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, pandasql, seaborn を使用）

前準備

Python のインストール，pip と setuptools の更新，Python 開発環境のインストール

Windows の場合

Python のインストール
Python の URL: http://www.python.org/
インストール手順の詳細は：別ページで説明している．
pip と setuptools の更新，Python 開発環境（JupyterLab, spyder）のインストール
コマンドプロンプトを管理者として実行し，次のコマンドを実行．
```
python -m pip install -U pip setuptools
python -m pip install -U jupyterlab jupyter jupyter-console jupytext spyder
```

Ubuntu の場合

システム Python を使用（インストール操作は不要）

pip と setuptools の更新，Python 開発環境（JupyterLab, spyder）のインストール

次のコマンドを実行．

sudo apt -yV install python3-dev python3-pip python3-setuptools
sudo apt -yV install jupyter-qtconsole jupyter-notebook python3-jupyter-client python3-jupyter-console python3-spyder spyder3

Python 用 numpy, pandas, pandasql, seaborn, matplotlib のインストール

Windows の場合

python -m pip install -U numpy pandas pandasql seaborn matplotlib

Ubuntu の場合

sudo apt -yV install python3-numpy python3-pandas python3-seaborn python3-matplotlib
sudo python3 -m pip install -U pandasql

irisデータセット, titanic データセットの読み込み

Python プログラムを動かして，結果を見たい．

Jupyter Qt Console， spyder， PyCharm， PyScripter が便利である． Windows では，スタートメニューの「IDLE (Python ...)」も便利である．

iris, titanic データセットの読み込み

import pandas as pd
import seaborn as sns

iris = sns.load_dataset('iris')
titanic = sns.load_dataset('titanic')

データの確認

print(iris.head())
print(titanic.head())

グループごとの数え上げ

列を１つ選ぶことで、グループを作り、各グループの要素数を求める

pandas の groupby を使う場合

import pandas as pd
import seaborn as sns

iris = sns.load_dataset('iris')
titanic = sns.load_dataset('titanic')

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

pandasql と SQL を使う場合

import pandas as pd
import seaborn as sns
from pandasql import sqldf

iris = sns.load_dataset('iris')
titanic = sns.load_dataset('titanic')

pysqldf = lambda q: sqldf(q, globals())
print( pysqldf("SELECT species, count(*) FROM iris group by species;") );
print( pysqldf("SELECT embark_town, count(*) FROM titanic group by embark_town;") );

最大、最小、平均、中央値、和

列を１つ選ぶことで、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

pandas の groupby を使う場合

import pandas as pd
import seaborn as sns

iris = sns.load_dataset('iris')
titanic = sns.load_dataset('titanic')

print( iris.groupby('species').max() )
print( titanic.groupby('embark_town').max() )

print( iris.groupby('species').min() )
print( titanic.groupby('embark_town').min() )

print( iris.groupby('species').mean() )
print( titanic.groupby('embark_town').mean() )

print( iris.groupby('species').median() )
print( titanic.groupby('embark_town').median() )

print( iris.groupby('species').sum() )
print( titanic.groupby('embark_town').sum() )

pandasql と SQL を使う場合

iris データセットで，各グループの最大値を求める場合のみを載せる．

import pandas as pd
import seaborn as sns
from pandasql import sqldf

iris = sns.load_dataset('iris')
titanic = sns.load_dataset('titanic')

pysqldf = lambda q: sqldf(q, globals())
print( pysqldf("SELECT species, max(sepal_length), max(sepal_width), max(petal_length), max(petal_width) FROM iris group by species;") );

本サイトは金子邦彦研究室のWebページです．サイトマップは，サイトマップのページをご覧下さい．本サイト内の検索は，サイト内検索のページをご利用下さい．

問い合わせ先：金子邦彦（かねこくにひこ）