【Pandas】DataFrame、Seriesのユニークな要素をカウントする

Pandas

PandasはPythonにおける表計算ライブラリです。Excelで列のユニークな要素数および出現回数をカウントできるように、Pandasでも同様の操作が可能です。

今回はPandasのデータでユニークな要素をカウントする方法を紹介していきます。

目次

使用するデータ

Kaggleから、FIFA22のMLS（Major League Soccer）所属の選手データセットを使用します。

https://www.kaggle.com/drhythm/fifa-22-mls-player-ratings

import pandas as pd

df = pd.read_csv("C:/Project/FIFA 22 MLS PLAYER RATINGS.csv")
df
pd.read_csv("C:/Project/FIFA 22 MLS PLAYER RATINGS.csv")

DataFrame全体でSeriesのユニークな要素をカウント

各列のユニークな要素の個数

DataFrameの各列のユニークな要素（値）の個数をカウントするには、nunique()を用います。それぞれのカラムの要素の個数がSeriesで返されます。

#ユニークな要素の個数
df.nunique()

>>PLAYER    624
　CLUB       27
　POS        15
　OVR        25
　PAC        60
　SHO        52
　PAS        45
　DRI        45
　DEF        56
　PHY        48


type(df.nunique())

>>pandas.core.series.Series

全要素数やユニークな要素数をまとめて出す

describe()を用いれば、全体の要素数やユニークな要素数、最頻出の値などをまとめて出力することができます。

df.astype('str').describe()
df.astype('str').describe()

countはその列全体の要素数（重複あり）、uniqueはユニークな要素数のカウント、topは最頻出の値で、freqはその出現頻度（回数）を示します。

SeriesでSeriesのユニークな要素をカウント

DataFrame全体で見た場合よりも各列ごとに掘り下げて内容を確認したい場合は、以降の方法で確認します。

ユニークな値のリスト

指定の列でユニークな値の一覧を取得したい場合、Series.unique().tolist()を用います。試しに”POS”列のユニークな値の一覧を取得してみます。

#ユニークな値のリスト
df['POS'].unique().tolist()

>>['RB',
 　'ST',
 　'CB',
 　'GK',
 　'CM',
 　'LB',
 　'RW',
　 'CDM',
　 'RM',
　 'LM',
　 'CAM',
　 'LW',
　 'LWB',
　 'RWB',
　 'SS']

これで、ユニークな要素の具体的な値がわかります。

ユニークな要素のカウント

列のユニークな要素のカウントを取得するには、value_counts()を使用します。各要素のカウントがSeriesで返されます。要素を指定することで、単一要素のカウントを取り出すこともできます。

df['POS'].value_counts()

>>CB     114
　GK      74
　ST      72
　CDM     69
　RB      53
　CM      51
　LB      49
　RM      43
　LM      38
　CAM     25
　RW      16
　LW      12
　LWB      4
　RWB      3
　SS       1


df['POS'].value_counts()['LB']

>>49

【参考】出現頻度を割合で出す

value_counts()では、引数のnormalizeをTrueに指定すると、出現頻度の合計が１になるような値に変換されて返されます。

これはつまり、各要素の出現回数の割合を示します。複数データで比較したい場合などに使えます。

df['POS'].value_counts(normalize=True)

>>CB     0.182692
　GK     0.118590
　ST     0.115385
　CDM    0.110577
　RB     0.084936
　CM     0.081731
　LB     0.078526
　RM     0.068910
　LM     0.060897
　CAM    0.040064
　RW     0.025641
　LW     0.019231
　LWB    0.006410
　RWB    0.004808
　SS     0.001603

Pythonでデータサイエンスするなら

Pythonでデータサイエンスをするなら、以下の書籍がおすすめです。Pandas、matplotlib、Numpy、scikit-learnといったデータサイエンスに必要なライブラリを、体系立てて一通り学ぶことができます。

ややお値段高めですが、これ1冊で十分という内容・ボリュームなので、損はしないと思います^^

初学者の方にはこちらもオススメです^^

まとめ

PandasのDataFrameおよびSeriesでユニークな要素をカウントする方法を紹介しました。

今回紹介した方法は、データの特徴を知るための手段として有効です。是非活用してください^^

ではでは👋

Pandasの最新記事8件