日付データYYYY-MM-DDの最初の7桁YYYY-MMでデータセットをgroupbyで集約します。　集約の演算は合計としています。 ラベルでインデックスしてplt.barで棒グラフ化するの記事で紹介したデータフレームdf_monthを作成しながら、データ集約を説明します。

チートシート

やりたいこと コーディング
n桁の文字でsum()集約する
さらに列名変更と再インデクスする		 df.groupby(df['Date'].str[:n]).sum()
.reset_index().rename(columns={'Date' : 'New_Date'})
Dateオブジェクトを文字列オブジェクトに変える　 df['Date']=df['Date'].astype(str)

今回使うデータのポイント

  1. df.shape => 2919x 3
  2. Date 列にYYYY-MM-DD の日付情報がある
  3. PY_03 は一回目のトライ成功=1 まはた不成功=0
  4. PY_05 に二回目のトライ成功=1 まはた不成功=0
  5. 最初の７桁YYYY-MMが同じもの同士で集約して他の列のPY_03, PY_05の列のそれぞれの値の合計を計算する

サンプルデータセットについての記事で紹介しているオリジナルデータです。

ラベルでインデックスしてplt.barで棒グラフ化するのデータフレームdf_monthを作成します。

元のデータセットのdf.head()とdf.shape は以下のとおりです。

df.shape

アトリビュートエラーに注意

データセットの読み込む際のデータの型やDate列を計算によっては、データの型がdatetime64[ns]のままの場合があります。　そのまま、groupbyの操作をしようとすると、以下のようなエラーに遭遇します。　その場合は、データの方をstringにすれば解決します。

AttributeError: Can only use .str accessor with string values, which use np.object_ dtype in pandas

サンプルオペレーション

デフォルトの0から始まるインデックスをラベルインデックスに変更します。

1
2

# データの型を確認する
df.dtypes

問題なさそうです。　Dateの行がdatetime64[ns]だと、df['Date']=df['Date'].astype(str)が必要です。

Date     object
PY_03     int64
PY_05     int64
dtype: object

groupbyでsum集約します。ついでに、集約した列名もYear of Monthとし、更に再インデックス化します。 また、その結果はdf_monthというデータフレームに代入し、そのデータフレームの行数、列数をとります（df.shapeします）

1
2
3

# 先頭7桁の文字単位にデータフレームをsum()集約、列名も変更し再インデクス化する
df_month=df.groupby(df['Date'].str[:7]).sum().reset_index().rename(columns={'Date': 'Year of Month'})
df_month.shape

以下のとおり、7行に集約されました。

(7, 3)

７行なので、データフレームすべてを表示しましょう。

df.shape

可視化の記事ラベルでインデックスしてplt.barで棒グラフ化するも一緒に御覧ください。

ひとこと

groupby はデータの集約化ではなくてはならないメソッドです。列の一部を共通項として集約もよく行う集約方法になります。集約する列が文字列とし扱う場合は、アトリビュートエラーに注意しましょう。