Python

pandasでデータ加工入門【絞り込み・列の選択・列の追加・並び替え・グループ集計】

酒井 裕麻株式会社Bistro 代表取締役社長

Pythonでデータを読み込んだら、次は「必要な行だけに絞る」「店舗ごとに合計する」といったデータ加工です。Pythonでは、pandas(パンダス)というライブラリを使って、Excelよりずっと速く、しかも手順を残しながら加工できます。

この記事では、pandasでよく使う5つの基本操作を、Google Colabで実際の売上データを使って解説します。最後には、集計した結果をグラフにするところまで進みます。

同じことをRのdplyrで行う方法は、dplyrでデータ加工入門で紹介しています。

店舗別・カテゴリ別の売上グラフ

参考記事

PythonでCSVの文字化けを直す方法とExcelファイルの読み込み
Google Colabの設定方法と使い方

この記事で使うデータ

架空の店舗の売上データ sales.csv を使います。2026年1〜3月の、3店舗(新宿・渋谷・横浜)×3カテゴリ(食品・飲料・日用品)の日別データです。

列名 内容
date 日付
store 店舗
category カテゴリ
customers 客数
sales 売上(円)
ad_spend 広告費(円)

Colabで、次のコードを実行して読み込みます。pandasはColabに最初から入っているので、インストールは不要です。

import pandas as pd
sales = pd.read_csv("https://www.bistro.business/files/r/sales.csv", parse_dates=["date"])
sales.head(3)

実行結果

        date store category  customers   sales  ad_spend
0 2026-01-01   新宿店      日用品         66   62060     22000
1 2026-01-01   新宿店       食品        185  241870     19000
2 2026-01-01   新宿店       飲料        114   44430      9000

pandasの5つの基本操作

やりたいこと pandasの書き方 Rのdplyrでいうと Excelでいうと
行を絞り込む df.query("条件") または df[条件] filter() フィルター
列を選ぶ df[["列1", "列2"]] select() 列の削除・並べ替え
列を追加する df["新しい列"] = 計算 / df.assign() mutate() 計算列の追加
並び替える df.sort_values() arrange() 並べ替え
グループごとに集計する df.groupby().agg() group_by() + summarise() ピボットテーブル

行を絞り込む

query()で条件を書く

query() を使うと、条件を文章のように書けます。

sales.query("store == '渋谷店'").head(3)

実行結果

        date store category  customers   sales  ad_spend
6 2026-01-01   渋谷店      日用品         63   60030     17000
7 2026-01-01   渋谷店       食品        121  167150     27000
8 2026-01-01   渋谷店       飲料         69   28650     11000

条件は and(かつ)・or(または)でつなげられます。「渋谷店の食品で、売上が22万円以上の日」が何日あるか数えてみましょう。

len(sales.query("store == '渋谷店' and category == '食品' and sales >= 220000"))

実行結果

34

角かっこ [ ] で絞り込む

もう一つの書き方が、角かっこの中に条件を書く方法です。ネットのコードでもよく見かけます。条件をつなぐときは、&(かつ)・|(または)を使い、それぞれの条件を ( ) で囲みます。

shibuya_food = sales[(sales["store"] == "渋谷店") & (sales["category"] == "食品")]
len(shibuya_food)

実行結果

90

「いずれかに当てはまる」という条件には isin() が便利です。

sales[sales["store"].isin(["新宿店", "横浜店"])]["store"].unique()

実行結果

array(['新宿店', '横浜店'], dtype=object)

列を選ぶ

列名をリストにして、角かっこを二重にして指定します。

sales[["date", "store", "sales"]].head(3)

実行結果

        date store   sales
0 2026-01-01   新宿店   62060
1 2026-01-01   新宿店  241870
2 2026-01-01   新宿店   44430

角かっこが一重(sales["sales"])だと、1列だけを取り出した「Series(シリーズ)」になります。表の形のまま取り出したいときは、二重にしましょう。

列を追加する

df["新しい列名"] = 計算式 で、列を追加できます。売上を客数で割って、客単価の列を作ります。

sales["unit_price"] = (sales["sales"] / sales["customers"]).round()
sales[["date", "store", "customers", "sales", "unit_price"]].head(3)

実行結果

        date store  customers   sales  unit_price
0 2026-01-01   新宿店         66   62060       940.0
1 2026-01-01   新宿店        185  241870      1307.0
2 2026-01-01   新宿店        114   44430       390.0

月の列も追加しておきましょう。日付の列から、dt.strftime() で「2026-01」の形の文字を作れます。

sales["month"] = sales["date"].dt.strftime("%Y-%m")
sales[["date", "month"]].drop_duplicates("month")

実行結果

          date    month
0   2026-01-01  2026-01
279 2026-02-01  2026-02
531 2026-03-01  2026-03

並び替える

sort_values() で並び替えます。大きい順にするには ascending=False を指定します。

sales.sort_values("sales", ascending=False).head(3)

実行結果

          date store category  customers   sales  ad_spend  unit_price    month
271 2026-01-31   新宿店       食品        248  381610     17000      1539.0  2026-01
82  2026-01-10   新宿店       食品        262  380320     25000      1452.0  2026-01
775 2026-03-28   新宿店       食品        245  372310     11000      1520.0  2026-03

複数の列で並び替えるときは、リストで指定します(例:sort_values(["store", "sales"], ascending=[True, False]))。

グループごとに集計する

groupby() でグループを指定し、agg() で集計方法を指定します。Excelのピボットテーブルにあたる、最もよく使う操作です。

store_summary = (
    sales.groupby("store")
    .agg(total_sales=("sales", "sum"), avg_customers=("customers", "mean"), days=("date", "nunique"))
    .sort_values("total_sales", ascending=False)
)
store_summary

実行結果

       total_sales  avg_customers  days
store                                  
新宿店       34343650     125.003704    90
渋谷店       28415350     102.311111    90
横浜店       21810360      79.748148    90

agg() の中は「新しい列名=(元の列名, 集計方法)」という書き方です。集計方法には、次のようなものが使えます。

集計方法 意味
"sum" 合計
"mean" 平均
"median" 中央値
"count" 件数(空欄を除く)
"nunique" 重複を除いた種類の数
"min" / "max" 最小 / 最大

コードを ( ) で囲むと、途中で改行して、処理を上から順に読めるように書けます。Rのパイプ(%>%)と同じように、「〜して、それから〜する」とつなげられます。

複数の列でグループ化する

月×カテゴリ別の売上を出してみます。groupby() に列名のリストを渡します。

sales.groupby(["month", "category"], as_index=False)["sales"].sum().head(6)

実行結果

     month category     sales
0  2026-01      日用品   6015670
1  2026-01       食品  19954980
2  2026-01       飲料   3345500
3  2026-02      日用品   5500540
4  2026-02       食品  17586090
5  2026-02       飲料   2979360

as_index=False を付けると、グループの列が普通の列として残り、そのまま表として使いやすくなります。

集計結果をそのままグラフにする

集計した結果は、そのままグラフにできます。店舗×カテゴリ別の売上を、積み上げ棒グラフにしてみましょう。日本語が文字化けしないように、最初に matplotlib-fontja をインストールして読み込みます。

!pip install -q matplotlib-fontja
import matplotlib.pyplot as plt
import matplotlib_fontja

pivot = sales.pivot_table(index="store", columns="category", values="sales", aggfunc="sum") / 10000
pivot.plot(kind="bar", stacked=True, rot=0, color=["#0F2D45", "#195379", "#7FA7C9"])
plt.title("店舗別・カテゴリ別の売上(2026年1〜3月)")
plt.xlabel("")
plt.ylabel("売上(万円)")
plt.legend(title="カテゴリ")
plt.show()

店舗別・カテゴリ別の売上の積み上げ棒グラフ

pivot_table() は、行と列を指定して集計表を作る関数です。表の形の変え方は、Pythonでデータの縦持ち・横持ちを変換する方法で詳しく解説しています。グラフの作り方は、Pythonでグラフを作る方法をご覧ください。

まとめ

  • 行の絞り込みは query() または df[条件]
  • 列の選択は df[["列1", "列2"]]、列の追加は df["新しい列"] = 計算
  • 並び替えは sort_values()
  • グループごとの集計は groupby() + agg()
  • ( ) で囲むと、処理を上から順に読める形で書ける

pandasの書き方は最初は覚えることが多く感じますが、使う操作はほぼこの5つです。まずは自分のデータで、絞り込みとグループ集計を試してみてください。

CONTACT

データ活用のお悩み、
直接相談しませんか。

「何から始めればいいかわからない」段階でも大丈夫です。課題の整理からお手伝いします。