Pythonのgroupbyの練習問題 - ゆめさくコード

このレッスンでできるようになること。groupby を使って店舗ごとの売上合計を出せるようになります。SQL の GROUP BY と同じ考え方を、pandas の書き方で覚えます。

前回は列全体を1つの数値に畳み込みました。しかし実務で知りたいのは「全体でいくら」よりも「どの店舗がいくら」です。マイショップ・チェーンは渋谷店と横浜店と大宮店の3店舗あるので、店舗という軸で表を束ねてから合計します。この束ねる操作が groupby です。

Python

by_store = df.groupby("店舗")["金額"].sum()

SQL を学んだ方は、次の2つが同じことをしていると分かるはずです。

SQL クエリ

SELECT 店舗, SUM(金額) FROM sales GROUP BY 店舗;

対応関係ははっきりしています。GROUP BY 店舗が groupby("店舗")、SUM(金額) が ["金額"].sum()、SELECT で並べる列が pandas では結果のインデックスと値になります。SQL では結果が表として返りますが、pandas では店舗名をインデックスに持つ Series が返ります。この違いだけ押さえれば、SQL で書ける集計はそのまま pandas で書けます。

groupby の中身は3段階に分かれます。まず同じ店舗の行を仕分けし(split)、次に各グループへ sum を掛け(apply)、最後に結果を1つに束ねます(combine)。この分割・適用・結合という流れを頭に置いておくと、あとで agg や複数キーに進んだときも迷いません。

結果を受け渡すときの形も決めておきます。Series をそのまま返すと真偽判定でつまずくので、to_dict() で辞書にします。ただし値は int64 のままなので、辞書内包表記で int(v) に直してから返してください。この一手間を省くと、店舗ごとの数字が正しくても採点や JSON 変換の段階で落ちます。

並び順にも触れておきます。groupby は既定でキーの昇順に並べます。売上の大きい順に見たいときは、集計してから sort_values(ascending=False) を掛けます。集計の前に並べ替えても意味が無い点に注意してください。