【Python】Pandasのmelt関数の使い方

Pandasのmelt関数は、データフレームを「長い」形式に変換するのに非常に便利なツールです。

データを可視化する際や、統計分析の前処理として使用することが多いです。

melt関数の基本的な使い方から、応用例までを詳しく紹介します。

Contents

melt関数の基本
応用例
まとめ

melt関数の基本

基本的な使用法

melt関数は、データフレームの特定の列を識別変数として保持し、残りの列を「長い」形式に変換します。

import pandas as pd

# サンプルデータフレーム
data = {
    'ID': [1, 2, 3],
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Math': [90, 80, 85],
    'English': [85, 95, 90]
}

df = pd.DataFrame(data)
print("元のデータフレーム:\n", df)

# melt関数を使用
melted_df = df.melt(id_vars=['ID', 'Name'], var_name='Subject', value_name='Score')
print("\nmelt関数を使用した後のデータフレーム:\n", melted_df)

出力

元のデータフレーム:
    ID     Name  Math  English
0   1    Alice    90       85
1   2      Bob    80       95
2   3  Charlie    85       90

melt関数を使用した後のデータフレーム:
    ID     Name  Subject  Score
0   1    Alice     Math     90
1   2      Bob     Math     80
2   3  Charlie     Math     85
3   1    Alice  English     85
4   2      Bob  English     95
5   3  Charlie  English     90

この例では、IDとName列を識別変数として保持し、MathとEnglish列を変数名（Subject）とその値（Score）に変換しています。

引数の説明

id_vars: 変換後も保持する列を指定します。これは識別変数（ID）やキーとなる情報です。
value_vars: 変換対象となる列を指定します。省略すると、id_vars以外の全ての列が対象となります。
var_name: 新しい「変数名」列の名前を指定します。省略するとデフォルトでvariableとなります。
value_name: 新しい「値」列の名前を指定します。省略するとデフォルトでvalueとなります。

応用例

特定の列のみを変換

特定の列のみを変換する場合、value_varsを使用します。

# 特定の列のみを変換
melted_df = df.melt(id_vars=['ID', 'Name'], value_vars=['Math'], var_name='Subject', value_name='Score')
print("\n特定の列のみを変換したデータフレーム:\n", melted_df)

出力

特定の列のみを変換したデータフレーム:
    ID     Name Subject  Score
0   1    Alice    Math     90
1   2      Bob    Math     80
2   3  Charlie    Math     85

元のデータフレームに変換後のデータを追加

元のデータフレームに変換後のデータを追加する場合、merge関数を使用します。

# melt関数を使用
melted_df = df.melt(id_vars=['ID', 'Name'], var_name='Subject', value_name='Score')

# 元のデータフレームに変換後のデータを追加
merged_df = pd.merge(df, melted_df, on=['ID', 'Name'], how='left')
print("\n元のデータフレームに変換後のデータを追加:\n", merged_df)

出力

元のデータフレームに変換後のデータを追加:
    ID     Name  Math  English  Subject  Score
0   1    Alice    90       85     Math     90
1   1    Alice    90       85  English     85
2   2      Bob    80       95     Math     80
3   2      Bob    80       95  English     95
4   3  Charlie    85       90     Math     85
5   3  Charlie    85       90  English     90

複数の識別変数

複数の識別変数がある場合も同様にid_varsで指定します。

# サンプルデータフレーム
data = {
    'ID': [1, 2, 3],
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Semester': ['Spring', 'Fall', 'Spring'],
    'Math': [90, 80, 85],
    'English': [85, 95, 90]
}

df = pd.DataFrame(data)
print("元のデータフレーム:\n", df)

# melt関数を使用
melted_df = df.melt(id_vars=['ID', 'Name', 'Semester'], var_name='Subject', value_name='Score')
print("\nmelt関数を使用した後のデータフレーム:\n", melted_df)

出力

元のデータフレーム:
    ID     Name Semester  Math  English
0   1    Alice   Spring    90       85
1   2      Bob     Fall    80       95
2   3  Charlie   Spring    85       90

melt関数を使用した後のデータフレーム:
    ID     Name Semester  Subject  Score
0   1    Alice   Spring     Math     90
1   2      Bob     Fall     Math     80
2   3  Charlie   Spring     Math     85
3   1    Alice   Spring  English     85
4   2      Bob     Fall  English     95
5   3  Charlie   Spring  English     90

まとめ

Pandasのmelt関数は、データを「長い」形式に変換するのに非常に便利です。データの可視化や分析において役立ちます。