【Pandas】ピボットテーブルを使ったデータを可視化｜Anacondaでデータ分析

Pandasのデータ分析で重要なピボットテーブルを使って、

データの関係性を可視化していきます。

前回までのおさらい

>>>【Pandas入門】groupbyを使ってデータのまとまりをつくる｜Anacondaでデータ分析

前回は、Pandasを使って、こんなデータを作成しました。

以下はとあるq1のスコアを可視化したグラフです。

でも、年齢別のq1の平均値が分かりましたが、性別ごとの比較も知りたいですよね。

ちなみに以下が、グラフのもととなる表です。

これだと、年齢しか整理できてないね！

年齢だけじゃなくて、性別についても整理するってことね！

ピボットテーブルを使って、データの整理

前回は、ageだけをソートしましたが、今回はsexのカラムもソートします。

前回と方法は同じなので、コードは割愛します。

今回は、groupbyの引数に、ageだけでなく、sexを追加します。

age_group = age_sort.groupby(['age','sex']).q1.mean()

結果は以下になりました。

今回は、年齢と、性別の２つの軸でデータが整理することができました。

続けて、前回同様、q1の名称を、q1_meanに変更しました。

これをさらに整理するために、ピボットテーブルを使用します。

pivot_tableの実行

やり方は以下です。今回は、df3という新しい表を作成しています。

df3 = df2.pivot_table( index='age', columns = 'sex')

df3

実行結果は以下です。

※画像の表は途中までです。

列が性別（ここでは1と2）に分かれて、とっても見やすくなった！

うん！ピボットテーブルを使ったおかげだね！

データの可視化

最後に前回同様、データの可視化をしていきます。

df3.plot()

結果は以下です。

無事に、性別ごとのグラフが表示できました。

これを見ると、q1スコアの性別による相関関係の薄さが見てとれます。

まとめ

今回は、データ分析の肝となるピボットテーブルを初めて実行してみました。

ピボットテーブルを使うことで、クロス集計が簡単にできるので、

覚えておくだけで何かと重宝するテクニックの一つです。