Pandas データフレームの集計・集約（グループごとの数え上げ，最大，最小，平均，中央値，和）（Python, pandas, Iris データセット, titanic データセットを使用）（Google Colaboratory へのリンクあり）

【概要】

Python の pandas データフレームを用いたグループごとの集計・集約（数え上げ，最大，最小，平均，中央値，和）について，プログラム例で説明する．特定の列でグループを作り，各グループの要素数，最大，最小，平均，中央値，和を求める．集計には pandas の groupby（指定した列の値が同じ行をまとめる機能）を用い，データセットとして Iris と titanic を使う．

この資料の URL: https://www.kkaneko.jp/cc/od/group.html

Google Colaboratory のページ:

次のリンクをクリックすると，Google Colaboratory のノートブックが開く．Google アカウントでログインすると，ノートブック内のコード等を編集・再実行できる．編集しても他の人に影響はない．編集後のものは各自の Google ドライブに保存できる．

https://colab.research.google.com/drive/1UxKjDODi08fFwuJu9MC9wiykD4zbmxHh?usp=sharing

【目次】

1. 前準備
2. 必要なライブラリのインストール
3. 実行のための準備とその確認手順（Windows 前提）
4. 概要・使い方・実行上の注意
5. 演習1：iris，titanic データセットの読み込み
6. 演習2：データの確認
7. 演習3：グループごとの数え上げ（groupby と size を使用）
8. 演習4：グループごとの数え上げ（value_counts を使用）
9. 演習5：グループごとの最大，最小，平均，中央値，和
10. 演習6：複数の集計を一括で行う（agg を使用）
11. まとめ

【関連する外部ページ】

Google Colaboratory，Google アカウント

【サイト内の関連情報】

管理者権限，コマンドプロンプト

1. 前準備

Python 3.12 のインストール

Pythonのインストールを行い、Pythonのプログラムを実行する環境を整える。扱う環境は、Windows搭載パソコンである。金子研究室では、Python 3.12.10を推奨する。

[Windows での Python 3.12 のインストール手順を見るには、ここをクリック]

Windows での Python 3.12 のインストール

以下のいずれかの方法でPython 3.12をインストールする。Pythonがインストール済みの場合、この手順は不要である。

方法 1：winget によるインストール

【インストールコマンドの実行方法】

管理者権限でコマンドプロンプトを起動する（手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。そして、コマンド全体をコマンドプロンプトにコピー＆ペーストする。

--scope machine を指定することで、システム全体（全ユーザー向け）にインストールされる。このオプションの実行には管理者権限が必要である。インストール完了後、コマンドプロンプトを再起動するとPATHが反映される。

REM Python 3.12 をシステム領域にインストール
winget install --id Python.Python.3.12 -e --scope machine --silent --accept-source-agreements --accept-package-agreements --override "/quiet InstallAllUsers=1 PrependPath=1 Include_test=0 Include_pip=1 Include_launcher=1 InstallLauncherAllUsers=1 TargetDir=\"C:\Program Files\Python312\""

REM Python と Scripts を PATH 先頭に追加
powershell -NoProfile -Command "$p='C:\Program Files\Python312'; $s=\"$p\Scripts\"; $c=[Environment]::GetEnvironmentVariable('Path','Machine'); if((Test-Path $p) -and (';'+$c+';' -notlike \"*;$p;*\") -and (';'+$c+';' -notlike \"*;$s;*\")){[Environment]::SetEnvironmentVariable('Path',\"$p;$s;$c\",'Machine')}"

方法 2：インストーラーによるインストール

Python公式サイト（https://www.python.org/downloads/）にアクセスし、「Download Python 3.x.x」ボタンからWindows用インストーラーをダウンロードする。
ダウンロードしたインストーラーを実行する。
初期画面の下部に表示される「Add python.exe to PATH」にチェックを入れてから「Customize installation」を選択する。このチェックを入れ忘れると、コマンドプロンプトから python コマンドを実行できない。
「Install Python 3.xx for all users」にチェックを入れ、「Install」をクリックする。

インストールの確認

コマンドプロンプトで以下を実行する。

python --version

バージョン番号（例：Python 3.12.x）が表示されればインストール成功である。「'python' は、内部コマンドまたは外部コマンドとして認識されていません。」と表示される場合は、インストールが正常に完了していない。

Python の開発環境 Visual Studio Code のインストールと Python 用の設定

Python の開発環境Visual Studio Code（プログラムを編集するソフトウェア。以下、VS Code）を整える。

[Windows での Visual Studio Code のインストールと Python 用の設定手順を見るには、ここをクリック]

Windows での Visual Studio Code のインストールと Python 用の設定手順

1. VS Code と拡張機能のインストール

以下のコマンドにより，既存の VS Code を削除し，全ユーザー共有の設定で再インストールしたうえで，拡張機能（VS Code に機能を追加するソフトウェア）をまとめて導入する．

【インストールコマンドの実行方法】

管理者権限でコマンドプロンプトを起動する（手順：Windows キーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。そして，コマンド全体をコマンドプロンプトにコピー＆ペーストする。

インストールコマンド


REM ============================================================
REM Microsoft Visual Studio Code
REM ============================================================
winget uninstall -e --id Microsoft.VisualStudioCode --silent --disable-interactivity --accept-source-agreements
rmdir /s /q C:\ProgramData\vscode-extensions 2>nul
rmdir /s /q "%APPDATA%\Code" 2>nul
rmdir /s /q "%USERPROFILE%\.vscode" 2>nul
rmdir /s /q "%LOCALAPPDATA%\Microsoft\vscode-update" 2>nul

REM VS Code をシステム領域に新規インストール
winget install --scope machine --id Microsoft.VisualStudioCode -e --silent --accept-source-agreements --accept-package-agreements

REM 全ユーザー共有の拡張機能フォルダ
mkdir C:\ProgramData\vscode-extensions 2>nul
icacls "C:\ProgramData\vscode-extensions" /grant "Everyone:(OI)(CI)M" /T

REM スタートメニューのショートカットを --extensions-dir 付きで再作成
rmdir /s /q "C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code" 2>nul
del "C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code.lnk" 2>nul
powershell -NoProfile -Command "$s=New-Object -ComObject WScript.Shell; $lnk=$s.CreateShortcut('C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code.lnk'); $lnk.TargetPath='C:\Program Files\Microsoft VS Code\Code.exe'; $lnk.Arguments='--extensions-dir \"C:\ProgramData\vscode-extensions\"'; $lnk.Save()"
REM ショートカットの検証
powershell -NoProfile -Command "$s=New-Object -ComObject WScript.Shell; $lnk=$s.CreateShortcut('C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code.lnk'); Write-Host 'TargetPath:' $lnk.TargetPath; Write-Host 'Arguments:' $lnk.Arguments"

REM ファイル / フォルダ右クリックの「Code で開く」を登録
reg add "HKLM\SOFTWARE\Classes\*\shell\VSCode\command" /ve /d "\"C:\Program Files\Microsoft VS Code\Code.exe\" --extensions-dir \"C:\ProgramData\vscode-extensions\" \"%1\"" /f
reg add "HKLM\SOFTWARE\Classes\Directory\shell\VSCode\command" /ve /d "\"C:\Program Files\Microsoft VS Code\Code.exe\" --extensions-dir \"C:\ProgramData\vscode-extensions\" \"%1\"" /f
reg add "HKLM\SOFTWARE\Classes\Directory\Background\shell\VSCode\command" /ve /d "\"C:\Program Files\Microsoft VS Code\Code.exe\" --extensions-dir \"C:\ProgramData\vscode-extensions\" \"%V\"" /f

REM --extensions-dir 付きで起動する code.cmd ラッパを作成
REM （%* を echo で書くと対話的 cmd で失われるため、PowerShell で [char]37+'*' を書き出す）
powershell -NoProfile -Command "$pct=[char]37; $q=[char]34; $c='@echo off'+[char]13+[char]10+$q+'C:\Program Files\Microsoft VS Code\bin\code.cmd'+$q+' --extensions-dir '+$q+'C:\ProgramData\vscode-extensions'+$q+' '+$pct+'*'+[char]13+[char]10; [IO.File]::WriteAllText('C:\ProgramData\vscode-extensions\vscode.cmd',$c,[Text.Encoding]::ASCII)"

REM 拡張機能のインストール
set "CODE=C:\Program Files\Microsoft VS Code\bin\code.cmd"
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --uninstall-extension GitHub.copilot
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --uninstall-extension GitHub.copilot-chat
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension ms-python.python
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension ms-python.vscode-pylance
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension ms-python.debugpy
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension MS-CEINTL.vscode-language-pack-ja
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension saoudrizwan.claude-dev
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension rust-lang.rust-analyzer
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension tamasfe.even-better-toml
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension anthropic.claude-code
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension almenon.arepl
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --list-extensions --show-versions
echo === セットアップ完了 ===

2. Python インタプリタの選択

同一マシンに複数の Python がインストールされている場合，VS Code で使用する Python 本体（インタプリタ：Python プログラムを解釈・実行するソフトウェア）を選択する必要がある．

コマンドパレット（コマンド名で機能を呼び出す VS Code の入力欄）を開く（Ctrl+Shift+P）
Python: Select Interpreter と入力する
表示される一覧から，使用する Python（例：C:\Program Files\Python312\python.exe）を選択する．

Python プログラム実行手順

[Windows での Python プログラム実行手順を見るには、ここをクリック]

Windows での Python 実行手順（Visual Studio Codeを使用）

プログラムファイルの作成と保存

左サイドバーの「エクスプローラー」アイコン（Ctrl+Shift+E）をクリックする
「NO FOLDER OPENED」（作業対象フォルダが未選択の状態）と表示される場合は，「Open Folder」をクリックし，プログラムを保存するフォルダを選択する

続いて「フォルダを信用するか」を確認する画面（フォルダ内のコードを実行してよいか確認する VS Code の仕組み）が表示されるので，チェックして Yes を選択する
フォルダ名の右側に表示される「新しいファイル」アイコンをクリックする
ファイル名（例：aitask.py．ファイル名は何でも良い）を入力し Enter を押す．拡張子は .py（Python ファイルを示す拡張子）とする
実行したいコードを選択し，Ctrl+C でコピーする．VS Code のエディタ領域に Ctrl+V で貼り付ける
Ctrl+S で保存する

プログラムの実行

エディタ右上の三角形「▷」アイコン（Run Python File：現在開いている Python ファイルを実行するボタン）をクリックする．または，エディタ上で右クリックし「ターミナルで Python ファイルを実行」を選択する
VS Code 下部のターミナル（コマンドの入出力を表示する画面）に，実行結果（print 関数の出力等）が表示される
tkinter（Python 標準の GUI ライブラリ）のファイル選択ダイアログを使うプログラムを実行した場合は，ダイアログが開くので対象画像を選択する
VS Code 下部のターミナルで実行結果を確認する．OpenCV ウィンドウ（OpenCV が画像を表示するために開く専用ウィンドウ）が開いた場合はそちらも確認する．OpenCV ウィンドウは，マウスクリックでウィンドウをアクティブ（操作対象の状態）にしてからキーを押すと終了する

2. 必要なライブラリのインストール

管理者権限でコマンドプロンプトを起動する（手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。

起動したコマンドプロンプトで以下を実行する．

python -m pip install -U --no-user pip setuptools pandas

3. 実行のための準備とその確認手順（Windows 前提）

各演習のソースコードをテキストエディタ（Visual Studio Code やメモ帳など）に貼り付け，文字コード UTF-8 で保存し，実行する．

動作確認チェックリスト

確認項目	期待される結果
iris データセットの読み込み	`iris.head()` で sepal_length，sepal_width，petal_length，petal_width，species の5列が表示される
iris のグループごとの数え上げ	`iris.groupby('species').size()` で setosa，versicolor，virginica の要素数が表示される
iris のグループごとの集計	`iris.groupby('species')` に対し max，min，mean，median，sum の各結果が表示される

4. 概要・使い方・実行上の注意

4.1 Iris データセットの準備

scikit-learn の load_iris 関数で iris を読み込む．読み込んだデータを pandas のデータフレームとして整える．head() で先頭行を表示し，内容を確認する．

4.2 グループごとの数え上げ

特定の列でグループを作り，各グループの要素数を求める．groupby でグループ化し，size() で各グループの要素数を取得する．iris では 'species' 列でグループ化する．

value_counts でも同等の結果が得られるが，結果を出現回数の多い順（降順）に並べて返す点が異なる（size() はグループのラベル順で返す）．

4.3 グループごとの最大，最小，平均，中央値，和

特定の列でグループを作り，各グループの最大，最小，平均，中央値，和を求める．groupby でグループ化し，max()，min()，mean()，median()，sum() で集計する．numeric_only=True を指定すると，数値列のみが対象になる．pandas 2.0 以降では numeric_only のデフォルトが False であり，非数値列を含むデータフレームでこの引数を省略すると，数値計算ができない列でエラーになるため，明示的に指定する．

agg メソッドを使うと，複数の集計関数を一度に適用できる．集計関数をリストで指定すると，1回の呼び出しで結果を得られる．

5. 演習1：iris データセットの読み込み

手順：次のコードを実行（メモ帳を用いる場合は a.py のようなファイル名で保存して実行）し，iris を読み込む．

ヒント：scikit-learn の load_iris で読み込み，pandas のデータフレームとして扱う．

考察ポイント：読み込んだデータが，pandas のデータフレームとして扱えることを確認する．

import pandas as pd
from sklearn.datasets import load_iris

iris_data = load_iris(as_frame=True)
iris = iris_data.frame.rename(columns={
    'sepal length (cm)': 'sepal_length',
    'sepal width (cm)': 'sepal_width',
    'petal length (cm)': 'petal_length',
    'petal width (cm)': 'petal_width'
})
iris['species'] = pd.Categorical.from_codes(iris_data.target, iris_data.target_names)
iris = iris.drop(columns=['target'])
print(iris)

6. 演習2：データの確認

手順：次のコードを実行（メモ帳を用いる場合は a.py のようなファイル名で保存して実行）し，データの先頭行を表示する．

ヒント：head() はデータフレームの先頭の数行を返す．

考察ポイント：iris に，どのような列が含まれているかを読み取る．

import pandas as pd
from sklearn.datasets import load_iris

iris_data = load_iris(as_frame=True)
iris = iris_data.frame.rename(columns={
    'sepal length (cm)': 'sepal_length',
    'sepal width (cm)': 'sepal_width',
    'petal length (cm)': 'petal_length',
    'petal width (cm)': 'petal_width'
})
iris['species'] = pd.Categorical.from_codes(iris_data.target, iris_data.target_names)
iris = iris.drop(columns=['target'])

print(iris.head())

7. 演習3：グループごとの数え上げ（groupby と size を使用）

手順：次のコードを実行（メモ帳を用いる場合は a.py のようなファイル名で保存して実行）し，各グループの要素数を求める．

ヒント：groupby でグループ化し，size() で各グループの行数を得る．

考察ポイント：iris の3つの種（species）ごとの要素数を読み取る．

import pandas as pd
from sklearn.datasets import load_iris

iris_data = load_iris(as_frame=True)
iris = iris_data.frame.rename(columns={
    'sepal length (cm)': 'sepal_length',
    'sepal width (cm)': 'sepal_width',
    'petal length (cm)': 'petal_length',
    'petal width (cm)': 'petal_width'
})
iris['species'] = pd.Categorical.from_codes(iris_data.target, iris_data.target_names)
iris = iris.drop(columns=['target'])

print( iris.groupby('species').size() )

8. 演習4：グループごとの数え上げ（value_counts を使用）

手順：次のコードを実行（メモ帳を用いる場合は a.py のようなファイル名で保存して実行）し，value_counts で各値の出現回数を求める．

ヒント：value_counts は対象の列（Series）に対して呼び出す．

考察ポイント：size() の結果と並び順を比べ，value_counts が出現回数の多い順（降順）に返すことを読み取る．

import pandas as pd
from sklearn.datasets import load_iris

iris_data = load_iris(as_frame=True)
iris = iris_data.frame.rename(columns={
    'sepal length (cm)': 'sepal_length',
    'sepal width (cm)': 'sepal_width',
    'petal length (cm)': 'petal_length',
    'petal width (cm)': 'petal_width'
})
iris['species'] = pd.Categorical.from_codes(iris_data.target, iris_data.target_names)
iris = iris.drop(columns=['target'])

print(iris['species'].value_counts())

9. 演習5：グループごとの最大，最小，平均，中央値，和

手順：次のコードを実行（メモ帳を用いる場合は a.py のようなファイル名で保存して実行）し，各グループの最大，最小，平均，中央値，和を求める．

ヒント：numeric_only=True を指定すると，数値列だけが集計の対象になる．

考察ポイント：5種類の集計結果が，グループごとにどう異なるかを読み取る．

import pandas as pd
from sklearn.datasets import load_iris

iris_data = load_iris(as_frame=True)
iris = iris_data.frame.rename(columns={
    'sepal length (cm)': 'sepal_length',
    'sepal width (cm)': 'sepal_width',
    'petal length (cm)': 'petal_length',
    'petal width (cm)': 'petal_width'
})
iris['species'] = pd.Categorical.from_codes(iris_data.target, iris_data.target_names)
iris = iris.drop(columns=['target'])

print( iris.groupby('species').max(numeric_only=True) )
print( iris.groupby('species').min(numeric_only=True) )
print( iris.groupby('species').mean(numeric_only=True) )
print( iris.groupby('species').median(numeric_only=True) )
print( iris.groupby('species').sum(numeric_only=True) )

10. 演習6：複数の集計を一括で行う（agg を使用）

手順：次のコードを実行（メモ帳を用いる場合は a.py のようなファイル名で保存して実行）し，agg で複数の集計を一度に行う．

ヒント：集計関数の名前をリストで agg に渡す．

考察ポイント：1回の呼び出しで複数の集計結果がまとめて得られることを，演習5の結果と比べて読み取る．

import pandas as pd
from sklearn.datasets import load_iris

iris_data = load_iris(as_frame=True)
iris = iris_data.frame.rename(columns={
    'sepal length (cm)': 'sepal_length',
    'sepal width (cm)': 'sepal_width',
    'petal length (cm)': 'petal_length',
    'petal width (cm)': 'petal_width'
})
iris['species'] = pd.Categorical.from_codes(iris_data.target, iris_data.target_names)
iris = iris.drop(columns=['target'])

print(iris.groupby('species').agg(['max', 'min', 'mean', 'median', 'sum']))

11. まとめ

pandas の groupby によるグループ化

groupby を使うと，データフレームの特定の列を基準にグループを作れる．iris では 'species' 列でグループ化した．

グループごとの数え上げ

groupby と size() の組み合わせで各グループの要素数を求められる．value_counts でも同等の結果が得られるが，結果を出現回数の多い順（降順）に並べて返す点が異なる．

グループごとの集計（最大，最小，平均，中央値，和）

groupby の後に max()，min()，mean()，median()，sum() を呼び出すと集計できる．numeric_only=True を指定すると，数値列のみが対象になる．

agg による一括集計

agg を使うと，複数の集計関数を一度に適用できる．集計関数をリストで指定すると，1回の呼び出しで結果を得られる．

scikit-learn によるデータセットの読み込み

scikit-learn の load_iris で iris を pandas のデータフレームとして読み込める．head() で先頭行を表示し，内容を確認できる．