの解除



df.pivot_table(index=['sex','club_athletic'],
               values='english').reset_index()








「0.1.2.3…」と数字の連番がインデックスとして追加されます