カテゴリカル型データの分析と可視化：Pandas Series.catによる効率的な方法

pandas.Series.cat：カテゴリカル型データの便利ツール

この解説では、pandas.Series.cat の基本的な使い方から、高度な機能まで、分かりやすく解説していきます。

カテゴリカル型データは、有限個の値を取る離散的なデータを指します。例えば、性別、国籍、商品の種類などがカテゴリカル型データです。

pandas.Series.cat の基本的な使い方

pandas.Series.cat メソッドは、以下の引数を受け取ります。

• categories: カテゴリのリスト
• ordered: カテゴリに順序があるかどうか
• dtype: カテゴリ型データの型

例：

import pandas as pd

# 文字列型データをカテゴリに変換
series = pd.Series(["Male", "Female", "Male", "Female"])
categories = ["Male", "Female"]
cat_series = series.cat.set_categories(categories)

# カテゴリの順序を指定
cat_series = series.cat.set_categories(categories, ordered=True)

# カテゴリ型データの型を指定
cat_series = series.cat.set_categories(categories, dtype="category")

pandas.Series.cat メソッドには、以下のような高度な機能も備えています。

• カテゴリの追加・削除
• カテゴリ名の変更
• カテゴリの順序変更
• カテゴリ間のマッピング
• カテゴリごとの集計

例：

# カテゴリの追加
cat_series = cat_series.cat.add_categories(["Unknown"])

# カテゴリの削除
cat_series = cat_series.cat.remove_categories(["Unknown"])

# カテゴリ名の変更
cat_series = cat_series.cat.rename_categories({"Male": "Man", "Female": "Woman"})

# カテゴリの順序変更
cat_series = cat_series.cat.reorder_categories(["Woman", "Man"])

# カテゴリ間のマッピング
cat_mapping = {"Male": "M", "Female": "F"}
cat_series = cat_series.cat.map(cat_mapping)

# カテゴリごとの集計
cat_series.cat.count()
cat_series.cat.mean()

pandas.Series.cat メソッドは、カテゴリカル型データを効率的に扱うための強力なツールです。基本的な使い方から高度な機能まで理解することで、データ分析の幅が広がります。

pandas.Series.cat サンプルコード

カテゴリカル型データの生成

import pandas as pd

# 文字列型データ
series = pd.Series(["Male", "Female", "Male", "Female"])

# 数値型データ
series = pd.Series([1, 2, 1, 2])
categories = ["A", "B"]
cat_series = series.cat.set_categories(categories)

カテゴリ操作

# カテゴリの追加
cat_series = cat_series.cat.add_categories(["C"])

# カテゴリの削除
cat_series = cat_series.cat.remove_categories(["C"])

# カテゴリ名の変更
cat_series = cat_series.cat.rename_categories({"A": "Alpha", "B": "Beta"})

# カテゴリの順序変更
cat_series = cat_series.cat.reorder_categories(["Beta", "Alpha"])

カテゴリ間のマッピング

cat_mapping = {"A": "Alpha", "B": "Beta"}
cat_series = cat_series.cat.map(cat_mapping)

カテゴリごとの集計

# カテゴリごとの個数
cat_series.cat.count()

# カテゴリごとの平均
cat_series.cat.mean()

# カテゴリごとの集計
cat_series.groupby("category").agg({"value": "sum"})

# カテゴリ型の確認
cat_series.dtype

# カテゴリの一覧取得
cat_series.cat.categories

# 特定のカテゴリの値を取得
cat_series.cat.get_loc("Alpha")

データフレームの例

df = pd.DataFrame({"gender": ["Male", "Female", "Male", "Female"], "age": [20, 25, 30, 35]})

# カテゴリカル型列の作成
df["gender"] = df["gender"].cat.set_categories(["Male", "Female"])

# カテゴリごとの年齢の平均
df.groupby("gender")["age"].mean()

練習問題

• • 性別と年齢の相関関係を分析
  • 性別ごとの平均年齢を算出

df = pd.DataFrame({"gender": ["Male", "Female", "Male", "Female"], "age": [20, 25, 30, 35]})

ヒント

• df["gender"].cat.codes を使って、性別をカテゴリコードに変換
• df.groupby("gender")["age"].agg({"age": "mean"}) を使って、性別ごとの平均年齢を算出

pandas.Series.cat は、カテゴリカル型データを扱うための強力なツールです。さまざまなサンプルコードを参考に、データ分析に活用してください。

pandas.Series.cat の代替方法

dict または collections.Counter を使う

# カテゴリと出現回数をdictに格納
gender_counts = dict(collections.Counter(series))

# カテゴリごとの集計
for gender, count in gender_counts.items():
    print(f"{gender}: {count}")

groupby と agg を使う

# カテゴリごとの集計
df.groupby("gender").agg({"age": "mean"})

numpy を使う

# カテゴリを数値に変換
categories = ["Male", "Female"]
cat_codes = np.array([categories.index(x) for x in series])

# カテゴリごとの集計
np.unique(cat_codes, return_counts=True)

独自の関数を使う

def count_categories(series):
    categories = set(series)
    counts = {category: 0 for category in categories}
    for value in series:
        counts[value] += 1
    return counts

# カテゴリごとの集計
counts = count_categories(series)

どの方法を使うべきかは、データの量や分析内容によって異なります。

• データ量が少なく、シンプルな分析の場合は dict や collections.Counter を使うのが簡単です。
• データ量が多く、複雑な分析の場合は groupby と agg を使うのが効率的です。
• カテゴリを数値に変換する必要がある場合は numpy を使うことができます。
• 独自の分析方法が必要な場合は、独自の関数を使うことができます。

pandas.Series.cat はカテゴリカル型データを扱うための便利なメソッドですが、他にもいくつかの代替方法があります。データの量や分析内容に合わせて、最適な方法を選びましょう。