# グループ化したい（`pandas.DataFrame.groupby`）

```python
g = ["グループ化したいカラム名"]
v = ["集計したいカラム名"]

data.groupby(g)[v].sum().reset_index()
```

`groupby`で、データを指定したカラムの値でグループ化し、それぞれのグループに対して集計できます。
`グループ化したいカラム名`（のリスト）と
`集計したいカラム名`（のリスト）を指定して、データフレームを集計します。

`groupby`の結果は`DataFrameGroupBy`型になっているため、
`.sum()`や`.mean()`などの集計関数を適用する必要があります。

また、集計結果はグループ化したカラムがインデックスになるため、
`.reset_index()`して通常のデータフレームに変換することが多いです。

## パーセンテージを計算したい

```python
g = "グループ化したいカラム名"
v = "集計したいカラム名"
grouped = data.groupby(g)[v].count().reset_index()

# 集計したカラムの総計を計算
n = grouped[v].sum()
grouped["percentage"] = grouped[v] / n
```

集計した値の割合を計算しています。
集計したカラムの総計で、グループごとの集計値を割り算しています。

## 平均値と標準偏差したい（``pandas.DataFrame.agg``）

```python
grouped = data.groupby(g)[v].agg(["mean", "std"]).reset_index()
```

``pd.DataFrame.agg``の引数にはリスト（や辞書）も設定できます。
``mean``と``std``を与えると平均値と標準偏差をまとめて取得できます。

## 複数の方法で集計したい

```python
# グループ化したいカラム
group: list[str] = ["グループ化したいカラム"]

# 集計項目
# ページビュー数, セッション数
v = ["pageview", "session"]
# ユニークビジター数（＝同一IPアドレスの数）
u = "uvisitor"

# あとのデータ処理のためカラム名を変更する
data.rename(columns={"ipaddress": u}, inplace=True)

# 1次集計
g = group + [u]
grouped = data.groupby(group)[v].sum().reset_index()

# 2次集計
_left = grouped.groupby(group)[v].sum().reset_index()
_right = grouped.groupby(group)[u].count().reset_index()
insight = pd.merge(_left, _right, on=group)
```

あるカラム（のリスト）は合計値、
別のカラム（のリスト）はカウント値、のように、
複数の方法で集計したい場合です。

1回の操作で完結させることができないので、
まず``グループ化したいカラム名``ごとに``groupby``して集計したデータフレームを作成し、それから、``グループ化したいカラム名``を基準にしてマージ（``pandas.merge``）しています。

上のサンプルでは、``pageview``と``session``のカラムは合計値（``sum``）、
``uvisitor``のカラムはカウント数（``count``）で集計しています。

:::{note}

このコードを書いたときは、``pd.DataFrame.agg``の引数に辞書を指定できることを認識していませんでした。
もしかしたら、こんな回りくどいことをせずに計算できるかもしれません。


```python
# グループ化したいカラム
group: list[str] = ["グループ化したいカラム"]

# あとのデータ処理のためカラム名を変更する
data.rename(columns={"ipaddress": "uvisitor"}, inplace=True)

# 集計方法を定義
aggregation_rules = {
    "pageview": "sum",
    "session": "sum",
    "uvisitor": "count",
}

# 集計
insight = data.groupby(group).agg(aggregation_rules).reset_index()

# カラム名をわかりやすく
columns = {
    "pageview": "total_pageview",
    "session": "total_session",
    "uvisitor": "unique_visitor",
}
insight.rename(columns=columns, inplace=True)
```

:::

## リファレンス

- [Group by: split-apply-combine](https://pandas.pydata.org/pandas-docs/stable/user_guide/groupby.html)