CSVやExcelを読み込んだあと、注文日・来店日・売上日などの日付列はあるのに、次のような集計で迷うことがあります。

• 月ごとの売上合計を出したい
• 週ごとの注文件数を数えたい
• 日別の平均売上を確認したい
• 集計した結果を折れ線グラフで見たい

このようなときに役立つのが、pandasの resample() です。

resample() は、日付データを日別・週別・月別などの時間単位でまとめて集計するためのメソッドです。

イメージとしては、1行ずつ並んでいる日付データを「1日ごと」「1週間ごと」「1か月ごと」の箱に分け、その箱ごとに合計・平均・件数を計算する処理です。

たとえば、1件ずつ並んでいる注文データから、月別売上や週別件数を作りたいときに使います。

この記事では、to_datetime() で日付列を整えるところから、resample() で月別・週別・日別に集計し、最後にグラフ化へつなげる流れまで、Google Colabで試しやすいサンプルデータを使って解説します。

この記事でわかること

この記事では、次の内容を学びます。

• resample() が何をするメソッドか
• resample() を使う前に日付列を datetime 型にする理由
• set_index() してから resample() する基本
• on="日付列" で日付列を指定して集計する方法
• 日別・週別・月別に集計する方法
• sum()、mean()、count() の使い分け
• groupby()・dt・resample() の違い
• resample() と asfreq() の違い
• 集計結果を reset_index() で扱いやすい表に戻す方法
• 集計結果をグラフ化へつなげる流れ

この記事のゴールは、日付列をdatetime型に整え、resample()で日別・週別・月別に集計し、集計結果を表やグラフで確認できるようになることです。

関連する前提知識

この記事は、日付データを「時間のまとまり」で集計する記事です。

先に次の内容を確認しておくと、より理解しやすくなります。

• Google ColabでCSVを読み込む方法｜Drive連携とpandas read_csvを初心者向けに解説
• pandas to_datetime()の使い方｜文字列の日付変換と format・NaT 対処を初心者向けに解説
• pandas dtの使い方｜日付から年・月・曜日を取り出す方法を初心者向けに解説
• pandas set_index()の使い方｜列をインデックスにする・drop=False・index_col・reset_indexとの違いを解説
• Pandas groupby×aggの使い方｜基本の集計とaggの書き方を例で解説

ただし、この記事では必要な部分を順番に確認するため、最初から読んでも進められるようにしています。

まず結論：resample()は日付を時間単位でまとめるときに使う

resample() は、日付データを一定の時間単位でまとめるために使います。

たとえば、次のような明細データがあるとします。

このような1件ずつのデータを、次のように月別にまとめたいときに resample() が役立ちます。

ポイントは、resample() が「カテゴリごと」ではなく、日付を基準にして、日別・週別・月別などの時間のまとまりで集計することです。

最初に判断基準を整理すると、次のようになります。

この記事では、このうち resample() を中心に扱います。

サンプルデータを用意する

ここでは、注文日・カテゴリ・商品・売上・数量を持つ小さな売上データを使います。

実際のCSVでは日付順に並んでいるとは限らないため、サンプルデータもあえて少し日付順をばらしています。

import pandas as pd

df = pd.DataFrame({
    "注文日": [
        "2026-03-15", "2026-01-05", "2026-02-03", "2026-01-18",
        "2026-03-28", "2026-02-25", "2026-01-28", "2026-02-12",
        "2026-03-02", "2026-01-12", "2026-02-05", "2026-03-05"
    ],
    "カテゴリ": [
        "食品", "食品", "日用品", "食品",
        "日用品", "食品", "日用品", "日用品",
        "食品", "日用品", "食品", "食品"
    ],
    "商品": [
        "コーヒー", "パン", "洗剤", "お茶",
        "ティッシュ", "お米", "歯ブラシ", "シャンプー",
        "牛乳", "ノート", "卵", "ヨーグルト"
    ],
    "売上": [1800, 1200, 2600, 1500, 900, 4200, 700, 3200, 1100, 600, 980, 1300],
    "数量": [3, 2, 1, 3, 2, 1, 2, 1, 2, 3, 2, 2]
})

display(df)
print(df.dtypes)

注文日     object
カテゴリ    object
商品      object
売上       int64
数量       int64
dtype: object

注文日 は日付のように見えますが、この時点では object 型です。

resample() で日付を基準に集計するには、日付列を datetime 型に変換する必要があります。

CSVやExcelを読み込んだ直後は、まず dtypes や info() で型を確認するのが大切です。

resample()を使う前に日付列をdatetime型にする

注文日 を pd.to_datetime() で datetime 型に変換します。

ここでは、変換後に日付順で並び替えておきます。
日付順に並んでいなくても集計自体はできますが、表示や確認がしやすくなります。

df_date = df.copy()

df_date["注文日"] = pd.to_datetime(df_date["注文日"])
df_date = df_date.sort_values("注文日")

display(df_date)
print(df_date.dtypes)

注文日     datetime64[ns]
カテゴリ            object
商品              object
売上               int64
数量               int64
dtype: object

注文日 の型が datetime64[ns] になりました。

これで、pandasがこの列を「日付として扱える状態」になりました。

日付変換そのものを詳しく知りたい場合は、pandas to_datetime()の使い方で、format や NaT の考え方を確認できます。

方法1：日付列をインデックスにしてresample()する

resample() の基本は、日付列をインデックスにしてから集計する書き方です。

ここでは、set_index("注文日") で 注文日 をインデックスにします。

df_time = df_date.set_index("注文日")

display(df_time)
print(type(df_time.index))

<class 'pandas.core.indexes.datetimes.DatetimeIndex'>

注文日 がインデックスになり、DatetimeIndex として扱われるようになりました。

set_index() の詳しい使い方は、pandas set_index()の使い方で確認できます。

月別売上を集計する：resample(“MS”).sum()

まずは、月別の売上合計を出します。

ここでは resample("MS") を使います。

• MS は、月初基準の月別集計です
• ME は、月末基準の月別集計です
• 古い記事では M と書かれていることがありますが、最近のpandasでは月末基準を表すなら ME を使う方が安全です
• sum() は、売上を合計するために使います

「月別売上を知りたい」場合は、平均ではなく合計を出すことが多いため、ここでは sum() を使います。

この記事では、月ごとの結果を表で見たときに読みやすいように、月初の日付で表示される MS を中心に使います。

monthly_sales = df_time.resample("MS")["売上"].sum().to_frame("月別売上合計")

display(monthly_sales)

1件ずつ並んでいた明細データが、月ごとの売上合計にまとまりました。

このように、resample() は時系列データを「見やすい単位」にまとめるときに役立ちます。

出力例で見る：MS・ME・Mの違い

MS と ME の違いは、集計結果の「ラベル日付」に出ます。

• MS：月初の日付で表示されます
• ME：月末の日付で表示されます
• M：古い記事や古いコードで見かける月末基準の書き方です

売上合計の金額は同じでも、表示される日付ラベルが変わる点を確認してみましょう。

monthly_ms = df_time.resample("MS")["売上"].sum().reset_index()
monthly_ms.columns = ["MSのラベル日付", "MSの売上合計"]

monthly_me = df_time.resample("ME")["売上"].sum().reset_index()
monthly_me.columns = ["MEのラベル日付", "MEの売上合計"]

# 古い記事では resample("M") を見かけることがあります。
# 最近のpandasでは月末基準を表す場合、resample("ME") を使う方が安全です。
try:
    import warnings

    with warnings.catch_warnings():
        warnings.simplefilter("ignore", FutureWarning)
        monthly_m = df_time.resample("M")["売上"].sum().reset_index()

    monthly_m.columns = ["Mのラベル日付", "Mの売上合計"]
    display(pd.concat([monthly_ms, monthly_me, monthly_m], axis=1))

except Exception:
    print("このpandas環境では resample('M') を実行できません。月末基準は resample('ME') を使ってください。")
    display(pd.concat([monthly_ms, monthly_me], axis=1))

MS は 2026-01-01、2026-02-01 のように月初の日付で表示されます。

一方、ME は 2026-01-31、2026-02-28 のように月末の日付で表示されます。

古い記事で見かける M は、月末基準の古い書き方として出てくることがあります。新しく記事を書く場合や、これから学ぶ場合は、月末基準なら ME、月初基準なら MS と覚えておくと混乱しにくいです。

頻度指定の基本：D・W・MS・MEを使い分ける

resample() のカッコの中には、どの時間単位でまとめるかを指定します。

初心者のうちは、まず次の指定を覚えれば十分です。

検索すると、月別集計の例で resample("M") を見かけることがあります。 ただし、最近のpandasでは M よりも、月末基準なら ME、月初基準なら MS と書く方がわかりやすく、今後も安心です。

この記事では、月別の表として見やすいように、主に "MS" を使います。

複数の集計をまとめて出す

月別に、売上合計・注文件数・平均売上・数量合計をまとめて出すこともできます。

ここでは、次のように集計します。

売上合計と平均売上は意味が違います。
また、count() は指定した列の欠損値を数えません。今回のように 売上 列に欠損がない前提なら注文件数として使えますが、行数そのものを数えたい場合は size() も候補になります。
見出しや表の名前と、実際に使う集計方法がズレないように注意しましょう。

monthly_summary = df_time.resample("MS").agg(
    売上合計=("売上", "sum"),
    注文件数=("売上", "count"),
    平均売上=("売上", "mean"),
    数量合計=("数量", "sum")
)

display(monthly_summary)

この表を見ると、月ごとの売上合計だけでなく、注文件数や平均売上も確認できます。

実務では、売上合計だけを見ると「2月が大きい」とわかります。
さらに注文件数や平均売上を見ると、「件数が多いのか、1件あたりの売上が大きいのか」も確認しやすくなります。

週別件数を集計する：resample(“W”).count()

次に、週ごとの注文件数を数えてみます。

ここでは「売上の合計」ではなく、「何件の注文があったか」を見たいので、count() を使います。今回のサンプルでは 売上 列に欠損がないため、売上 を数えることで注文件数を確認できます。

weekly_count = df_time.resample("W")["売上"].count().to_frame("週別注文件数")

display(weekly_count)

W は週別の集計です。

週別集計では、週の区切り方によって結果の見え方が変わることがあります。
初心者のうちは、まず「週ごとにざっくり件数を見る」用途で使い、細かい週の開始日・終了日の指定は必要になったときに確認すれば十分です。

日別平均を集計する：resample(“D”).mean()

次に、日別の平均売上を確認します。

ここでは resample("D") で日別にまとめ、mean() で平均を出します。

daily_mean = df_time.resample("D")["売上"].mean().to_frame("日別平均売上")

display(daily_mean.head(10))

日別にすると、注文がない日も期間として表示されることがあります。

この例では、注文がない日の平均売上は NaN になります。
これはエラーではなく、「その日に集計できるデータがなかった」という意味です。

欠損期間の補完や ffill()、interpolate() などの処理は便利ですが、この記事では深入りしません。
まずは、resample() によって空の期間が見えることがある、と理解しておきましょう。

方法2：on引数で日付列を指定してresample()する

resample() は、必ず set_index() しないと使えないわけではありません。

日付列が datetime 型になっていれば、on="注文日" のように指定して集計できます。

インデックスを変更したくない場合は、この書き方が便利です。

monthly_sales_on = (
    df_date
    .resample("MS", on="注文日")["売上"]
    .sum()
    .reset_index(name="月別売上合計")
)

display(monthly_sales_on)

on="注文日" を使うと、注文日 をインデックスにしなくても月別集計ができます。

初心者の学習では、まず set_index() する基本形を理解し、慣れてきたら on 引数を使うとよいです。

groupby()・dt・resample()の違い

日付データを扱うときは、groupby()、dt、resample() の違いで迷いやすいです。

ここで一度、使い分けを整理します。

月別集計は、dt.month で月列を作って groupby() する方法でもできます。
ただし、年をまたぐデータで「月」だけを使うと、2025年1月と2026年1月が混ざる可能性があります。

日付の流れに沿って月別・週別にまとめたい場合は、resample() を使うと自然です。

比較用：dtで年月列を作ってgroupby()する方法

比較のために、dt.to_period("M") で年月列を作り、groupby() で月別集計する例も確認します。

これは resample() の代わりに使える場面もありますが、この記事ではあくまで違いを理解するための補足です。

df_group = df_date.copy()

df_group["年月"] = df_group["注文日"].dt.to_period("M")

monthly_groupby = (
    df_group
    .groupby("年月")["売上"]
    .sum()
    .reset_index(name="月別売上合計")
)

display(monthly_groupby)

dt と groupby() を組み合わせても月別集計はできます。

ただし、今回のように「日付を時間単位でまとめる」ことが目的なら、resample() を使うと、日別・週別・月別への切り替えがしやすくなります。

dt の詳しい使い方は pandas dtの使い方 で、カテゴリ別集計は Pandas groupby×aggの使い方 で確認できます。

補足：resample()とasfreq()の違い

時系列データの記事では、resample() と一緒に asfreq() というメソッドを見かけることがあります。

初心者のうちは、まず次のように分けて考えると十分です。

resample() は、日付を一定期間の箱に分けて、その箱ごとに合計・平均・件数などを計算します。

一方、asfreq() は、日付の頻度をそろえるための処理です。基本的には集計をするメソッドではありません。

この記事では、月別売上や週別件数のように「期間ごとに集計する」ことが目的なので、主役は resample() です。ここでは、asfreq() が集計ではなく日付の間隔をそろえる処理であることを、短いコードで確認します。

daily_asfreq = df_time["売上"].asfreq("D").to_frame("asfreq_D")
daily_resample_sum = df_time["売上"].resample("D").sum().to_frame("resample_D_sum")

daily_compare = pd.concat([daily_asfreq, daily_resample_sum], axis=1)

display(daily_compare.head(10))

上の表を見ると、asfreq("D") は日付の間隔を日別にそろえるだけなので、注文がない日は NaN になります。

一方、resample("D").sum() は日別の箱を作って売上を合計するため、注文がない日は合計が0のように表示されることがあります。

つまり、集計したいなら resample()、日付の並びをそろえたいなら asfreq() と考えると分かりやすいです。

集計結果をreset_index()で通常の表に戻す

resample() の結果は、日付がインデックスになっていることが多いです。

このままでも分析できますが、CSVに保存したり、他の表と結合したり、WordPress記事で表として見せたりする場合は、reset_index() で通常の列に戻すと扱いやすくなります。

monthly_summary_reset = monthly_summary.reset_index()

monthly_summary_reset["年月"] = monthly_summary_reset["注文日"].dt.strftime("%Y-%m")

display(monthly_summary_reset)

reset_index() によって、インデックスだった 注文日 が通常の列に戻りました。

さらに strftime("%Y-%m") を使うと、2026-01 のような年月表示も作れます。

reset_index() の詳しい使い方は、pandas reset_index()の使い方で確認できます。

集計結果をグラフで確認する

月別集計ができたら、折れ線グラフや棒グラフにすると推移を確認しやすくなります。

ここでは、月別売上合計を簡単な折れ線グラフで表示します。
グラフ装飾は深入りせず、集計結果を可視化につなげる流れだけ確認します。

なお、Google Colabでは日本語フォント設定をしていないと、グラフ内の日本語ラベルが文字化けすることがあります。ここでは、まず resample() の集計結果を確認することを優先し、グラフのタイトルや軸ラベルは英語表記にしています。

ここでは月別の集計結果を折れ線グラフにします。日付ラベルが重ならないように、x軸の表示をYYYY-MM形式にし、ラベルを少し回転させています。

import matplotlib.pyplot as plt
import matplotlib.dates as mdates

plot_df = monthly_summary_reset.copy()

fig, ax = plt.subplots(figsize=(8, 4))
ax.plot(plot_df["注文日"], plot_df["売上合計"], marker="o")

ax.set_title("Monthly Sales")
ax.set_xlabel("Month")
ax.set_ylabel("Sales")
ax.grid(True)

# x軸の日付ラベルが重ならないように、表示形式と角度を調整します
ax.xaxis.set_major_formatter(mdates.DateFormatter("%Y-%m"))
plt.xticks(rotation=45, ha="right")
plt.tight_layout()

plt.show()

このように、resample() で月別に集計すると、売上の推移をグラフで確認しやすくなります。

折れ線グラフの設定を詳しく知りたい場合は、Matplotlib折れ線グラフの描き方を参考にしてください。
月別売上を棒グラフで比較したい場合は、Matplotlib 棒グラフ入門も役立ちます。

よくあるミスと確認ポイント

resample() でつまずきやすいポイントを整理します。

日付列がobject型のままになっている

日付に見えても、object 型のままだと resample() でうまく扱えません。

まず pd.to_datetime() で日付型に変換しましょう。

DatetimeIndexまたはonで指定した日付列が必要

resample() は、日付列そのものを自動で探してくれるわけではありません。

基本形では、日付列をインデックスにします。
インデックスにしたくない場合は、on="注文日" のように指定します。

売上合計・平均・件数を混同しない

sum()、mean()、count() は意味が違います。

count() は、指定した列の欠損値を数えません。欠損を含む列で件数を数える場合は、count() と size() の違いに注意します。

「月別売上を集計する」という見出しなら sum()、
「平均を出す」という見出しなら mean() を使うように、説明とコードを一致させることが大切です。

月だけでgroupbyすると年をまたいだときに混ざる

dt.month だけで集計すると、2025年1月と2026年1月が同じ「1月」としてまとまる可能性があります。

年をまたぐデータでは、dt.to_period("M") を使うか、resample() で年月を意識した集計にする方が安全です。

欠損期間が出ることがある

日別や週別で集計すると、データがない期間が表示されることがあります。
平均なら NaN、合計なら0のように見える場合があります。

これは、resample() が時間の区切りを作って集計しているためです。

resample()はデータ分析の流れのどこで使うか

resample() は、データ分析の流れの中では「日付を使った集計」の場面で使います。

全体の流れで見ると、次の位置づけです。

1. CSVやExcelを読み込む
2. head() や info() でデータを確認する
3. to_datetime() で日付列を日付型にする
4. 必要に応じて sort_values() で日付順に並べる
5. resample() で日別・週別・月別に集計する
6. reset_index() で表として扱いやすくする
7. Matplotlibで推移を可視化する

つまり、resample() は、単独で覚えるよりも、日付変換・集計・可視化へ進む流れの中で覚えると使いやすくなります。

なお、移動平均を出す rolling() や、頻度をそろえる asfreq() も時系列データで使われます。
ただし、この記事では resample() の基本に集中するため、詳しい使い方は別記事で扱う範囲です。

まとめ

この記事では、pandasの resample() を使って、日付データを月別・週別・日別に集計する方法を解説しました。

重要なポイントは次のとおりです。

• resample() は、日付データを日別・週別・月別などの時間単位で集計するために使う
• 使う前に、日付列を pd.to_datetime() で datetime 型に変換する
• 基本形では、set_index("日付列") で日付をインデックスにしてから resample() する
• インデックスを変えたくない場合は、on="日付列" を使える
• 月別売上なら sum()、平均売上なら mean()、件数なら count() を使う
• カテゴリ別にまとめたいなら groupby()、年・月・曜日を取り出したいなら dt、時間単位でまとめたいなら resample() を使う
• 集計結果は reset_index() で通常の表に戻すと扱いやすい
• 月別集計の結果は、折れ線グラフや棒グラフにすると推移を確認しやすい

resample() を使えるようになると、CSVやExcelで読み込んだ日付付きデータから、月別売上・週別件数・日別平均などを作れるようになります。

日付データを前処理して、集計し、可視化する流れの中で、とても役立つメソッドです。

次に読みたい関連記事

日付集計をさらに理解するには、次の記事も参考になります。

• pandas to_datetime()の使い方｜文字列の日付変換と format・NaT 対処を初心者向けに解説
• pandas dtの使い方｜日付から年・月・曜日を取り出す方法を初心者向けに解説
• pandas set_index()の使い方｜列をインデックスにする・drop=False・index_col・reset_indexとの違いを解説
• pandas reset_index()の使い方｜インデックスを振り直す・drop=Trueを初心者向けに解説
• Pandas groupby×aggの使い方｜基本の集計とaggの書き方を例で解説
• pandas 並び替え（sort）入門｜sort_values・sort_indexの違いと複数列ソート
• Matplotlib折れ線グラフの描き方：色・線種・凡例を完全解説
• Matplotlib 棒グラフ入門：横棒・グループ化・積み上げまで解説
• Google ColabでCSVを読み込む方法｜Drive連携とpandas read_csvを初心者向けに解説

▲ ページトップへ戻る

<p>The post pandas resample()の使い方｜日付データを月別・週別に集計する方法 first appeared on Python Data Lab（Pythonデータラボ）.</p>

CSVを読み込んだあと、「地域ごとに購入あり・購入なしの件数を見たい」「年代ごとに満足度の分布を確認したい」と思うことがあります。

このように、2つの列の組み合わせごとの件数を表で見たいときに便利なのが、pandasの crosstab() です。

crosstab() を使うと、たとえば「地域×購入有無」「年代×満足度」のようなクロス集計表を短いコードで作れます。

基本形は次のとおりです。

pd.crosstab(df["行にしたい列"], df["列にしたい列"])

この記事では、pandasの crosstab() を使って、2つの列を組み合わせたクロス集計表を作る方法を解説します。あわせて、value_counts()、groupby()、pivot_table() との違い、割合表示、合計行・合計列も整理します。

この記事でわかること

この記事では、crosstab() で2つの列の組み合わせを集計する方法を学びます。

具体的には、次の内容を扱います。

• pd.crosstab() の基本的な使い方
• 1列だけを見る value_counts() との違い
• 2つの列を組み合わせたクロス集計表の作り方
• 合計行・合計列を追加する方法
• 件数を割合で表示する方法
• 欠損値があるときの注意点
• crosstab() が役立つ実践的な場面

crosstab() は、value_counts() で1列の件数を確認したあとに、2つの列の関係を表で見たいときに使うメソッドです。

crosstab()が役立つ場面

crosstab() は、2つの列の組み合わせごとの件数を見たい場面で役立ちます。

この記事では、まず 地域×購入有無 と 年代×満足度 の例で、基本的なクロス集計を確認します。

サンプルデータを作成する

ここでは、地域・年代・商品カテゴリ・購入有無・満足度を含む小さなデータを使います。

実務ではCSVから読み込むことが多いですが、この記事ではGoogle Colabでそのまま試せるように、DataFrameを直接作成します。

import pandas as pd

df = pd.DataFrame({
    "地域": ["東京", "東京", "東京", "大阪", "大阪", "大阪", "名古屋", "名古屋", "福岡", None],
    "年代": ["20代", "20代", "30代", "40代", "40代", "30代", "20代", "30代", "40代", "30代"],
    "商品カテゴリ": ["PC", "PC", "文房具", "家具", "家具", "文房具", "PC", "文房具", "家具", "PC"],
    "購入有無": ["購入あり", "購入あり", "購入あり", "購入なし", "購入なし", "購入なし", "購入あり", "購入なし", "購入なし", "購入あり"],
    "満足度": ["高い", "高い", "普通", "低い", "低い", "普通", "高い", "普通", "低い", None]
})

df

このデータでは、クロス集計後の傾向が見えやすいように、次のような特徴を入れています。

地域 と 満足度 には、あえて欠損値も入れています。
あとで、欠損値がある場合の注意点も確認します。

1列だけならvalue_counts()で確認する

crosstab() は2つの列の組み合わせを見る方法です。

一方、1つの列だけの件数を見たい場合は、value_counts() のほうが簡単です。

まずは、地域 列だけの件数を確認してみます。

df["地域"].value_counts()

value_counts() では、地域ごとの件数を確認できます。

ただし、これだけでは「地域ごとに購入あり・購入なしが何件あるか」は見えません。

1列だけを見るなら value_counts()、2つの列の組み合わせを見るなら crosstab() と考えるとわかりやすいです。

2つの列を組み合わせたクロス集計表を作る

ここからは、pd.crosstab() を使って実際にクロス集計表を作ります。

まずは、地域 と 購入有無 を指定して、地域ごとの購入状況を集計します。

地域×購入有無を集計する

「地域ごとに、購入あり・購入なしが何件あるか」を確認する例です。

pd.crosstab(df["地域"], df["購入有無"])

この結果を見ると、行に 地域、列に 購入有無 が並びます。

たとえば、このサンプルデータでは、東京は「購入あり」が多く、大阪は「購入なし」が多いことがわかります。

crosstab() は元のDataFrameを書き換える処理ではなく、集計結果として新しい表を作る処理です。

行と列を入れ替えると見え方が変わる

crosstab() では、最初に指定した列が行、2つ目に指定した列が列になります。

次のコードでは、先ほどとは逆に、購入有無 を行、地域 を列に置いてみます。

pd.crosstab(df["購入有無"], df["地域"])

集計している内容は同じでも、pd.crosstab() に指定する列の順番を変えると、行と列が入れ替わります。

初心者のうちは、「比較したいグループ」を1つ目の引数、つまり行側に置くと読みやすくなります。

年代×満足度を集計する

同じ考え方で、年代 と 満足度 の組み合わせも集計できます。

これは、アンケート集計のように「年代ごとに、満足度がどのように分布しているか」を確認する例です。

pd.crosstab(df["年代"], df["満足度"])

この表では、年代ごとに「高い」「普通」「低い」が何件あるかを確認できます。

このサンプルデータでは、20代は「高い」が多く、40代は「低い」が多いことがわかります。

このように、単に満足度全体の件数を見るだけでなく、年代別に分けると傾向が見えやすくなります。
crosstab() は、アンケート集計の入口としても使いやすい方法です。

合計行・合計列を追加する

クロス集計表では、行ごとの合計や列ごとの合計も見たいことがあります。

その場合は、margins=True を指定します。

pd.crosstab(df["地域"], df["購入有無"], margins=True)

margins=True を使うと、合計行・合計列が追加されます。

全体の件数も同時に確認したいときに便利です。

件数を割合で表示する

件数だけでなく、割合で見たい場合は normalize を使います。

normalize は、何を分母にして割合を出すかを指定する引数です。

全体に対する割合を見る

まずは、全体に対する割合を見てみます。

# 全体に対する割合を表示する
pd.crosstab(df["地域"], df["購入有無"], normalize=True)

この表では、全体を1として、それぞれの組み合わせがどれくらいの割合かを表しています。

実務でよく使うのは、次の normalize="index" です。
たとえば、地域ごとに「購入あり」「購入なし」の割合を見たいときに使います。

行ごとの割合を見る

normalize="index" は、行ごとの合計を1として割合を出します。

次の例では、地域ごとに「購入あり」「購入なし」の割合を確認します。

# 行ごとの割合を表示する
# ここでは「地域ごとに、購入あり・購入なしの割合」を見る
pd.crosstab(df["地域"], df["購入有無"], normalize="index")

この表では、各地域の中で「購入あり」「購入なし」がどれくらいの割合かを確認できます。

normalize="index" は、行ごとの割合です。
「年代ごとの満足度割合」を見たい場合も同じ考え方で使えます。

# 行ごとの割合を表示する
# ここでは「年代ごとに、満足度の割合」を見る
pd.crosstab(df["年代"], df["満足度"], normalize="index")

このコードでは、年代ごとに満足度の割合を見ています。

「20代の中では高いが何割か」「30代の中では普通が何割か」のように、行ごとの分布を確認できます。

列ごとの割合を見る

normalize="columns" は、列ごとの合計を1として割合を出します。

次の例では、購入あり・購入なしごとに、地域の構成を確認します。

# 列ごとの割合を表示する
# ここでは「購入あり・購入なしごとに、地域の割合」を見る
pd.crosstab(df["地域"], df["購入有無"], normalize="columns")

この表では、列ごとの合計が1になります。

normalize=True、normalize="index"、normalize="columns" は、分母が違います。
割合を見るときは、「何を1としているのか」を必ず確認しましょう。

小数を見やすく丸める

割合表示では、小数が長く表示されることがあります。

最初は割合の意味を理解することが大切ですが、表として見やすくしたい場合は .round() を使うと便利です。

# 行ごとの割合を、小数第2位まで表示する
pd.crosstab(df["地域"], df["購入有無"], normalize="index").round(2)

この例では、小数第2位まで表示しています。

パーセント表記に整える方法もありますが、この記事では深入りしません。
まずは、normalize の種類によって分母が変わることを理解しておきましょう。

欠損値があるときの注意点

crosstab() で使う列に欠損値があると、その行は集計表に入らない場合があります。

まずは、どの列に欠損値があるかを確認します。

df.isnull().sum()

今回のデータでは、地域 と 満足度 に欠損値があります。

ここでは、地域 が欠損している行を確認してみます。

df[df["地域"].isnull()]

元データは10行あります。

len(df)

10

次に、地域×購入有無 のクロス集計表に合計行・合計列を付けて確認します。

pd.crosstab(df["地域"], df["購入有無"], margins=True)

クロス集計表の合計は9件です。

元データは10行ありますが、地域 が欠損している行は、東京・大阪・名古屋・福岡のどこにも分類できません。

そのため、地域×購入有無 のクロス集計表には入らず、合計が9件になります。

このように、crosstab() で使う列に欠損値があると、集計表の合計件数が元データの行数より少なく見えることがあります。

欠損値を「未回答」として集計したい場合は、fillna() で置き換えてから crosstab() を使います。

df_filled = df.copy()
df_filled["地域"] = df_filled["地域"].fillna("未回答")
df_filled["満足度"] = df_filled["満足度"].fillna("未回答")

pd.crosstab(df_filled["地域"], df_filled["購入有無"], margins=True)

ここでは、欠損値を「未回答」として扱いました。

ただし、欠損値をすべて機械的に埋めればよいわけではありません。
未回答なのか、入力漏れなのか、分析対象外なのかを考えてから処理しましょう。

実務では、件数表から割合表示につなげる

crosstab() は、件数表を作って終わりではなく、合計や割合を確認すると傾向が見えやすくなります。

基本の流れは、次のとおりです。

1. value_counts() で1列の件数を確認する
2. crosstab() で2つの列の組み合わせを集計する
3. margins=True で合計を見る
4. normalize で割合を見る

まずは、件数表を作る → 合計を見る → 割合を見る の順番で確認すると、結果を読み取りやすくなります。

まとめ

この記事では、pandasの crosstab() を使って、2つの列を組み合わせたクロス集計表を作る方法を解説しました。

ポイントを整理します。

• crosstab() は、2つの列の組み合わせを件数表にしたいときに使う
• 1列の件数確認なら value_counts() が向いている
• 2列の組み合わせを見るなら crosstab() がわかりやすい
• 数値列の合計や平均を出したい場合は、groupby() や pivot_table() が向いている
• margins=True で合計行・合計列を追加できる
• normalize を使うと、件数を割合で表示できる
• normalize=True、normalize="index"、normalize="columns" は分母が違う
• 欠損値がある場合は、集計前に isnull() で確認すると安全

なお、values や aggfunc を使う発展的な集計もありますが、初心者はまず「2つの列の件数表を作る」基本形を押さえれば十分です。

crosstab() を使えるようになると、単に1列の件数を見るだけでなく、2つの列の関係を表で確認できるようになります。

「地域×購入有無」「年代×満足度」など、2つの列の組み合わせを表で確認できるため、value_counts() の次に覚えておきたいメソッドです。

次に読みたい関連記事

crosstab() を理解したら、次の記事に進むと、データ分析の流れがつながりやすくなります。

• pandas value_counts()の使い方｜件数集計・割合表示・欠損値の数え方を解説
  1列の件数集計を復習したい場合におすすめです。

• Pandas groupby×aggの使い方｜基本の集計とaggの書き方を例で解説
  カテゴリ別に売上合計や平均を出したい場合に役立ちます。

• Pandas pivotとpivot_tableの違い｜重複データ対応と集計方法
  表の形を変えながら、より柔軟に集計したい場合におすすめです。

• pandas melt()の使い方｜横持ちデータを縦持ちに変換する方法
  集計しやすい縦長データに整える方法を学べます。

• 欠損値を可視化して攻略！Pandas isnullとヒートマップ活用術
  集計前に欠損値を確認したい場合におすすめです。

• pandas fillna()の使い方｜欠損値を0・平均値・中央値・最頻値で埋める方法を初心者向けに解説
  欠損値をどう扱うかを学びたい場合に役立ちます。

▲ ページトップへ戻る

<p>The post pandas crosstab()の使い方｜2つの列をクロス集計・割合表示する方法 first appeared on Python Data Lab（Pythonデータラボ）.</p>

CSVを読み込んだあと、月別の売上や科目別の点数が横に並んでいて、集計しにくいと感じることがあります。

たとえば、次のような表です。

このような表は、人間が見るにはわかりやすいです。

しかし、Pandasで月ごとに集計したり、グラフ化したりする場合は、次のように「月」と「売上」を列として持つ形のほうが扱いやすくなります。

このように、横に広がった列を縦長にまとめるときに使うのが、Pandasの melt() です。

この記事では、melt() の基本、id_vars と value_vars の使い分け、groupby() やグラフ化へつなげる流れを、初心者向けに順番に解説します。

この記事でわかること

• melt() が何をするメソッドか
• 横持ちデータと縦持ちデータの違い
• id_vars と value_vars の使い分け
• var_name と value_name で列名を整える方法
• melt() 後に行数が増える理由
• value_vars を省略するときの注意点
• melt() 後に groupby() や棒グラフへつなげる流れ

この記事のゴールは、横に広がったDataFrameを、集計・可視化しやすい縦持ちデータに変換できるようになることです。

発展的な内容や環境差が出やすい内容は、本文の後半で補足として扱います。

melt()はどんな場面で使うのか

melt() は、次のように「同じ種類の情報が複数の列に分かれている」ときに役立ちます。

横持ちデータは人間が見る表としては便利です。

一方で、Pandasで集計・条件抽出・グラフ化をする場合は、項目名と値が列として分かれている縦持ちデータのほうが扱いやすいことがあります。

迷ったときは、次のように判断すると整理しやすいです。

つまり、melt() は「横に並んだ同じ種類の列を、1つの項目列と1つの値列にまとめたい」ときに使います。

横持ちデータと縦持ちデータの違い

melt() を理解するには、まず横持ちデータと縦持ちデータの違いを押さえるとわかりやすいです。

melt() は、横持ちデータを縦持ちデータに変換するためのメソッドです。

ポイントは、列名として横に並んでいた情報を、1つの列の値として縦に並べ直すことです。

図解：横に並んだ月別列を縦にまとめる

図のように、1月、2月、3月 のように横に並んだ列を、月 列と 売上 列にまとめます。

このとき、社員名 のように残したい列は id_vars に指定します。

一方で、1月、2月、3月 のように縦へまとめたい列は value_vars に指定します。

melt() は売上を合計する処理ではありません。集計やグラフ化をしやすい形に並べ直す前処理です。

サンプルデータを用意する

ここでは、社員ごとの月別売上データを使います。

1月、2月、3月 が横に並んでいるため、月別に集計したいときには少し扱いにくい形です。

import pandas as pd

df = pd.DataFrame({
    "社員ID": ["E001", "E002", "E003"],
    "社員名": ["佐藤", "鈴木", "田中"],
    "部署": ["営業部", "営業部", "企画部"],
    "1月": [120000, 98000, 150000],
    "2月": [135000, 110000, 142000],
    "3月": [128000, 105000, 160000]
})

df

このデータでは、社員ID、社員名、部署 は社員を説明する列です。

一方で、1月、2月、3月 は、月別の売上を表す列です。

今回目指す形は、次のとおりです。

つまり、社員を説明する列は残し、月別売上の列だけを縦にまとめます。

基本形：melt()で横持ちを縦持ちに変換する

melt() の基本形は次のとおりです。

df.melt(
    id_vars=[残す列],
    value_vars=[縦にまとめる列],
    var_name="項目列の名前",
    value_name="値列の名前"
)

今回の場合は、社員情報を残し、月別売上の列を縦にまとめます。

melt()は3つに分けて考えると迷いにくい

melt() では、最初に次の3つを決めると迷いにくくなります。

初心者が一番迷いやすいのは、id_vars と value_vars の分け方です。

まずは「社員名や部署のように説明として残す列」と「1月・2月・3月のように縦へまとめる列」を分けて考えると、コードを書きやすくなります。

sales_long = df.melt(
    id_vars=["社員ID", "社員名", "部署"],
    value_vars=["1月", "2月", "3月"],
    var_name="月",
    value_name="売上"
)

sales_long

1月、2月、3月 の列が、月 列にまとまりました。

それぞれの金額は、売上 列に入っています。

melt() では、まず「残す列」と「縦にまとめる列」を分けるのがポイントです。

melt()後に行数が増える理由

melt() を初めて使うと、行数が増えることに驚くかもしれません。

今回のデータは、変換前は3人分なので3行です。

しかし、1人につき 1月、2月、3月 の3つの売上があるため、melt() 後は次のように行数が増えます。

melt() は、データを消しているのではありません。

横に並んでいた値を、縦に並べ直しているため、行数が増えるのは自然な動きです。

print("変換前の行数:", len(df))
print("変換後の行数:", len(sales_long))

変換前の行数: 3
変換後の行数: 9

このように、melt() 後は「元の行数 × 縦にまとめた列数」に近い行数になります。

今回であれば、3人 × 3か月なので9行です。

補足：元のindexを残したいときはignore_index=False

melt() は、通常は変換後に新しい連番indexを付けます。

多くの場合はそのままで問題ありません。

ただし、元の行番号やindexを確認しながら変換結果を見たいときは、ignore_index=False を指定できます。

初心者のうちは必須ではありませんが、melt() 後に「元のindexはどうなるのか」で迷ったときに知っておくと便利です。

df.melt(
    id_vars=["社員ID", "社員名", "部署"],
    value_vars=["1月", "2月", "3月"],
    var_name="月",
    value_name="売上",
    ignore_index=False
)

ignore_index=False を指定すると、変換前のindexが残ります。

今回の例では、元データの0行目、1行目、2行目が、それぞれ月の数だけ繰り返されます。

ただし、通常の分析では新しい連番indexで問題ないことが多いため、最初は省略して構いません。

id_varsの意味：そのまま残す列

id_vars には、melt後もそのまま残したい列を指定します。

今回の例では、次の列です。

• 社員ID
• 社員名
• 部署

初心者向けに言うと、id_vars は縦にまとめない列です。

id_vars に入れない列は、結果に残らないことがあります。

後で使いたい列は、id_vars に入れておきましょう。

df.melt(
    id_vars=["社員名"],
    value_vars=["1月", "2月", "3月"],
    var_name="月",
    value_name="売上"
)

この例では、社員名 だけを id_vars にしたため、社員ID と 部署 は結果に残りません。

あとで部署別に集計したいなら、部署 も id_vars に含める必要があります。

value_varsの意味：縦にまとめる列

value_vars には、縦にまとめたい列を指定します。

月別売上データなら、1月、2月、3月 が該当します。

value_vars は、「この列たちを1つの項目列と値列にまとめたい」と指定する場所です。

df.melt(
    id_vars=["社員ID", "社員名", "部署"],
    value_vars=["1月", "3月"],
    var_name="月",
    value_name="売上"
)

この例では、value_vars に 1月 と 3月 だけを指定しています。

そのため、2月 は結果に含まれません。

分析対象にしたい列だけを選んで縦にまとめられるのが、value_vars の便利な点です。

var_nameとvalue_nameで列名をわかりやすくする

var_name と value_name を指定しない場合、melt後の列名は variable と value になります。

df.melt(
    id_vars=["社員ID", "社員名", "部署"],
    value_vars=["1月", "2月", "3月"]
)

このままでも処理はできますが、variable と value だけでは、何を表している列なのかがわかりにくいです。

そこで、次のように指定します。

実務でも記事でも、var_name と value_name は指定しておくと読みやすくなります。

sales_long = df.melt(
    id_vars=["社員ID", "社員名", "部署"],
    value_vars=["1月", "2月", "3月"],
    var_name="月",
    value_name="売上"
)

sales_long

variable と value ではなく、月 と 売上 という列名になりました。

あとで groupby("月") や sales_long["売上"] のように書くときも、意味が読み取りやすくなります。

value_nameは既存の列名と重ならない名前にする

value_name には、melt後の値列の名前を指定します。

この名前は、元のDataFrameにすでにある列名と重ならないようにするのが安全です。

たとえば、元データにすでに 売上 という列があるのに、value_name="売上" と指定すると、列名の重複やエラーの原因になることがあります。

今回のサンプルでは、元データに 売上 列はなく、1月、2月、3月 の値をまとめた列として新しく 売上 という名前を付けています。

細かい点ですが、実務データでは列名が増えやすいため、melt後の列名は元の列名と重ならないように確認しておきましょう。

value_varsを省略した場合の注意点

value_vars は省略できます。

ただし、省略すると、id_vars 以外の列がすべて縦にまとめられます。

df.melt(
    id_vars=["社員ID", "社員名", "部署"],
    var_name="月",
    value_name="売上"
)

今回のデータでは、id_vars 以外が 1月、2月、3月 だけなので問題ありません。

しかし、実際のCSVには 備考、登録日、メモ のような列が含まれることがあります。

その場合、value_vars を省略すると、意図しない列まで縦にまとめられる可能性があります。

初心者のうちは、value_vars を明示するほうが安全です。

value_varsを省略すると不要な列まで入る例

次のように、元データに 備考 列があるケースを考えます。

備考 は売上ではないため、本来は 月 や 売上 にまとめたくない列です。

df_extra = df.copy()
df_extra["備考"] = ["重点顧客", "通常", "確認中"]

df_extra

この状態で value_vars を省略すると、id_vars 以外の列がすべて縦にまとめられます。

つまり、1月、2月、3月 だけでなく、備考 まで 月 列に入ってしまいます。

df_extra.melt(
    id_vars=["社員ID", "社員名", "部署"],
    var_name="月",
    value_name="売上"
)

備考 は売上ではないので、この結果は分析しにくい形です。

このようなミスを防ぐには、縦にまとめたい列を value_vars で明示します。

df_extra.melt(
    id_vars=["社員ID", "社員名", "部署", "備考"],
    value_vars=["1月", "2月", "3月"],
    var_name="月",
    value_name="売上"
)

このように、value_vars を指定すると、売上に関係する月別列だけを縦にまとめられます。

実際のCSVでは、メモ列、登録日、区分、備考などが混ざっていることがあります。初心者のうちは、value_vars を省略せずに明示するほうが安全です。

科目別点数データでもmelt()を使う

月別売上だけでなく、科目別点数のようなデータでも melt() は使えます。

ここでは、国語、数学、英語 が横に並んだデータを、科目 列と 点数 列に変換します。

score_df = pd.DataFrame({
    "生徒ID": ["S001", "S002", "S003"],
    "氏名": ["山田", "田中", "伊藤"],
    "クラス": ["A", "A", "B"],
    "国語": [82, 75, 90],
    "数学": [70, 88, 95],
    "英語": [78, 84, 92]
})

score_df

score_long = score_df.melt(
    id_vars=["生徒ID", "氏名", "クラス"],
    value_vars=["国語", "数学", "英語"],
    var_name="科目",
    value_name="点数"
)

score_long

国語、数学、英語 が 科目 列にまとまり、点数は 点数 列に入りました。

この形にしておくと、科目ごとの平均点を出しやすくなります。

score_long.groupby("科目", as_index=False)["点数"].mean()

この例では、melt() で科目ごとに集計しやすい形へ変換し、その後に groupby() で平均点を計算しています。

melt()した後にgroupby()で集計する

melt() のメリットは、変換後に groupby() へつなげやすいことです。

先ほど作成した sales_long を使って、月ごとの売上合計を確認してみます。

monthly_sales = sales_long.groupby("月", as_index=False)["売上"].sum()

monthly_sales

縦持ちにしておくと、月 という列を基準に集計できます。

melt() は集計の前処理、groupby() は集計本体と考えると整理しやすいです。

melt()した後にvalue_counts()で件数を確認する

melt() 後のカテゴリ列は、value_counts() でも扱いやすくなります。

たとえば、科目別点数データで、科目ごとの行数を確認してみます。

score_long["科目"].value_counts()

この例では、各生徒に3科目分のデータがあるため、各科目が同じ件数になります。

実務では、商品名、カテゴリ、月、地域などを縦持ちにしておくと、カテゴリごとの件数確認がしやすくなります。

melt()した後に棒グラフで可視化する

縦持ちデータに変換すると、Matplotlibの棒グラフにもつなげやすくなります。

ここでは、月ごとの売上合計を棒グラフで表示します。

Google Colabでは、日本語の軸ラベルやタイトルが文字化けする場合があります。この記事では melt() 後にグラフ化へ進む流れを確認することを目的にしているため、基本コードでは英語ラベルを使います。日本語で表示したい場合の対処法は、この後の補足で紹介します。

import matplotlib.pyplot as plt

monthly_sales = sales_long.groupby("月", as_index=False)["売上"].sum()

plt.figure(figsize=(6, 4))
plt.bar(monthly_sales["月"], monthly_sales["売上"])
plt.xlabel("Month")
plt.ylabel("Sales")
plt.title("Monthly Sales")
plt.show()

/usr/local/lib/python3.12/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 26376 (\N{CJK UNIFIED IDEOGRAPH-6708}) missing from font(s) DejaVu Sans.
  fig.canvas.print_figure(bytes_io, **kw)

流れは次のとおりです。

1. 横持ちデータを用意する
2. melt() で縦持ちデータに変換する
3. groupby() で月別に集計する
4. Matplotlibで棒グラフにする

melt() はグラフを描くメソッドではありません。

ただし、グラフ化しやすいデータの形を作る前処理として役立ちます。

補足：Colabでグラフの日本語ラベルが文字化けするとき

Google ColabでMatplotlibのグラフを描くと、日本語のタイトルや軸ラベルが文字化けすることがあります。

この記事では、まず melt() の流れを理解しやすくするため、基本のグラフでは英語ラベルを使いました。

日本語で表示したい場合は、次のように japanize-matplotlib を使う方法があります。

# Colabで日本語ラベルを使いたい場合
!pip -q install japanize-matplotlib

import matplotlib.pyplot as plt
import japanize_matplotlib

monthly_sales = sales_long.groupby("月", as_index=False)["売上"].sum()

plt.figure(figsize=(6, 4))
plt.bar(monthly_sales["月"], monthly_sales["売上"])
plt.xlabel("月")
plt.ylabel("売上")
plt.title("月別売上")
plt.show()

この補足は、グラフの表示環境に関する内容です。

melt() の使い方そのものは、英語ラベルでも日本語ラベルでも変わりません。

melt()とpivot()・pivot_table()の違い

melt()、pivot()、pivot_table() は、どれもDataFrameの形を変える場面で出てきます。

違いは、変換する向きと集計の有無です。

melt() と pivot() は、ざっくり言うと逆方向の処理です。

# melt()で作った縦持ちデータ
sales_long

# 縦持ちデータを、社員名×月の横持ちデータに戻す例
sales_pivot = sales_long.pivot(
    index="社員名",
    columns="月",
    values="売上"
)

sales_pivot

この記事では melt() を中心に扱っています。

pivot() や pivot_table() の詳しい使い方は、集計表を作る場面で学ぶと理解しやすいです。

melt()とconcat()・merge()の違い

melt() は、1つのDataFrameの形を変える処理です。

concat() や merge() は、複数のDataFrameを結合する処理です。

「列を縦にまとめたい」のか、「別のDataFrameをくっつけたい」のかで使い分けましょう。

melt()と他のメソッドを迷ったときの使い分け

melt() は便利ですが、すべてのデータ整形に使うメソッドではありません。

目的別に整理すると、次のようになります。

検索していると、melt()、pivot()、concat()、merge() がまとめて出てくることがあります。

しかし、melt() の役割はあくまで、1つのDataFrameの中で、横に並んだ列を縦にまとめることです。

「列を縦にまとめたいのか」「表を結合したいのか」「列名を変えたいだけなのか」を先に分けると、使うメソッドを選びやすくなります。

よくあるミスと注意点

melt() で初心者がつまずきやすい点を整理します。

特に大事なのは、横持ちデータが悪いわけではないという点です。

表として見るだけなら、横持ちのままで問題ありません。

一方で、集計・条件抽出・グラフ化をしやすくしたい場合は、melt() で縦持ちにすることを検討するとよいです。

前処理の流れの中でmelt()を使うタイミング

melt() は、集計や可視化の直前に使うことが多いです。

流れとしては、次のように考えると自然です。

1. read_csv() でCSVを読み込む
2. head() や info() でデータを確認する
3. 欠損値、重複、型、列名を整える
4. 横持ちデータなら melt() で縦持ちに変換する
5. groupby() や value_counts() で集計する
6. Matplotlibでグラフ化する

月別売上、科目別点数、商品別数量のように、同じ種類の項目が横に並んでいるデータでは、melt() を検討するとよいです。

補足：CSVで読み込んだデータにもmelt()は使える

実際の分析では、手入力のサンプルデータではなく、CSVファイルを読み込んだDataFrameに対して melt() を使うこともあります。

考え方は同じです。

• 残す列を id_vars に指定する
• 縦にまとめる列を value_vars に指定する
• 元の列名を入れる列名を var_name で決める
• 値を入れる列名を value_name で決める

CSVを読み込んだ直後は、まず head() や info() で列名を確認してから、melt() を使うと安全です。

# 例：CSVを読み込んだあとにmelt()する場合
# df_csv = pd.read_csv("sales.csv")

# 実際には、CSVの列名に合わせて id_vars と value_vars を指定します。
# long_df = df_csv.melt(
#     id_vars="商品名",
#     value_vars=["1月", "2月", "3月"],
#     var_name="月",
#     value_name="販売数"
# )

軽く知っておきたい関連メソッド

melt() に似た変形処理として、stack()、unstack()、wide_to_long() があります。

ただし、初心者のうちは、まず melt() の基本を理解すれば十分です。

最初からすべて覚える必要はありません。まずは、melt() を「横に増えた列を縦にまとめる基本メソッド」として理解しましょう。

まとめ

この記事では、Pandasの melt() を使って、横持ちデータを縦持ちデータへ変換する方法を解説しました。

ポイントは次のとおりです。

• melt() は、横に広がった列を縦長にまとめるメソッド
• id_vars は、そのまま残す列
• value_vars は、縦にまとめる列
• var_name は、元の列名を入れる列の名前
• value_name は、元の値を入れる列の名前
• value_vars を省略すると、意図しない列まで縦にまとめることがある
• melt() 後は、横に並んでいた値を縦に並べ直すため、行数が増えることがある
• melt() は集計ではなく、集計・可視化しやすい形へ整える前処理
• melt() と pivot() は、変換の向きが逆
• melt() 後は、groupby()、value_counts()、Matplotlibにつなげやすい

月別売上、科目別点数、商品別数量のように、同じ種類の項目が横に並んでいる表では、melt() が役立ちます。

横持ちの表を見て「集計しにくい」「グラフにしにくい」と感じたら、まず melt() で縦持ちにできないかを考えてみましょう。

次に読みたい関連記事

• Pandas DataFrame入門｜作り方・基本操作をわかりやすく解説
  DataFrameの行・列の基本構造を確認したい方におすすめです。

• Google Colab CSV 読み込み＆保存入門｜pandas で read_csv と to_csv を徹底解説
  CSVを読み込んでから前処理する流れを確認したい方におすすめです。

• Pandas pivotとpivot_tableの違い｜重複データ対応と集計方法
  melt() と逆方向の変形である pivot() / pivot_table() を学びたい方におすすめです。

• Pandas groupby×aggの使い方｜基本の集計とaggの書き方を例で解説
  melt() 後に集計へ進みたい方におすすめです。

• pandas value_counts()の使い方｜件数集計・割合表示・欠損値の数え方を解説
  縦持ちにしたカテゴリ列の件数を数えたい方におすすめです。

• Matplotlib 棒グラフ入門：横棒・グループ化・積み上げまで解説
  集計したデータを棒グラフで可視化したい方におすすめです。

• Pandas concat完全ガイド｜複数CSVからDataFrameを縦横結合する方法
  複数のDataFrameを結合する処理と melt() の違いを整理したい方におすすめです。

• pandas mergeの使い方｜DataFrame結合（inner, left, outer）の違いと実例
  キー列を使って別表を結合する方法を学びたい方におすすめです。

▲ ページトップへ戻る

<p>The post pandas melt()の使い方｜横持ちデータを縦持ちに変換する方法 first appeared on Python Data Lab（Pythonデータラボ）.</p>

本記事で pandas pivot の基本と注意点を最初に整理します。データ分析をするとき、データを表に整理することが大切です。特に、元のデータを見たい形に並べ替える「ピボット」という操作はよく使われます。これは、バラバラに記録されたデータ（ロング形式）を、分析しやすい形（ワイド形式）に変換するデータ集計やデータ分析の重要なステップです。

たとえば、日付ごとにバラバラに記録された売上データを、「月」を横軸（列）に、「商品」を縦軸（行）にして、それぞれの「売上合計」がすぐわかるような表にする、といった場合に使います。このように、元のバラバラした形（ロング形式と呼びます）から、分析しやすい形（ワイド形式と呼びます）に変換するのがピボットです。

Pandas という便利なツールには、このピボットを行うための pivot() と pivot_table() という機能があります。どちらも似ていますが、使うデータに同じ組み合わせ（例：同じ月、同じ商品）が複数あるかどうかや、合計などの計算をするかどうかで使い分ける必要があります。特に、重複するデータを集計しながらクロス集計表を作成する際には pivot_table() が強力です。

この記事では、Pandas の pivot と pivot_table の基本的な使い方から、同じ組み合わせのデータをまとめる方法、複数の項目で整理する方法、そしてどちらの機能を選べば良いかまで、実際のコードを見ながら詳しく説明します。「pandas pivot」 や 「pandas pivot_table」 の使い方を知りたい方、データを分かりやすく整理したい方、データ分析やデータ集計を効率化したい方はぜひ読んでみてください。

▶️ Pandas pivotやpivot_tableの公式ドキュメントも参考にしてください：

• pandas DataFrame.pivot
• pandas.pivot_table

Pandas pivot() の基本と使い方：重複しないデータの変換

Pandas の pivot() 関数は、データフレームをシンプルに再形成するために使用されます。この関数は、index, columns, values の 3 つの引数を取り、指定した列をインデックス、カラム、値として新しいデータフレームを作成します。データ分析の初期段階で、重複のないシンプルなデータを整形するのに役立ちます。

重要な点として、pivot() は index と columns で指定したキーの組み合わせが一意である（重複がない）データに対してのみ使用できます。

まずは、pivot() を使うための重複のないサンプル売上データを作成しましょう。このデータは、各月・各商品の売上が1行に記録されており、重複する組み合わせはありません。

  
import pandas as pd
# 重複のないデータを作成
unique_sales_data = {'月': ['2023-01', '2023-01', '2023-02', '2023-02', '2023-03', '2023-03'],
                     '商品': ['りんご', 'バナナ', 'りんご', 'バナナ', 'りんご', 'バナナ'],
                     '売上（円）': [1000, 800, 1100, 850, 1300, 950]}
unique_sales_df = pd.DataFrame(unique_sales_data)
display(unique_sales_df)
  

この重複のない unique_sales_df を使って、pivot() の基本的な使い方を見てみましょう。ここでは、「月」を新しいデータフレームのインデックス、「商品」をカラム、「売上（円）」を値としてピボットします。

  
unique_sales_pivot = unique_sales_df.pivot(index='月', columns='商品', values='売上（円）')
display(unique_sales_pivot)
  

Pandas pivot_table()：重複データの集計と柔軟なピボット

pandas.pivot_table() は、pivot() よりも高機能で、特にインデックスとカラムの組み合わせに重複があるデータの集計に特化しています。データ集計（Aggregation）を行いながらデータをピボットできる点が pivot() との最大の違いです。これにより、複雑なクロス集計表を簡単に作成できます。

pivot_table() は pivot() の引数 (index, columns, values) に加えて、aggfunc という重要な引数を持っています。aggfunc には、重複する値に対して適用したい集計関数（例: ‘sum’, ‘mean’, ‘count’, np.sum など）を指定します。

先ほどの unique_sales_df は重複がありませんでしたが、実際のビジネスデータでは同じ月、同じ商品でも複数の店舗や取引でデータが重複することがよくあります。このような場合に pivot_table() が役立ちます。データ分析において、このような重複データの集計は不可欠です。

重複を含むサンプルデータ sales_df を使用して、pivot_table() の使い方を見ていきましょう。このデータでは、同じ「月」と「商品」の組み合わせで複数の「店舗」のデータが含まれており、データ集計が必要なケースです。

  
sales_data = {'月': ['2023-01', '2023-01', '2023-01', '2023-02', '2023-02', '2023-02', '2023-03', '2023-03', '2023-03'],
              '店舗': ['A', 'A', 'B', 'B', 'A', 'A', 'B', 'B', 'A'],
              '商品': ['りんご', 'バナナ', 'りんご', 'バナナ', 'りんご', 'バナナ', 'りんご', 'バナナ', 'バナナ'],
              '売上（円）': [1000, 800, 1200, 900, 1100, 850, 1300, 950, 850],
              '売上原価（円）': [700, 500, 700, 600, 700, 400, 700, 550, 500]}
sales_df = pd.DataFrame(sales_data)
display(sales_df)
  

Pandas pivot() の重要な制約：重複データによるエラー

pandas.pivot() は、index と columns で指定したキーの組み合わせが一意である場合にのみ機能します。もし、指定した index と columns の組み合わせに複数の行が該当する場合、pivot() はどの値を新しいデータフレームに配置すれば良いか判断できず、ValueError: Index contains duplicate entries, cannot reshape のようなエラーが発生します。

例えば、以下のデータのように、2023-01月のりんごの売上データが複数存在する場合、unique_sales_df.pivot(index='月', columns='商品', values='売上（円）') を実行するとエラーになります。

↑この重複がエラーの原因

このように、集計せずに単純なデータ再形成を行いたい場合に pivot() は便利ですが、データの重複が少しでもある場合は、後述する pivot_table() を使う必要があります。

sales_df を使って、「月」をインデックス、「商品」をカラム、「売上（円）」を値として pivot_table() を実行し、重複する「月」と「商品」の組み合わせの「売上（円）」を合計してみましょう。aggfunc='sum' を指定します。

  
sales_pivot_table_sum = sales_df.pivot_table(index='月', columns='商品', values='売上（円）', aggfunc='sum')
display(sales_pivot_table_sum)
  

ご覧のように、pivot_table() は重複する「月」と「商品」の組み合わせ（例: 2023-03 月のバナナ）に対して、指定した集計関数 (sum) を適用して結果を返します。2023-03 月のバナナの売上は、店舗 B (950 円) と店舗 A (850 円) の合計値 (950 + 850 = 1800 円) となっています。このように、pivot_table() を使うことで、重複するデータを適切に集計し、クロス集計表を作成できます。

同様に、平均を計算したい場合は aggfunc='mean' を指定します。ここでは「売上原価（円）」の平均を見てみましょう。これもデータ集計の一種です。

  
sales_pivot_table_mean = sales_df.pivot_table(index='月', columns='商品', values='売上原価（円）', aggfunc='mean')
display(sales_pivot_table_mean)
  

Pandas pivot と pivot_table の使い分け まとめ

Pandas でデータフレームのピボットを行う際に、pivot() と pivot_table() のどちらを使うべきか迷うことがあります。以下にそれぞれの特徴と使い分けのポイントをまとめます。データ分析の目的に応じて適切な関数を選ぶことが重要です。

• pandas.pivot(): index と columns で指定するキーの組み合わせが一意であるデータにのみ使用できます。単純なデータの形を変える（再形成する）ことに特化しており、集計は行いません。重複がないことが確実な、シンプルなデータ変換に適しています。データ分析の初期段階での整形に利用されることがあります。
• pandas.pivot_table(): index と columns で指定するキーの組み合わせに重複があっても使用できます。重複する値に対して aggfunc で指定した集計処理を行います。データ集計と同時にデータの形を変換したい場合や、データの重複が予想される場合に適しています。これにより、詳細なクロス集計表を作成できます。

結論として、データの重複の可能性がある場合は、迷わず pivot_table() を使用するのが安全で一般的です。 データ分析において、生のデータには重複が含まれることが多いため、pivot_table() がより頻繁に利用されます。重複がないことが保証されている、非常にシンプルなケースでのみ pivot() を検討すると良いでしょう。

Pandas pivot_table() の応用テクニック：複数条件での集計と詳細設定

pivot_table() は、単一の列だけでなく、複数の列を組み合わせてインデックスやカラムとして使用することで、より複雑で多角的なデータ集計・データ分析を行うことができます。これにより、データの階層的な構造を表現したクロス集計表を作成することが可能です。データ分析において、多次元的な視点からデータを把握するのに非常に役立ちます。

複数レベルのインデックス (MultiIndex) の作成

index 引数に列名のリストを指定することで、複数のレベルを持つ階層的なインデックス（MultiIndex）を作成できます。例えば、「月」と「店舗」をインデックス、「商品」をカラム、「売上原価（円）」を値として、それぞれの合計を集計してみましょう。これはデータ集計の一例であり、店舗ごとの月別売上原価の傾向を把握するのに役立ちます。

  
sales_pivot_multi_index = sales_df.pivot_table(index=['月', '店舗'], columns='商品', values='売上原価（円）', aggfunc='sum')
display(sales_pivot_multi_index)
  

このように、外側のレベルに「月」、その内側のレベルに「店舗」という階層構造を持つインデックスが作成されました。

複数レベルのカラム (MultiColumn) の作成

同様に、columns 引数に列名のリストを指定することで、複数のレベルを持つ階層的なカラム（MultiColumn）を作成できます。ここでは、「月」をインデックス、「店舗」と「商品」をカラム、「売上（円）」を値として、それぞれの合計を集計してみましょう。

  
sales_pivot_multi_columns = sales_df.pivot_table(index='月', columns=['店舗', '商品'], values='売上（円）', aggfunc='sum')
display(sales_pivot_multi_columns)
  

外側のレベルに「店舗」、その内側のレベルに「商品」という階層構造を持つカラムが作成されました。pivot_table() を活用することで、このように様々な切り口でデータを集計し、ビジネスの意思決定に役立つインサイトを得ることが可能になります。

>『インサイト』とは、データ分析から得られる、物事の本質を見抜く洞察や、次に取るべき行動のヒントになるような深い理解のことです。

実社会での具体的な応用例

pivot_table() は様々な種類のデータ分析に活用できます。いくつか具体的なシナリオを見てみましょう。これにより、いかにpivot_table()がデータ集計とクロス集計表作成に役立つかが分かります。

例 1：EC サイトの売上データ

EC サイトの売上データがあるとします。ここには、注文 ID、顧客 ID、購入日、商品カテゴリ、商品名、価格などの情報が含まれています。pivot_table() を使うと、以下のようなデータ分析が可能です。

• 月別の商品カテゴリ別売上集計:

sales_df.pivot_table(index='購入月', columns='商品カテゴリ', values='価格', aggfunc='sum')
→ 各月のどの商品カテゴリがどれだけ売れているか一目で把握できます。これは典型的なクロス集計表を用いたデータ集計です。

• 顧客別の購入商品集計:

sales_df.pivot_table(index='顧客ID', columns='商品名', values='注文ID', aggfunc='count', fill_value=0)
→ 各顧客がどの商品をいくつ購入したかを知ることができます。リピート購入されている商品を特定するのに役立ちます。顧客行動のデータ分析に繋がります。

例 2：顧客データ

顧客データには、顧客 ID、年齢、性別、居住地域、最終購入日などの情報が含まれているとします。

• 地域別の性別構成比:

customer_df.pivot_table(index='居住地域', columns='性別', values='顧客ID', aggfunc='count', fill_value=0)
→ どの地域の顧客層がどの性別に偏っているかを確認できます。これもクロス集計表によるデータ分析の一例です。

例 3：アンケートデータ

製品やサービスに関するアンケートデータがあるとします。回答者の属性（年齢層、職業など）と、各質問への回答（5 段階評価など）が含まれています。

• 年齢層別の質問評価平均:

survey_df.pivot_table(index='年齢層', columns='質問項目', values='評価点', aggfunc='mean')
→ どの年齢層が特定の質問項目に対してどのような評価をしているかの平均を知ることができます。製品改善の優先順位付けに役立ちます。アンケート結果のデータ集計とデータ分析に有効です。

これらの例のように、pivot_table() はビジネスデータの様々な切り口でのデータ集計・データ分析に非常に強力なツールとなります。あなたの持っているデータをどのように集計・分析したいかを考え、適切な index, columns, values, aggfunc を指定することで、データから有用なインサイトを引き出すことができます。クロス集計表の作成は、データ分析の基本であり、pivot_table()はその中心的な役割を担います。

<code>Pandas pivot_table()</code> の便利な引数とトラブルシューティング

pivot_table() をより効果的に使用するための便利な引数や、よく遭遇する問題とその解決策について解説します。これにより、データ集計やデータ分析の効率をさらに向上させることができます。

NaN 値の扱い方 (fill_value 引数)

ピボットした結果のデータフレームで、元のデータに存在しないインデックスとカラムの組み合わせには、デフォルトで NaN (Not a Number) が表示されます。これは、その組み合わせに対応するデータがなかったことを意味します。

分析や後続処理の都合上、これらの NaN を特定の値（例えば 0）で埋めたい場合は、fill_value 引数を使用します。

  
sales_pivot_multi_columns = sales_df.pivot_table(index='月', columns=['店舗', '商品'], values='売上（円）', aggfunc='sum',fill_value=0)
display(sales_pivot_multi_columns)
  

fill_value=0 を指定することで、データが存在しなかった箇所が 0 で埋められていることが確認できます。これは、クロス集計表を見やすくしたり、後続の計算処理でエラーが出ないようにするための便利な機能です。データ分析においては、欠損値の適切な処理が重要になります。

様々な aggfunc の指定方法

aggfunc には、集計関数名を文字列で指定する以外にも、より柔軟な指定方法があります。これにより、データ集計のニーズに合わせて多様な計算を適用できます。

• 集計関数のリスト: 複数の集計（例: 合計と平均）を一度に行いたい場合に便利です。

  
sales_pivot_multi_agg = sales_df.pivot_table(index='月', columns='商品', values='売上（円）', aggfunc=['sum', 'mean'])
display(sales_pivot_multi_agg)
  

• 列ごとの集計関数を定義する辞書: 異なる列に対して異なる集計関数を適用したい場合に便利です。values 引数も辞書形式で指定する必要があります。これは、例えば売上は合計、利益率は平均、といった異なる種類のデータ集計を同時に行いたい場合に有効です。

  
sales_pivot_dict_agg = sales_df.pivot_table(index='月', columns='商品', values={'売上（円）': 'sum', '売上原価（円）': 'mean'})
display(sales_pivot_dict_agg)
  

大規模データにおけるパフォーマンス考慮点

大規模なデータセットに対して pivot_table() を実行する場合、処理に時間がかかったり、メモリを大量に消費したりする可能性があります。データ分析において、パフォーマンスは重要な要素です。パフォーマンスを向上させるためには、以下の点を考慮してください。

• 不要な列を事前に削除: ピボットに関係のない列は、事前に DataFrame から削除することで、メモリ使用量と処理時間を削減できます。データ前処理の段階でデータ分析に必要な列のみを選択することが重要です。
• データの型を最適化: 特に文字列データが多い列は、カテゴリ型 (category) に変換することでメモリ効率が向上する場合があります。適切なデータ型を使用することは、大規模データのデータ集計において特に有効です。
• データ型の確認: 数値データがオブジェクト型 (object) になっていると計算が遅くなるため、適切な数値型 (int, float) に変換します。データ分析の精度と速度に影響します。
• チャンク処理: 非常に大きなデータセットの場合は、データを小さなチャンク（塊）に分割して pivot_table() を適用し、後で結果を結合することも有効な手段です。メモリが限られている環境でのデータ集計に役立ちます。

まとめ：Pandas pivot_table をマスターしてデータ分析を加速しよう

本記事では、Pandas ライブラリにおけるデータ再形成とデータ集計のための主要な関数である pivot() と pivot_table() について詳しく解説しました。これらの関数は、データ分析においてクロス集計表を作成する上で非常に重要です。

• pandas.pivot(): index と columns の組み合わせが一意であるデータに対して、シンプルなデータ再形成を行います。データ集計機能はありません。シンプルなデータ分析の初期整形に利用します。
• pandas.pivot_table(): index と columns の組み合わせに重複があるデータを含む、より柔軟なデータ集計と再形成を行います。aggfunc 引数で様々な集計関数を指定できます。クロス集計表の作成や詳細なデータ分析に不可欠です。

pivot_table() は、生のデータをデータ分析に適したクロス集計表の形式に変換するための、データ分析において非常に重要なツールです。売上データの月別・商品別集計、アンケート結果のクロス集計、各種レポート作成など、幅広い場面でその強力な機能を発揮します。データ分析の効率と質を高めるために、pivot_table()は欠かせません。

この記事で解説した内容を参考に、ぜひあなたのデータ分析ワークフローに pivot_table() を積極的に取り入れてみてください。実際に様々なデータに対して pivot_table() を試すことで、さらに理解を深めることができるでしょう。データ集計とクロス集計表の作成をマスターし、データ分析を加速させましょう。

▲ ページトップへ戻る

<p>The post Pandas pivot と pivot_table を徹底解説！データ分析での使い分けと応用 first appeared on Python Data Lab（Pythonデータラボ）.</p>

データ分析でこんなことを思ったことはありませんか？

• 複数の条件（例えば「ある月の特定の店舗での売上」）でデータを絞り込みたいけど、どうすれば効率的なんだろう？
• 店舗別、商品別、さらには「月ごとの店舗別」のように、様々な粒度でデータを集計して比較したいけど、もっと簡単な方法はないかな？

この記事では、pandas の階層型インデックス (pandas MultiIndex) を使うことで、驚くほどスマートに解決できます！

pandas の MultiIndex（階層型インデックス）は、DataFrame の行や列に複数のレベルのラベルを付けることができる機能です。これにより、スプレッドシートでいうところの「複数行の見出し」のような構造をデータに持たせることができ、複雑なデータも直感的に、そして効率的に扱えるようになります。

pandas MultiIndex を使うと、次のような分析や操作が驚くほど簡単になります！

• 特定の条件での絞り込み: 「2023 年 1 月の A 店のりんごの売上だけを見たい」「特定の期間の B 店の全商品データを取り出したい」といった、複数の条件を組み合わせたデータ抽出が直感的に行えます。
• 柔軟な集計: 「店舗ごとの合計売上」「月ごとの商品別売上」「商品ごとの全店舗での平均売上」など、様々な粒度での集計が効率的に行え、ビジネスの傾向分析に役立ちます。
• 比較分析: 異なる店舗間や商品間でのパフォーマンス比較、時系列での変化の追跡などが容易になり、データに基づいた意思決定をサポートします。

売上データを例に、pandas MultiIndex の基本的な考え方から、データの準備、選択、集計、そして操作方法までを、具体的なコードを通して学んでいきましょう！

▶️ MultiIndexの公式ドキュメントも参考にしてください：
pandas.MultiIndex Documentation

Pandas MultiIndex (階層型インデックス) の作成方法とサンプルデータ

サンプルデータの作成

import pandas as pd

sales_data = {
    '月': ['2023-01', '2023-01', '2023-01', '2023-02', '2023-02', '2023-02', '2023-03', '2023-03','2023-03'],
    '店舗': ['A', 'A', 'B', 'B', 'A', 'A', 'B', 'B', 'A'],
    '商品': ['りんご', 'バナナ', 'りんご', 'バナナ', 'りんご', 'バナナ', 'りんご', 'バナナ', 'バナナ'],
    '売上（円）': [1000, 800, 1200, 900, 1100, 850, 1300, 950, 850],
    '売上原価（円）': [700, 500, 700, 600, 700, 400, 700, 550, 500]
}
sales_df = pd.DataFrame(sales_data)
display(sales_df)

行方向への階層型インデックス（pandas MultiIndex）の設定 (set_index)

階層型インデックス、すなわち pandas MultiIndex を設定することで、複数のカテゴリを組み合わせてデータを整理し、後の分析や絞り込みを効率的に行えるようになります。ここでは、’月’と’店舗’を組み合わせて行の pandas MultiIndex とします。

set_index() メソッドに、pandas MultiIndex として設定したい列名のリストを渡すことで、階層型インデックスを持つ DataFrame を作成できます。元の列はインデックスに移動し、データ本体からは削除されます。

以下のコードを実行して、sales_df に pandas MultiIndex を適用した sales_hier_df を見てみましょう。行のインデックス部分が「月」と「店舗」の 2 つのレベルで構成されているのが分かります。

# '月'と'店舗'を階層型インデックスに設定
sales_hier_df = sales_df.set_index(['月', '店舗'])
display(sales_hier_df)

Pandas MultiIndex DataFrame からのデータ選択・絞り込み (loc, iloc)

特定の列（カラム）の選択

単一列の選択

pandas MultiIndex を持つ DataFrame から、特定の列を選択するのは通常の DataFrame と同じように行えます。ここでは例として、’商品’列のみを絞り込んで表示してみましょう。

列を一つだけ選択する場合は、DataFrame 名の後に角括弧 [] で列名を指定します。結果は Series として返されます。

以下のコードを実行すると、元の DataFrame と比較して、「商品」列だけが抽出された Series が表示されます。インデックスは pandas MultiIndex (月, 店舗) がそのまま引き継がれていることが分かります。

print('絞り込み前')
display(sales_hier_df)

print('絞り込み後')
# グループの絞り込み
display(sales_hier_df['商品'])

絞り込み前

絞り込み後

なお、

`

sales_hier_df.loc[:,’商品’]

`

にしても同じ結果が返ります。

複数列の選択

複数の列を選択したい場合は、列名のリストを角括弧 [] の中に指定します。結果は DataFrame として返されます。ここでは例として、’商品’列と’売上（円）’列を同時に絞り込んで表示してみましょう。

以下のコードを実行すると、元の DataFrame から「商品」と「売上（円）」の 2 つの列だけが抽出された DataFrame が表示されます。行の階層型インデックス (月, 店舗) は維持されています。

print('絞り込み前')
display(sales_hier_df)

print('絞り込み後')
# グループの絞り込み
display(sales_hier_df[['商品','売上（円）']])

絞り込み前

絞り込み後

なお、

`

sales_hier_df.loc[:,[‘商品’,’売上（円）’]]

`

にしても同じ結果が返ります。

特定の行の位置による選択 (.iloc)

pandas MultiIndex を持つ DataFrame から特定の行を選択するにはいくつかの方法があります。ここでは、行の位置（0 から始まる整数）を使って絞り込む方法を見てみましょう。.iloc アクセサを使用します。

スライスを使うことで、特定の範囲の行を選択できます。例えば、最初の 1 行を選択するには iloc[0:1] と指定します。これは、0 番目の行を含み、1 番目の行を含まない範囲を指定していることになります。

位置による選択は、データの物理的な並び順に基づいて行を選択したい場合に便利です。以下のコードでは、最初の 1 行目を取得しています。

print('絞り込み前')
display(sales_hier_df)

print('絞り込み後')
# グループの絞り込み
display(sales_hier_df[0:1])

絞り込み前

絞り込み後

また、２番目の行のデータを見たいならば、

`

sales_hier_df[2:3]

`

にすると、グループの絞り込みができます。

print('絞り込み前')
display(sales_hier_df)

print('絞り込み後')
# グループの絞り込み
display(sales_hier_df[2:3])

絞り込み前

絞り込み後

階層型インデックス（pandas MultiIndex）を使ったラベルによるデータの選択・絞り込み (.loc)

特定の行（インデックスラベル）を選択する際には、.loc アクセサを使用します。pandas MultiIndex では、この .loc を使って柔軟な絞り込みが可能です。

複数レベルのインデックスラベルによる特定の組み合わせの選択

例えば、「2023 年 1 月の A 店」のように、pandas MultiIndex の複数レベル（’月’と’店舗’）の特定の組み合わせに一致する行を絞り込みたい場合、.locにタプルで指定します。

以下のコードを実行すると、('2023-01', 'A') のラベルに一致する行が抽出されます。この場合、2023 年 1 月の A 店のデータがすべて表示されます。

print('絞り込み前')
display(sales_hier_df)

print('特定の月と店舗で絞り込み (例: 2023-01 の A 店)')
display(sales_hier_df.loc[('2023-01', 'A')])

絞り込み前

特定の月と店舗で絞り込み (例: 2023-01 の A 店)

/tmp/ipython-input-1872768620.py:5: PerformanceWarning: indexing past lexsort depth may impact performance.
  display(sales_hier_df.loc[('2023-01', 'A')])

複数レベルにまたがる要素の選択 (slice(None)の活用)

特定のレベルの全ての要素を選択しつつ、別のレベルで絞り込みたい場合は、slice(None) を使用します。例えば、全ての月の’A’店のデータを取得するには .loc[(slice(None), 'A'), :] と指定します。slice(None) はそのレベルの全ての要素を選択することを意味します。

以下のコードを実行すると、月のレベルは全て選択し、店舗レベルで ‘A’ を選択したデータが表示されます。

print('絞り込み前')
display(sales_hier_df)

print('特定の店舗で絞り込み (例: A 店の全ての月)')
display(sales_hier_df.loc[(slice(None), 'A'), :])

絞り込み前

特定の店舗で絞り込み (例: A 店の全ての月)

単一レベルのインデックスラベルによる選択

.loc を使用すると、pandas MultiIndex の特定のレベルのラベルを指定して行を選択できます。例えば、最初のレベルである ‘月’ のラベルを指定して、特定の月のデータを全て選択することができます。

また、特定の行（インデックスラベル）と特定の列（カラム名）を組み合わせて絞り込むことも可能です。.loc[行の指定, 列の指定] の形式で記述します。

ここではたとえば、’2023-01’の全ての店舗のデータから、’商品’列だけを見たいとしましょう。行の指定には '2023-01' を、列の指定には '商品' を使います。単一レベルのラベルを指定する場合は、タプルではなく直接ラベル名を指定するか、単一要素のタプル ('2023-01',) とします。

以下のコードを実行すると、2023 年 1 月の全ての店舗のデータの中から、「商品」列だけが抽出されます。結果は Series として表示されます。

print('絞り込み前')
display(sales_hier_df)

print('絞り込み後（2023-01の全店舗の商品列を絞り込み）')
# 行の指定にタプル ('2023-01',) を使い、列の指定に '商品' を使う
display(sales_hier_df.loc[('2023-01',), '商品'])

絞り込み前

絞り込み後（2023-01の全店舗の商品列を絞り込み）

.loc使用時のパフォーマンスに関する注意点 (PerformanceWarningとsort_index)

pandas MultiIndex を持つ DataFrame で .loc アクセサを使ってラベルによる絞り込みを行う際に、時折 PerformanceWarning が表示されることがあります。これは、特にインデックスがソートされていない場合に発生し、データの検索効率が低下する可能性があることを示しています。

この PerformanceWarning は、pandas MultiIndex を扱う上でよく遭遇するものであり、インデックスがソートされていない状態で特定のラベルやスライスによる選択を行う際に発生します。

Pandas は、ソートされたインデックスに対しては非常に高速な検索アルゴリズムを使用できますが、ソートされていない場合は、各インデックスエントリを個別にチェックする必要があり、特に大規模なデータでは処理時間が長くなることがあります。

このパフォーマンスの問題を解決し、PerformanceWarning を回避するためには、.loc を使用して絞り込みを行う前に、DataFrame のインデックスを sort_index() メソッドでソートすることが推奨されます。sort_index() は、インデックスの各レベルを順番にソートし、効率的なデータアクセスを可能にします。

したがって、pandas MultiIndex を使った .loc によるデータ選択を行う際は、事前に sort_index() を実行することが、パフォーマンスを最適化し、警告を回避するための標準的なプラクティスとなります。

ソートされたインデックスを持つ DataFrame では、特定のラベルやスライスによる .loc での選択が高速化され、警告も表示されなくなります。

以下のコードでは、まずソート前の DataFrame で特定の絞り込みを行い、PerformanceWarning が表示される場合があることを確認します。次に、インデックスをソートした DataFrame で同じ絞り込みを行い、警告が表示されないこと、および結果が変わらないことを確認します。

print('ソート前')
display(sales_hier_df)

# インデックスをソート
sales_hier_sorted_df = sales_hier_df.sort_index()

print('インデックスをソート後')
display(sales_hier_sorted_df)

print('ソート済みDataFrameで特定の月と店舗で絞り込み (例: 2023-01 の A 店)')
display(sales_hier_sorted_df.loc[('2023-01', 'A')])

print('ソート済みDataFrameで特定の店舗で絞り込み (例: A 店の全ての月)')
display(sales_hier_sorted_df.loc[(slice(None), 'A'), :])

ソート前

インデックスをソート後

ソート済みDataFrameで特定の月と店舗で絞り込み (例: 2023-01 の A 店)

ソート済みDataFrameで特定の店舗で絞り込み (例: A 店の全ての月)

Pandas MultiIndex を使った高度なデータ抽出・絞り込み

pandas MultiIndex の強力な点は、単一のレベルだけでなく、複数のレベルを組み合わせてデータを柔軟に絞り込めることです。.locを使用することで、インデックスの特定の組み合わせや、特定のレベルのすべての要素を選択しながら別のレベルで絞り込むといった、より複雑な条件でのデータ抽出が容易になります。

特定の月と店舗のデータを絞り込む

例えば、「2023 年 2 月の A 店」のように、pandas MultiIndex の複数レベル（’月’と’店舗’）の特定の組み合わせに一致する行を絞り込みたい場合、.locにタプルで指定します。

以下のコードを実行すると、2023 年 2 月の A 店のデータのみが抽出されます。

print('階層型インデックスDataFrame')
display(sales_hier_df)

print("特定の月 ('2023-02') かつ特定の店舗 ('A') のデータを絞り込み:")
display(sales_hier_df.loc[('2023-02', 'A')])

print("特定の月 ('2023-03') における特定の商品のデータ ('バナナ') を全ての店舗で絞り込み:")
display(sales_hier_df.loc[(slice(None), slice(None)), :][sales_hier_df['商品'] == 'バナナ'].loc['2023-03'])

階層型インデックスDataFrame

特定の月 ('2023-02') かつ特定の店舗 ('A') のデータを絞り込み:

/tmp/ipython-input-3881532412.py:5: PerformanceWarning: indexing past lexsort depth may impact performance.
  display(sales_hier_df.loc[('2023-02', 'A')])

特定の月 ('2023-03') における特定の商品のデータ ('バナナ') を全ての店舗で絞り込み:

Pandas MultiIndex でのデータ集計 (groupby level)

pandas MultiIndex を設定することで、特定のインデックスレベルを基準にしてデータを簡単に集計できます。groupby() メソッドと level 引数を使うことで、指定したレベルでデータをグループ化し、合計や平均などの集計関数を適用できます。

以下の例では、様々な pandas MultiIndex レベルを軸に売上と売上原価の合計を計算しています。集計対象から文字列型の’商品’列を除外するために、数値列のみを選択して集計しています。

単一インデックスレベルでの集計 (例: 店舗別)

‘店舗’を軸に売上と売上原価の合計を計算します。groupby(level='店舗') で店舗ごとにデータをグループ化し、.sum() で各グループの合計値を計算しています。集計結果からは、例えば「A 店の総売上は〇〇円、B 店の総売上は△△円である」といった情報を読み取ることができます。

print('合計前')
display(sales_hier_df)

print('店舗ごとの合計')
display(sales_hier_df.groupby(level= '店舗', axis = 0).sum())

print('店舗ごとの合計（商品を除く)')
display(sales_hier_df[['売上（円）','売上原価（円）']].groupby(level= '店舗', axis = 0).sum())

合計前

店舗ごとの合計

/tmp/ipython-input-3547325012.py:5: FutureWarning: The 'axis' keyword in DataFrame.groupby is deprecated and will be removed in a future version.
  display(sales_hier_df.groupby(level= '店舗', axis = 0).sum())

店舗ごとの合計（商品を除く)

/tmp/ipython-input-3547325012.py:8: FutureWarning: The 'axis' keyword in DataFrame.groupby is deprecated and will be removed in a future version.
  display(sales_hier_df[['売上（円）','売上原価（円）']].groupby(level= '店舗', axis = 0).sum())

【補足】groupbyのaxis引数に関する警告について

上記のコードを実行すると、FutureWarning: The ‘axis’ keyword in DataFrame.groupby is deprecated and will be removed in a future version. という警告が表示されることがあります。これは、将来的にgroupbyメソッドでaxisを使う方法が廃止される可能性があることを示しています。

現在（pandas の特定のバージョン）ではまだ動作しますが、将来的な互換性を考慮すると、axis=0の場合は引数を省略するか、列方向の集計（axis=1）の場合は groupby(level=’color’, axis=1) の代わりに、データの持ち方によっては先にデータを転置（.T）してからgroupbyを行うなどの代替手段を検討することもできます。

なお、groupbyメソッドでaxis=0を指定することは、デフォルトの動作である「行方向（インデックス）でのグループ化」を明示していることになります。このため、通常はaxis=0を省略しても同じ結果が得られます。警告を避けるためにも、行方向のグループ化の場合はaxis引数を省略することが推奨されます。

単一インデックスレベルでの集計 (例: 月別)

次に、’月’を軸に売上と売上原価の合計を計算してみましょう。groupby(level='月') を使用します。これにより、月ごとの全体の売上動向を把握できます。

print('合計前')
display(sales_hier_df)

print('月ごとの合計')
# 警告を避けるため、axis=0 は省略
display(sales_hier_df[['売上（円）','売上原価（円）']].groupby(level= ['月']).sum())

合計前

月ごとの合計

複数インデックスレベルでの集計 (例: 月と店舗別)

さらに、’月’と’店舗’の両方を軸にして集計することも可能です。groupby(level=['月', '店舗']) のようにレベル名のリストを指定します。これにより、各月における各店舗の合計売上を詳細に分析できます。

print('合計前')
display(sales_hier_df)

print('月と店舗ごとの合計')
# 警告を避けるため、axis=0 は省略
display(sales_hier_df[['売上（円）','売上原価（円）']].groupby(level= ['月', '店舗']).sum())

合計前

月と店舗ごとの合計

MultiIndex のリセットと削除

pandas MultiIndex を持つ DataFrame から特定の行を削除したい場合は、drop() メソッドを使います。drop() に削除したいインデックスのラベルを指定します。階層型インデックスの場合は、削除したいレベルのラベルを指定します。

次の例では、月レベルのインデックスである’2023-03’に対応する全ての行を削除しています。これにより、特定の期間のデータを分析から除外したい場合などに便利です。

print('削除前')
display(sales_hier_df)

print('2023-03行を削除後')
display(sales_hier_df.drop(['2023-03']))

削除前

2023-03行を削除後

階層型インデックス（pandas MultiIndex）のリセット (reset_index)

pandas MultiIndex を設定した DataFrame を、元のフラットなインデックスに戻したい場合があります。例えば、階層型インデックスで行った集計結果を、元の列として扱いたい場合などです。

このような場合は、reset_index() メソッドを使用します。このメソッドを呼び出すと、階層型インデックスの各レベルが通常の列として DataFrame に追加され、デフォルトの整数インデックスが新たに設定されます。

reset_index() は新しい DataFrame を返すため、元の DataFrame を変更したい場合は、結果を同じ変数に代入するか、inplace=True 引数を指定します（ただし、inplace=True の使用は推奨されない場合があります）。

ここでは、sales_hier_df に設定した pandas MultiIndex をリセットし、’月’と’店舗’を再び列に戻してみましょう。元の sales_df と同じ形式に戻ることが分かります。