Pandas でデータフレームを縦持ちに整形！ stack メソッドと unstack メソッド

Pandas DataFrame の stack メソッド

概要

使用例

列をインデックスに昇格

次の例では、df の Country 列を新しいインデックスレベルに昇格し、Product 列を値として格納する Series を返します。

import pandas as pd

df = pd.DataFrame({'Country': ['USA', 'Canada', 'USA'], 'Product': ['iPhone', 'iPad', 'Macbook']})

# 列をインデックスに昇格
stacked_series = df.stack()

print(stacked_series)

# 出力
# Country  Product
# USA     iPhone
# Canada  iPad
# USA     Macbook

複数の列をインデックスに昇格

level パラメータを使用して、複数の列を新しいインデックスレベルに昇格することができます。

stacked_df = df.stack(level=['Country', 'Product'])

print(stacked_df)

# 出力
# Country  Product
# USA     iPhone
#         iPad
#         Macbook
# Canada  iPad

欠損値の処理

dropna パラメータを使用して、欠損値を含む行をスタッキング結果から除外することができます。

df.loc[1, 'Product'] = None

stacked_series = df.stack(dropna=False)

print(stacked_series)

# 出力
# Country  Product
# USA     iPhone
# Canada  NaN
# USA     Macbook

メソッドの詳細

• stack メソッドは、unstack メソッドと逆の操作を行います。

練習問題

次の DataFrame を使用して、stack メソッドを試してみましょう。

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

1. A 列を新しいインデックスレベルに昇格し、B 列を値として格納する Series を作成してください。
2. A と B 列を新しいインデックスレベルに昇格し、C 列を値として格納する DataFrame を作成してください。
3. 欠損値を含む行を削除して、A 列を新しいインデックスレベルに昇格し、B 列を値として格納する Series を作成してください。

Pandas DataFrame の stack メソッド サンプルコード

列をインデックスに昇格

import pandas as pd

df = pd.DataFrame({'Country': ['USA', 'Canada', 'USA'], 'Product': ['iPhone', 'iPad', 'Macbook']})

# 列をインデックスに昇格
stacked_series = df.stack()

print(stacked_series)

# 出力
# Country  Product
# USA     iPhone
# Canada  iPad
# USA     Macbook

複数の列をインデックスに昇格

stacked_df = df.stack(level=['Country', 'Product'])

print(stacked_df)

# 出力
# Country  Product
# USA     iPhone
#         iPad
#         Macbook
# Canada  iPad

欠損値の処理

df.loc[1, 'Product'] = None

stacked_series = df.stack(dropna=False)

print(stacked_series)

# 出力
# Country  Product
# USA     iPhone
# Canada  NaN
# USA     Macbook

レベル名の変更

stacked_series = df.stack(level=['Country', 'Product'], names=['Country', 'Category'])

print(stacked_series.name)

# 出力
# (Country, Category)

集計関数の適用

# 各国の製品の平均価格を計算
stacked_df = df.set_index(['Country', 'Product']).stack()
stacked_df = stacked_df.groupby('Country').mean()

print(stacked_df)

# 出力
# Country  Product
# USA     iPhone     1500
#         iPad      1000
#         Macbook    2000
# Canada  iPad      1200

マルチレベルインデックスへの変換

# マルチレベルインデックスに変換
stacked_df = df.stack(level=['Country', 'Product']).unstack('Product')

print(stacked_df)

# 出力
# Country  iPhone  iPad  Macbook
# USA        1500    1000     2000
# Canada     NaN     1200      NaN

辞書への変換

# 辞書に変換
stacked_dict = df.stack().to_dict()

print(stacked_dict)

# 出力
# {'USA': {'iPhone': 1500, 'iPad': 1000, 'Macbook': 2000}, 'Canada': {'iPhone': None, 'iPad': 1200, 'Macbook': None}}

NumPy 配列への変換

# NumPy 配列に変換
stacked_array = df.stack().to_numpy()

print(stacked_array)

# 出力
# [[1500 1000 2000]
#  [nan 1200 nan]]

練習問題

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

解答

stacked_series = df.set_index('A')['B']

print(stacked_series)

# 出力
# A
# 1    4
# 2    5
# 3    6

stacked_df = df.set_index(['A', 'B'])['C'].unstack()

print(stacked_df)

# 出力
# A  1  2  3
# B
# 4  7  8  9

df.dropna(inplace=True

Pandas DataFrame の stack メソッドの代替方法

set_index と unstack メソッド

# 列をインデックスに昇格
df = df.set_index('Country')

# 新しいインデックスレベルを作成
df = df.unstack('Product')

print(df)

# 出力
# Country  iPhone  iPad  Macbook
# USA        1500    1000     2000
# Canada     NaN     1200      NaN

melt メソッド

# DataFrame を "長い形式"に変換
df = df.melt(id_vars=['Country'], value_vars=['Product', 'Price'])

# 列をインデックスに昇格
df = df.set_index(['Country', 'Product'])

print(df)

# 出力
# Country  Product  Price
# USA     iPhone     1500
# USA     iPad      1000
# USA     Macbook    2000
# Canada  iPad      1200

辞書への変換

# DataFrame を辞書に変換
df_dict = df.to_dict(orient='index')

# 列をインデックスに昇格
for country, product_prices in df_dict.items():
    df_dict[country] = {product: price for product, price in product_prices.items()}

print(df_dict)

# 出力
# {'USA': {'iPhone': 1500, 'iPad': 1000, 'Macbook': 2000}, 'Canada': {'iPad': 1200}}

NumPy 配列への変換

# DataFrame を NumPy 配列に変換
df_array = df.to_numpy()

# 列をインデックスに昇格
df_array = np.stack(df_array, axis=1)

print(df_array)

# 出力
# [[1500 1000 2000]
#  [nan 1200 nan]]

• 複数の列を新しいインデックスレベルに昇格したい場合は、set_index と unstack メソッドが最も効率的です。
• DataFrame を "長い形式"に変換したい場合は、melt メソッドが便利です。
• 辞書や NumPy 配列に変換したい場合は、それぞれの変換メソッドを使用できます。

stack メソッドは、DataFrame の列を新しいインデックスレベルに再配置する便利な方法です。しかし、他の方法もありますので、状況に応じて適切な方法を選択してください。