この記事では、Pythonライブラリpandasを用いたマルチインデックス（MultiIndex）の操作テクニックについて解説します。基本的な設定方法から、具体的なコード例とその解説、さらには応用例まで網羅的に取り上げています。
目次
マルチインデックスとは
マルチインデックスとは、pandasのDataFrameやSeriesにおいて、一つ以上の階層を持つインデックスのことを指します。これにより、複雑なデータ構造をより柔軟に扱えるようになります。
基本的なマルチインデックスの設定方法
マルチインデックスの作成
まずは基本的なマルチインデックスの作成方法から見ていきましょう。
import pandas as pd
# マルチインデックスの設定
arrays = [
['A', 'A', 'B', 'B'],
[1, 2, 1, 2]
]
index = pd.MultiIndex.from_arrays(arrays, names=('Letters', 'Numbers'))
df = pd.DataFrame({'Data': [11, 22, 33, 44]}, index=index)
print(df)
コードの解説
こちらのコードでは、`arrays`というリストにマルチインデックスで使用するデータを用意しています。そして、`pd.MultiIndex.from_arrays()`メソッドでMultiIndexオブジェクトを作成しています。最後に、このマルチインデックスをDataFrameに適用しています。
マルチインデックスの応用テクニック
データのフィルタリング
マルチインデックスを使用する際の一般的な操作として、データのフィルタリングがあります。
# 'A' の行だけを抽出
filtered_data = df.loc['A']
print(filtered_data)
コードの解説
`.loc[]`を使用して、マルチインデックスの一階層目（’A’または’B’）のデータをフィルタリングしています。
データの集計
マルチインデックスを用いてデータの集計を行うこともあります。
# マルチインデックスに対する集計
aggregated_data = df.sum(level='Letters')
print(aggregated_data)
コードの解説
`.sum()`メソッドの`level`引数を指定することで、マルチインデックスの指定した階層に基づいてデータを集計しています。
まとめ
マルチインデックスは、複雑なデータ構造を柔軟に扱う強力なツールです。基本的な設定方法から応用テクニックまで、多様な操作が可能です。この知識を用いて、より高度なデータ処理を行ってみてはいかがでしょうか。
コメント