Pythonでピボットテーブルを活用する方法

Pythonは、データ分析や処理を効率的に行うための強力なツールです。

この記事では、Pythonを使ってピボットテーブルを作成し、データを効率的に集計・分析する方法を解説します。

DMM WEBCAMP

• 未経験者向けプログラミングスクール
• 現役エンジニアがしっかりサポート
• 卒業後も安心の転職・副業サポート

今すぐ無料で相談

ピボットテーブルの基本

Pythonでのピボットテーブル作成には、主にpandasライブラリが使われます。

このセクションでは、ピボットテーブルの基本的な作成方法を学びます。

pandasを使ったピボットテーブルの作成

pandasライブラリを使えば、Pythonで簡単にピボットテーブルを作成できます。

    import pandas as pd

    data = {'Category': ['A', 'B', 'A', 'C', 'B'],
            'Sales': [100, 200, 150, 300, 100]}

    df = pd.DataFrame(data)
    pivot_table = df.pivot_table(values='Sales', index='Category', aggfunc='sum')
    print(pivot_table)
    

このコードでは、カテゴリごとの売上を集計しています。

複数の集計関数を使用

複数の集計関数を使ってデータをより詳細に分析することができます。

    pivot_table = df.pivot_table(values='Sales', index='Category', aggfunc=['sum', 'mean'])
    print(pivot_table)
    

この例では、売上の合計と平均をカテゴリ別に表示しています。

ピボットテーブルの行と列を設定

ピボットテーブルの行と列を設定して、さらにデータを整理することができます。

    pivot_table = df.pivot_table(values='Sales', index='Category', columns='Year', aggfunc='sum')
    print(pivot_table)
    

このコードでは、年ごとの売上をカテゴリ別に集計しています。

CodeCamp

• 現役エンジニアからスキルを学べる
• 満足度は驚異の97.4%
• 300社以上のIT企業で研修に導入
• 毎日9時〜21時まで、無料カウンセリングを開催中！

今すぐ無料で相談

ピボットテーブルの応用

基本的なピボットテーブルの作成に慣れたら、次は応用テクニックを学びましょう。

ここでは、ピボットテーブルを使った高度なデータ分析方法を紹介します。

データのフィルタリング

フィルタリングを使って、特定の条件に基づいてピボットテーブルを作成できます。

    pivot_table = df.pivot_table(values='Sales', index='Category', aggfunc='sum', margins=True)
    print(pivot_table)
    

この例では、margins=Trueオプションを使用して、全体の合計を表示しています。

欠損値を処理

データに欠損値が含まれている場合、ピボットテーブルで処理が可能です。

    pivot_table = df.pivot_table(values='Sales', index='Category', fill_value=0)
    print(pivot_table)
    

このコードでは、欠損値が0で埋められています。

複数のインデックスを使用したピボットテーブル

複数のインデックスを使用して、データを階層的に整理できます。

    pivot_table = df.pivot_table(values='Sales', index=['Category', 'Region'], aggfunc='sum')
    print(pivot_table)
    

この例では、カテゴリと地域ごとに売上が集計されています。

【リモートワークには必須】
キャリアに合わせてお得に光回線を利用しよう

ドコモ光
開通後、最短一ヶ月で35,000円のキャッシュバック！

 

auひかり
難しい条件一切なしで、最大12,7000円のキャッシュバック！

 

ソフトバンク光
高額キャッシュバックや豪華特典をお届け！

ピボットテーブルの視覚化

ピボットテーブルで集計したデータを視覚化することで、データの傾向をより理解しやすくなります。

ここでは、PythonのMatplotlibやSeabornを使った視覚化方法を紹介します。

Matplotlibを使ったグラフの作成

Matplotlibを使えば、ピボットテーブルのデータをグラフにして表示することができます。

    import matplotlib.pyplot as plt

    pivot_table.plot(kind='bar')
    plt.show()
    

このコードでは、ピボットテーブルのデータを棒グラフで表示しています。

Seabornでヒートマップを作成

Seabornライブラリを使って、ピボットテーブルのヒートマップを作成することもできます。

    import seaborn as sns

    sns.heatmap(pivot_table, annot=True, cmap='coolwarm')
    plt.show()
    

この例では、カテゴリ別の売上データを色で視覚化しています。

データの時系列分析

ピボットテーブルを使って、データの時系列分析も行うことができます。

    pivot_table = df.pivot_table(values='Sales', index='Date', aggfunc='sum')
    pivot_table.plot(kind='line')
    plt.show()
    

このコードは、日付ごとの売上の推移を折れ線グラフで表示しています。

プログラミングスクール受講時には教育訓練給付制度を利用することで、受講料の最大80％の給付を受けることが可能です。

プログラミングでキャリアチェンジ！転職成功のための専門実践教育訓練給付金活用ガイド

現在の仕事にやりがいを感じながらも、新しいスキルを身につけてIT業界やデジタルマーケティング分野への転職を検討していませんか？ この記事では、キャリアチェンジを成功させるために重要な「専門実践教育訓練...

skillbridge-japan.com

2024.10.11

ピボットテーブルの実用例

Pythonのピボットテーブルは、業務効率化やデータ分析に多くの応用が利きます。

ここでは、実際にどのように活用されているかを紹介します。

売上データの分析

ピボットテーブルは、売上データの集計に非常に効果的です。

    sales_data = {'Product': ['A', 'B', 'A', 'C', 'B'], 'Sales': [100, 200, 150, 300, 100], 'Region': ['East', 'West', 'East', 'West', 'East']}
    df = pd.DataFrame(sales_data)
    pivot_table = df.pivot_table(values='Sales', index='Product', columns='Region', aggfunc='sum')
    print(pivot_table)
    

このコードでは、商品ごとに地域別の売上を集計しています。

マーケティングデータの分析

マーケティングキャンペーンの成果をピボットテーブルで分析することも可能です。

    marketing_data = {'Campaign': ['Email', 'Social', 'Ad'], 'Leads': [500, 300, 100], 'Conversion': [50, 25, 10]}
    df = pd.DataFrame(marketing_data)
    pivot_table = df.pivot_table(values='Conversion', index='Campaign', aggfunc='mean')
    print(pivot_table)
    

この例では、キャンペーンごとのコンバージョン率を分析しています。

顧客データの傾向分析

顧客の購買傾向をピボットテーブルで解析し、ターゲット層を絞り込むことができます。

    customer_data = {'AgeGroup': ['18-25', '26-35', '36-45'], 'Purchases': [120, 200, 150]}
    df = pd.DataFrame(customer_data)
    pivot_table = df.pivot_table(values='Purchases', index='AgeGroup', aggfunc='sum')
    print(pivot_table)
    

このコードでは、年齢層ごとの購買傾向を分析しています。

techgym

• 20000人が学んだpythonの教材
• 正しい情報をまとめて入手
• 様々なゲームを作成しながら楽しくpythonが身に付く
• 自主学習派はこれ一択！

今すぐチェック

今なら1年間有効なzoomサポート付き！

まとめ

Pythonでピボットテーブルを使うことで、データの集計や分析が容易になります。

pandasを活用して、より効率的なデータ分析を実現しましょう。