Pandasでダブルインデックス(double index)を活用する方法｜自作で機械学習モデル・AIの使い方を学ぶ

はじめに

データ分析において、データをより効率的に扱うためには、適切なインデックスの設定が重要です。Pandasには、複数のインデックスを設定することができる「ダブルインデックス(double index)」という機能があります。この記事では、Pandasを使ってダブルインデックスを活用する方法について説明します。

Pandasの基本：データフレーム操作の基礎知識

まずはじめに、Pandasの基本的なデータフレーム操作について説明します。

Pandasでは、データを2次元の表形式で扱います。この表形式のことを「データフレーム(dataframe)」と呼びます。データフレームは、複数の行と列から構成され、それぞれにインデックスを設定することができます。

例えば、以下のようなデータをPandasで表現した場合、

import pandas as pd

data = {
'Name': ['Alice', 'Bob', 'Charlie', 'David'],
'Age': [24, 42, 18, 31],
'Country': ['USA', 'Canada', 'UK', 'Australia']
}
df = pd.DataFrame(data)

print(df)

以下のような出力が得られます。

       Name  Age    Country
0     Alice   24        USA
1       Bob   42     Canada
2   Charlie   18         UK
3     David   31  Australia

ここで、Name、Age、Countryが列名(カラム名)になっており、行のインデックスが自動で付与されています。

ダブルインデックスの作成：MultiIndexを使ったインデックスの設定方法

次に、ダブルインデックスの作成方法について説明します。

ダブルインデックスを作成するには、PandasのMultiIndexを使います。MultiIndexは、複数の階層から構成されるインデックスを作成することができます。

例えば、以下のようなデータがあったとします。

data = {
    'Name': ['Alice', 'Alice', 'Bob', 'Bob', 'Charlie', 'Charlie'],
    'Item': ['ItemA', 'ItemB', 'ItemA', 'ItemB', 'ItemA', 'ItemB'],
    'Value': [10, 20, 30, 40, 50, 60]
}
df = pd.DataFrame(data)

print(df)

このデータをダブルインデックスにするには、以下のようにMultiIndexを使ってインデックスを設定します。

df = df.set_index(['Name', 'Item'])
print(df)

すると、以下のような出力が得られます。

                Value
Name    Item         
Alice   ItemA     10
        ItemB     20
Bob     ItemA     30
        ItemB     40
Charlie ItemA     50
        ItemB     60

ここで、NameとItemの2つの列をMultiIndexに設定することで、ダブルインデックスのデータフレームを作成することができました。

データの選択：ダブルインデックスを用いたデータの抽出方法

次に、ダブルインデックスを用いたデータの抽出方法について説明します。

ダブルインデックスのデータフレームでは、行のインデックスが複数の階層から構成されています。そのため、行を選択する場合には、複数のインデックスを指定する必要があります。

例えば、Bobさんが購入した商品のデータを選択する場合は、以下のように指定します。

print(df.loc[('Bob',)])

すると、以下のような出力が得られます。

      Value
Item         
ItemA    30
ItemB    40

ここで、locメソッドを使って、Bobさんのデータを抽出しました。また、Bobさんのデータを抽出するために、(‘Bob’,)という形式で複数のインデックスを指定しています。

データのソート：ダブルインデックスを用いたデータフレームの並び替え

次に、ダブルインデックスを用いたデータフレームのソート方法について説明します。

ダブルインデックスのデータフレームでは、複数のインデックスを指定することで、データを複数の軸でソートすることができます。

以下のようにName、Itemの順でソートする場合は、以下のようにします。

df_sorted = df.sort_index()
print(df_sorted)

すると、以下のようにName、Itemの順でソートされたデータフレームが得られます。

                Value
Name    Item         
Alice   ItemA     10
        ItemB     20
Bob     ItemA     30
        ItemB     40
Charlie ItemA     50
        ItemB     60

ここで、sort_indexメソッドを使って、Name、Itemの順でソートしています。

ダブルインデックスのリセット：インデックスをリセットし、列へ戻す方法

最後に、ダブルインデックスのインデックスをリセットし、列に戻す方法について説明します。

ダブルインデックスのデータフレームをリセットするには、reset_indexメソッドを使います。

df_reset = df.reset_index()
print(df_reset)

すると、以下のようにインデックスがリセットされ、列に戻されたデータフレームが得られます。

      Name    Item  Value
0    Alice   ItemA     10
1    Alice   ItemB     20
2      Bob   ItemA     30
3      Bob   ItemB     40
4  Charlie   ItemA     50
5  Charlie   ItemB     60

ここで、reset_indexメソッドを使って、インデックスをリセットし、列に戻しています。