Pandasでのマルチインデックスの活用：列名の変更、データの取得、そして削除の方法

Pandasのマルチインデックスは、データ分析の際に非常に強力なツールとなります。この記事では、マルチインデックスの基本的な作成方法から、列名の変更、データの取得、そして不要なインデックスの削除方法まで、詳しく解説します。

マルチインデックスの基本

マルチインデックスとは、データフレームやシリーズのインデックスが複数のレベルを持つことを指します。これにより、階層的なデータ構造を簡単に扱うことができます。

import pandas as pd
arrays = [['A', 'A', 'B', 'B'], [1, 2, 1, 2]]
df = pd.DataFrame(np.random.rand(4, 2), index=arrays)
print(df)

            0         1
A 1  0.437587  0.891773
  2  0.963663  0.383442
B 1  0.791725  0.528895
  2  0.568045  0.925597

このコードは、2つのレベルを持つマルチインデックスのデータフレームを作成します。

マルチインデックスの列名の変更

マルチインデックスの列名を変更するには、names属性を使用します。

df.index.names = ['key1', 'key2']
print(df)

                  0         1
key1 key2                    
A    1     0.437587  0.891773
     2     0.963663  0.383442
B    1     0.791725  0.528895
     2     0.568045  0.925597

このコードにより、マルチインデックスの列名がkey1とkey2に変更されます。

マルチインデックスでのデータの取得

マルチインデックスのデータフレームからデータを取得するには、インデックスのタプルを使用します。

print(df.loc[('A', 1)])

0    0.437587
1    0.891773
Name: (A, 1), dtype: float64

このコードは、key1がAで、key2が1のデータを取得します。

マルチインデックスの削除(シングルインデックスへの変更)

Pandasのデータフレームにおいて、マルチインデックスを持つ列を扱う際、その列名を削除(シングルインデックスの形式に変更)することがよくあります。特に、データの可視化やエクスポート時に、列名をシンプルにしたい場合にこの方法が役立ちます。

reset_indexを使用する方法

reset_indexメソッドを使用すると、マルチインデックスを通常の列に変換し、新しいデフォルトのインデックスを持つデータフレームを取得できます。

例として、以下のマルチインデックスを持つデータフレームを考えます：

import pandas as pd
arrays = [['A', 'A', 'B', 'B'], [1, 2, 1, 2]]
df_tmp = pd.DataFrame(np.random.rand(4, 2), index=arrays)
print(df_tmp)

            0         1
A 1  0.071036  0.087129
  2  0.020218  0.832620
B 1  0.778157  0.870012
  2  0.978618  0.799159

このデータフレームにreset_indexを適用すると、以下のようになります：

df_reset = df_tmp.reset_index()
print(df_reset)

  level_0  level_1         0         1
0       A        1  0.437587  0.891773
1       A        2  0.963663  0.383442
2       B        1  0.791725  0.528895
3       B        2  0.568045  0.925597

この方法は、マルチインデックスを保持しながら、そのインデックスの値を通常の列として取得したい場合に便利です。

リスト内包表記を使用する方法

マルチインデックスの列名使用してシングルインデックスの形式に変更するには以下のようなリスト内包表記で対応できます：

df_tmp.columns = ["_".join(pair) for pair in df_tmp.columns]

このコードは、マルチインデックスの各ペア（例：('A', 1)）をアンダースコア（_）で結合して、シングルインデックスの列名（例：A_1）に変更します。

NamedAggを使用する方法

PandasのNamedAggは、集約操作を行う際に新しい列名を指定するためのツールです。これにより、マルチインデックスの列名をシングルインデックスの形式に変更することができます。

例として、以下のようなデータフレームを考えます：

import pandas as pd

df = pd.DataFrame({
    'A': ['foo', 'foo', 'foo', 'bar', 'bar'],
    'B': ['one', 'one', 'two', 'two', 'one'],
    'C': [1, 2, 3, 4, 5],
    'D': [10, 20, 30, 40, 50]
})
print(df)

     A    B  C   D
0  foo  one  1  10
1  foo  one  2  20
2  foo  two  3  30
3  bar  two  4  40
4  bar  one  5  50

このデータフレームに対して、AとBでグループ化し、CとDの平均を計算する場合、以下のようにNamedAggを使用します：

result = df.groupby(['A', 'B']).agg(
    avg_C=pd.NamedAgg(column='C', aggfunc='mean'),
    avg_D=pd.NamedAgg(column='D', aggfunc='mean')
).reset_index()
print(result)

     A    B  avg_C  avg_D
0  bar  one    5.0   50.0
1  bar  two    4.0   40.0
2  foo  one    1.5   15.0
3  foo  two    3.0   30.0

上記の通りavg_Cとavg_Dという新しい列名で、それぞれCとDの平均値が計算されます。

なお、groupbyからのaggについては以下に詳しく紹介していますので、こちらをご参照ください。

以上、この記事ではPandasのマルチインデックスに関する基本的な操作を解説しました。マルチインデックスは、階層的なデータ構造を効率的に扱うための強力なツールです。これらの知識を活用して、データ分析の幅をさらに広げてください。