pandas groupby・aggの使い方｜複数列・複数集計と結果の見方

店舗別や商品別に売上をまとめようとして、sum() と agg() のどちらを使えばよいか迷ったことはありませんか。コードは動いても、集計後の列名が2段になったり、明細数が予想より少なかったりすると、結果をどう読めばよいか不安になります。

先に結論を示します。1種類の集計だけなら sum() や mean()、同じ列に複数の集計をするなら agg([...])、列ごとに異なる集計をするなら agg({列名: 集計方法})、結果の列名まで整えたいなら名前付き集約を選びます。

この記事では、同じ売上明細を使って書き方を段階的に変えます。出力の行・列・値を読み、欠損値や表記ゆれによる想定外の結果を確認し、最後は並べ替えや可視化へ使える表に整えます。groupby() は、データ型・欠損・表記を整えた後に比較用の集計表を作る処理です。

この記事でわかること

• groupby() と agg() の役割
• 専用メソッド・リスト・辞書・名前付き集約の選び方
• 集計結果のグループキー、列名、値の読み方
• count() と size()、as_index=True と False の違い
• 欠損値、データ型、表記ゆれで結果が変わる原因と修正方法
• 元データとの検算から並べ替え・可視化へ進む方法

集計前にデータの構造を確認したい場合は、Pandas DataFrame入門とpandas info()の使い方を参考にしてください。数値型の修正はpandas to_numeric()の使い方、カテゴリの確認はpandas unique()とnunique()の使い方で解説しています。

先に結論：集計の目的で書き方を選ぶ

groupby() は同じ値を持つ行をグループに分け、agg() は各グループに集計関数を適用します。agg() は aggregate() の短い別名で、どちらも同じ処理です。通常は短い agg() がよく使われます。

単純な値別件数は value_counts()、2つのカテゴリの件数・割合は crosstab()、行と列を指定して再配置しながら集計するなら pivot_table() が向いています。選択を誤ると、欲しい数値は得られても、結果の形が次の作業に合わなくなります。

サンプルデータを用意する

店舗ごとの売上を集計します。違いを確認できるように、売上が欠損している行と、店舗名が欠損している行を1つずつ含めます。

import pandas as pd
from IPython.display import display

df = pd.DataFrame({
    "店舗": ["東京", "東京", "大阪", "大阪", "名古屋", "名古屋", "名古屋", None],
    "商品": ["A", "B", "A", "B", "A", "B", "B", "A"],
    "売上": [1200, 800, 1500, None, 700, 900, 600, 500],
    "数量": [2, 1, 3, 2, 1, 2, 1, 1]
})

display(df)

実行前の明細は8行です。インデックス3の売上は NaN、インデックス7の店舗も欠損しています。NaN は「0円」ではなく、値が入っていないことを表します。

自分のデータへ置き換えるときは、まず列名、データ型、欠損数、カテゴリの表記を確認してください。

print(df.dtypes)
print("\n欠損数")
display(df.isna().sum())
print("店舗の値:", df["店舗"].unique())

店舗     object
商品     object
売上    float64
数量      int64
dtype: object

欠損数

dtype: int64

店舗の値: ['東京' '大阪' '名古屋' None]

売上 は欠損値を含むため float64 になります。店舗と売上に各1件の欠損があることも確認できます。ここを見ずに集計すると、行数や合計が予想と違う原因を見落とします。

型の確認はpandas info()の使い方、文字列数値の修正はpandas to_numeric()の使い方、カテゴリ確認はpandas unique()とnunique()の使い方を参考にしてください。

1種類だけ集計するならsum()などの専用メソッド

まず、店舗別の売上合計だけを求めます。集計が1種類なら、agg() を使わず sum() と書く方が目的を読み取りやすくなります。sort=False は、サンプルに最初に現れた店舗順を保つために指定しています。

sales_sum = (
    df.groupby("店舗", sort=False)["売上"]
      .sum()
)
display(sales_sum)

dtype: float64

行インデックスがグループキーの店舗、値が店舗内の売上合計です。東京は 1200 + 800 = 2000、大阪は欠損値を除いた 1500、名古屋は 700 + 900 + 600 = 2200 です。

店舗が欠損した500円の行は、標準の groupby() ではグループに含まれません。この点は後半で確認します。

同じ列へ複数の集計をするならagg()のリスト指定

売上について、合計・平均・有効な値の件数を同時に確認します。集計関数名を文字列のリストで渡します。

sales_stats = (
    df.groupby("店舗", sort=False)["売上"]
      .agg(["sum", "mean", "count"])
)
display(sales_stats.round(1))

sum は合計、mean は欠損値を除いた平均、count は売上に値が入っている件数です。大阪には明細が2行ありますが、売上が有効なのは1行なので count は1です。明細行数を知りたい場合に count() を選ぶと、コードは動いても件数を誤解します。

列ごとに異なる集計をするならagg()の辞書指定

売上には合計と平均、数量には合計と最大値を使います。対象列ごとに処理が違う場合は、列名: 集計方法 の辞書で指定します。

stats_by_column = (
    df.groupby("店舗", sort=False)
      .agg({
          "売上": ["sum", "mean"],
          "数量": ["sum", "max"]
      })
)
display(stats_by_column.round(1))

この出力では列が2段になります。上段の 売上・数量 が元の列、下段の sum・mean・max が適用した関数です。たとえば名古屋の (売上, mean) は733.3、(数量, max) は2です。

二段列は情報を正確に表しますが、列名を指定する可視化や結合では扱いにくいことがあります。その場合は、次の名前付き集約を選びます。

名前付き集約で分かりやすい1段の列にする

名前付き集約では、出力列名=(元の列名, 集計方法) と指定します。as_index=False も使い、店舗をインデックスではなく通常の列として残します。次の可視化・並べ替え・結合へ渡しやすい形です。

summary = (
    df.groupby("店舗", as_index=False, sort=False)
      .agg(
          売上合計=("売上", "sum"),
          平均売上=("売上", "mean"),
          有効売上件数=("売上", "count"),
          明細行数=("売上", "size"),
          商品種類数=("商品", "nunique")
      )
)
summary["平均売上"] = summary["平均売上"].round(1)
display(summary)

処理前は店舗ごとの明細が複数行ありましたが、処理後は1店舗1行になりました。大阪では 有効売上件数=1、明細行数=2 なので、2件の明細のうち売上が欠損した行が1件あると判断できます。

as_index=TrueとFalseの違い

標準設定で集計した後に通常の列へ戻すなら、reset_index() も使えます。

インデックスを通常の列へ戻す方法は、pandas reset_index()の使い方で詳しく解説しています。

count()とsize()は欠損値の扱いが違う

count() は指定列の欠損値を数えず、size() はグループ内の行そのものを数えます。大阪のように売上が欠損した行があると差が生まれます。

count_size = (
    df.groupby("店舗", sort=False)
      .agg(
          売上の有効値数=("売上", "count"),
          明細行数=("売上", "size")
      )
)
display(count_size)

売上が記録された件数なら count()、欠損を含む明細の行数なら size() を選びます。差が想定外なら、売上列の欠損数を確認してください。

コードは動くが結果を誤解しやすい場面

欠損したグループキーが結果から消える

現象： 元データの売上合計は6200なのに、店舗別売上の合計は5700になります。
原因： groupby() は標準で、グループキーが欠損した行を結果に含めません。
確認方法： 元合計、店舗が欠損していない行の合計、集計後合計を比べます。

source_total = df["売上"].sum()
eligible_total = df.loc[df["店舗"].notna(), "売上"].sum()
grouped_total = summary["売上合計"].sum()

print("元データ全体の売上合計:", source_total)
print("店舗名がある行の売上合計:", eligible_total)
print("店舗別集計後の売上合計:", grouped_total)

元データ全体の売上合計: 6200.0
店舗名がある行の売上合計: 5700.0
店舗別集計後の売上合計: 5700.0

出力は順に 6200.0、5700.0、5700.0 です。集計計算が間違ったのではなく、店舗が欠損した500円が標準設定の対象外です。

修正方法： 欠損した店舗も確認対象なら dropna=False を指定します。修正後は欠損店舗の500円が別グループとして現れ、集計後合計が6200になります。欠損店舗を業務上の「不明」として補完するか、除外するかは分析目的に応じて決めてください。

summary_with_missing = (
    df.groupby("店舗", dropna=False, as_index=False, sort=False)
      .agg(売上合計=("売上", "sum"))
)
display(summary_with_missing)
print("集計後合計:", summary_with_missing["売上合計"].sum())

集計後合計: 6200.0

文字列数値で集計結果やエラーが想定と違う

現象： 数値のつもりの列が文字列で、集計できない、または期待しない結果になります。
原因： CSVやExcelから読み込んだ列に、カンマや通貨記号などが混ざっている可能性があります。
確認方法： df.dtypes または df.info() で集計対象列の型を確認します。
修正方法： 不要な記号を除いたうえで pd.to_numeric(..., errors="coerce") を使い、変換できなかった行が新しい欠損値になっていないか確認します。意味のある文字列を無条件に欠損へ変えてはいけません。

表記ゆれで同じ店舗が別グループになる

現象： 「東京」と「東京 」が別の行に集計されます。
原因： 末尾の空白など、見た目で気づきにくい文字の違いがあります。
確認方法： unique() でグループキーの値を確認します。
修正方法： 意味を確認してから str.strip() や replace() で表記をそろえ、再度 unique() と集計結果のグループ数を確認します。

前後の空白を除く方法はpandas str.strip()の使い方、値の表記を置き換える方法はpandas replace()の使い方を参考にしてください。

groupby().agg()と近い手法の選び方

apply() や transform() はより自由なグループ処理に使えますが、単純な集計を行うこの記事では深入りしません。まずは目的が明確で読みやすい専用メソッドや agg() を選びましょう。

単純な件数確認はpandas value_counts()の使い方、2列のクロス集計はpandas crosstab()の使い方、表の再配置を伴う集計はPandas pivotとpivot_tableの違い、日時単位の集計はpandas resample()の使い方を参考にしてください。

集計結果を次の分析へつなげる

名前付き集約で作った summary は、店舗が通常の列で、集計列も1段です。そのまま売上合計順に並べ替えられます。

summary_sorted = summary.sort_values("売上合計", ascending=False)
display(summary_sorted)

売上合計は名古屋2200、東京2000、大阪1500の順です。次は棒グラフにすると、店舗間の差を視覚的に比較できます。ここでは集計が主題なので、グラフ作成は最小限の例にとどめます。

!pip install japanize-matplotlib > /dev/null # Google Colab の機能を使って日本語フォントをインストール・インポート
import japanize_matplotlib

import matplotlib.pyplot as plt

ax = summary_sorted.plot.bar(
    x="店舗",
    y="売上合計",
    legend=False,
    color="steelblue",
    figsize=(7, 4)
)
ax.set_title("店舗別の売上合計")
ax.set_xlabel("店舗")
ax.set_ylabel("売上合計")
plt.xticks(rotation=0)
plt.tight_layout()
plt.show()

Google Colabで日本語が四角形になる場合は、日本語フォントの設定が必要です。グラフの作り方はMatplotlib棒グラフ入門で確認してください。横持ちの比較表へ変える場合はPandas pivotとpivot_tableの違い、順位付けはpandas 並び替え（sort）入門へ進むと自然です。

自分のデータへ置き換える前のチェックリスト

• グループキーと集計対象の列名は正しいか
• 列名の前後に空白がないか
• 売上・数量などが数値型になっているか
• グループキーと集計対象列に欠損値が何件あるか
• カテゴリに全角・半角、前後空白などの表記ゆれがないか
• 元データの1行が明細、顧客、日など何を表すか
• sum・mean・count・size が知りたい指標と合っているか
• 出力を可視化・結合するなら、列名とインデックスの形が使いやすいか
• 集計対象をそろえたうえで、元データと集計後の合計が一致するか

まとめ

• 1種類の集計だけなら sum() や mean() などの専用メソッドを選ぶ
• 同じ列に複数関数ならリスト、列ごとに異なる関数なら辞書を agg() へ渡す
• 次の分析へ使いやすい列名が必要なら名前付き集約を選ぶ
• as_index=False または reset_index() でグループキーを通常列にできる
• count() は有効値、size() は欠損を含む行数を数える
• 欠損キー、データ型、表記ゆれを確認し、同じ対象範囲で元合計と照合する

groupby().agg() のゴールは、コードを動かすことではありません。集計目的に合う書き方を選び、結果を説明できる状態にして、並べ替え・ピボット・可視化へ進めることです。

関連記事

今回の集計前後で役立つ関連記事をまとめます。

• Pandas DataFrame入門｜作り方と基本操作を初心者向けに解説
• pandas info()の使い方｜Non-Null Count・データ型・欠損値の見方
• pandas to_numeric()の使い方｜文字列の数字を数値に変換する方法
• pandas unique()とnunique()の使い方｜値の一覧・種類数・value_counts()との違い
• pandas value_counts()の使い方｜件数集計・割合表示・欠損値の数え方
• pandas crosstab()の使い方｜2つの列をクロス集計・割合表示する方法
• Pandas pivotとpivot_tableの違い｜重複データ対応と集計方法
• pandas reset_index()の使い方｜インデックスを振り直す方法
• pandas 並び替え（sort）入門｜sort_values・sort_indexの違い
• Matplotlib 棒グラフ入門｜横棒・グループ化・積み上げまで解説

▲ ページトップへ戻る