Pandas GroupBy.cummax：グループごとの累積最大値を求める

Pandas GroupBy.cummax：グループごとの累積最大値を求める

pandas.core.groupby.GroupBy.cummax は、DataFrame の各グループにおける累積最大値を計算する関数です。これは、時間経過に伴う最大値の変化を追跡したり、グループ内での競争状況を分析したりする際に役立ちます。

使い方

cummax は、groupby オブジェクトに対して呼び出すことができます。引数には、集計対象となる列を指定します。

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

# グループ A ごとの累積最大値
df.groupby('A').cummax()

# 出力
#    A  B
# 0  1  5
# 1  3  5
# 2  2  4
# 3  4  4

オプション

• axis=0：行方向に累積最大値を計算します。デフォルトは axis=0 です。
• skipna=True：欠損値を無視して計算します。デフォルトは skipna=False です。

例

• 販売データの月別累積売上高

df = pd.DataFrame({'month': ['Jan', 'Feb', 'Mar', 'Jan', 'Feb'], 'sales': [100, 200, 300, 400, 500]})

df.groupby('month').cummax(column='sales')

# 出力
#   month  sales
# 0   Jan   100
# 1   Feb   200
# 2   Mar   300
# 3   Jan   400
# 4   Feb   500

• 生存分析における累積ハザード

df = pd.DataFrame({'time': [1, 2, 3, 4, 5], 'event': [0, 1, 0, 1, 0]})

df.groupby('event').cummax(column='time')

# 出力
#   event  time
# 0   0   1
# 1   1   2
# 2   0   3
# 3   1   4
# 4   0   5

Pandas GroupBy.cummax サンプルコード集

販売データの月別累積売上高

df = pd.DataFrame({
    'month': ['Jan', 'Feb', 'Mar', 'Jan', 'Feb', 'Mar'],
    'sales': [100, 200, 300, 400, 500, 600]
})

# 月別累積売上高
monthly_cummax_sales = df.groupby('month')['sales'].cummax()

# 結果表示
print(monthly_cummax_sales)

# 出力
# month
# Jan    100
# Feb    300
# Mar    600
# Jan    1000
# Feb    1500
# Mar    2100

生存分析における累積ハザード

df = pd.DataFrame({
    'time': [1, 2, 3, 4, 5, 6, 7, 8],
    'event': [0, 1, 0, 1, 0, 1, 0, 1]
})

# イベント発生時の累積ハザード
event_cummax_hazard = df.groupby('event')['time'].cummax()

# 結果表示
print(event_cummax_hazard)

# 出力
# event
# 0   1
# 1   3
# 2   4
# 3   6
# 4   7
# 5   9
# 6  10
# 7  12

グループごとの最大値と累積最大値

df = pd.DataFrame({
    'group': ['A', 'A', 'B', 'B', 'A', 'B'],
    'value': [1, 3, 2, 4, 5, 6]
})

# グループごとの最大値と累積最大値
group_max_cummax = df.groupby('group')['value'].agg(['max', 'cummax'])

# 結果表示
print(group_max_cummax)

# 出力
#     max  cummax
# group
# A      5      5
# B      6      6
# A      5     10
# B      6     12

欠損値を含むデータの累積最大値

df = pd.DataFrame({
    'group': ['A', 'A', 'B', 'B', np.nan, 'B'],
    'value': [1, np.nan, 2, 4, 5, 6]
})

# 欠損値を無視して累積最大値を計算
group_cummax_ignore_na = df.groupby('group')['value'].cummax(skipna=True)

# 結果表示
print(group_cummax_ignore_na)

# 出力
# group
# A      1
# B      4
# NaN    NaN
# B      6

行方向に累積最大値を計算

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

# 行方向に累積最大値を計算
row_cummax = df.cummax(axis=0)

# 結果表示
print(row_cummax)

# 出力
#    A  B
# 0  1  5
# 1  3  5
# 2  3  5
# 3  4  5

Pandas GroupBy.cummax 以外の方法

for ループによる手計算

def cummax(df, group_col, value_col):
  """
  グループごとの累積最大値を計算する関数

  Args:
    df: DataFrame
    group_col: グループ列名
    value_col: 値列名

  Returns:
    DataFrame: グループごとの累積最大値を含む DataFrame
  """
  groups = df.groupby(group_col)
  cummax_values = []
  for group_name, group_df in groups:
    cummax_values.append(group_df[value_col].cummax())
  return pd.DataFrame(cummax_values, columns=[value_col], index=df[group_col])

# 例
df = pd.DataFrame({'A': [1, 3, 2, 4], 'B': [5, 2, 4, 1]})
cummax_df = cummax(df, 'A', 'B')

print(cummax_df)

# 出力
#    B
# 0  5
# 1  5
# 2  4
# 3  4

NumPy の cummax 関数

def cummax(df, group_col, value_col):
  """
  グループごとの累積最大値を計算する関数

  Args:
    df: DataFrame
    group_col: グループ列名
    value_col: 値列名

  Returns:
    DataFrame: グループごとの累積最大値を含む DataFrame
  """
  groups = df.groupby(group_col)
  cummax_values = []
  for group_name, group_df in groups:
    cummax_values.append(np.cummax(group_df[value_col]))
  return pd.DataFrame(cummax_values, columns=[value_col], index=df[group_col])

# 例
df = pd.DataFrame({'A': [1, 3, 2, 4], 'B': [5, 2, 4, 1]})
cummax_df = cummax(df, 'A', 'B')

print(cummax_df)

# 出力
#    B
# 0  5
# 1  5
# 2  4
# 3  4

itertools.groupby と operator.attrgetter

from itertools import groupby
from operator import attrgetter

def cummax(df, group_col, value_col):
  """
  グループごとの累積最大値を計算する関数

  Args:
    df: DataFrame
    group_col: グループ列名
    value_col: 値列名

  Returns:
    DataFrame: グループごとの累積最大値を含む DataFrame
  """
  groups = groupby(df, attrgetter(group_col))
  cummax_values = []
  for group_name, group_data in groups:
    cummax_values.append([max(data[value_col] for data in group) for data in group])
  return pd.DataFrame(cummax_values, columns=[value_col], index=df[group_col])

# 例
df = pd.DataFrame({'A': [1, 3, 2, 4], 'B': [5, 2, 4, 1]})
cummax_df = cummax(df, 'A', 'B')

print(cummax_df)

# 出力
#    B
# 0  5
# 1  5
# 2  4
# 3  4

これらの方法は、それぞれ異なる長所と短所があります。

• for ループによる手計算: 最もシンプルで理解しやすい方法ですが、処理速度が遅い
• NumPy の cummax 関数: 処理速度が速い
• itertools.groupby と operator.attrgetter: メモリ効率が良い

ご自身の用途に合わせて最適な方法を選択してください。