【pandas中級編③】pivot_tableの使い方をやさしく解説（Excel派必見！） | 趣味の小部屋

はじめに
1. pivot_tableとは？何ができるの？
2. 使用データ（例）
3. 基本構文：index・columns・valuesを指定するだけ！
1. ✔ 結果（年齢ごとの平均点）：
4. 列（columns）を追加してクロス集計！
1. ✔ 結果：
5. 複数列の同時集計（複数値・複数関数）
1. ▶ 平均と最大を一度に表示
6. 件数を集計したいとき：aggfunc=”count”
7. NaN対策：fill_valueで空欄を0に
8. pivot_tableとgroupbyの違い
✅ まとめ
1. 🧭 参考リンク・シリーズナビ

はじめに

Excelでおなじみの「ピボットテーブル」。
pandasでも、同様の機能が pivot_table() を使うことで簡単に実現できます。

グループごとの平均や合計を見たい
男女別・年齢別などでクロス集計したい
行と列で集計を並べて、見やすく比較したい

こういったニーズに応えてくれるのが pivot_table() です。
この記事では、基本構文から応用パターンまでを、やさしく・実例つきで解説します。

1. pivot_tableとは？何ができるの？

pivot_table() は、複数のカテゴリ変数に基づいて、数値データの集計を行うための関数です。
Excelのピボットテーブルと同じように、「行」「列」「値（集計対象）」を指定することで、自由にクロス集計を行えます。

2. 使用データ（例）

以下のような簡単な成績データを使って説明していきます：

名前	年齢	点数
太郎	20	88
花子	21	92
次郎	19	95
さくら	22	70
健	NaN	83

3. 基本構文：index・columns・valuesを指定するだけ！

pd.pivot_table(df, index="年齢", values="点数", aggfunc="mean")

✔ 結果（年齢ごとの平均点）：

index: 行にしたいカテゴリ
values: 集計する数値列
aggfunc: 集計方法（平均: “mean”, 合計: “sum”, 件数: “count”など）

✅ 欠損値（NaN）は自動的に除外されます（必要なら fill_value で埋められます）

4. 列（columns）を追加してクロス集計！

たとえば、次のような性別データを追加してみます：

df["性別"] = ["男", "女", "男", "女", "男"]

そして、性別ごとの平均点を年齢別に見たいときは？

pd.pivot_table(df, index="年齢", columns="性別", values="点数", aggfunc="mean")

✔ 結果：

年齢	女	男
19	NaN	95
20	NaN	88
21	92	NaN
22	70	NaN

columns に「性別」を指定することで、列ごとに分類された表になります。
行×列でクロスされた形式になるため、見やすいカテゴリ比較表が作れます。

5. 複数列の同時集計（複数値・複数関数）

▶ 平均と最大を一度に表示

pd.pivot_table(df, index="性別", values="点数", aggfunc=["mean", "max"])

結果：

        mean  max
性別                
女     81.0   92
男     88.6667 95

　　　　　　　　✅ aggfunc にリストで複数の関数を指定することも可能です。

6. 件数を集計したいとき：aggfunc=”count”

pd.pivot_table(df, index="性別", values="点数", aggfunc="count")

結果：

これは、「性別ごとの点数データの数（＝人数）」を表しています。

7. NaN対策：fill_valueで空欄を0に

空欄が気になる場合は、fill_value を使って埋めることもできます。

pd.pivot_table(df, index="年齢", columns="性別", values="点数", aggfunc="mean", fill_value=0)

❗ 特に、プレゼンやレポート用に表を出力する場合、NaNが多いと読みにくくなるので便利です。

8. pivot_tableとgroupbyの違い

機能	pivot_table	groupby
クロス集計（列方向）	✅ columnsで指定可能	❌
複数集計関数	✅ 複数aggfuncが自然に使える	✅（やや構文が複雑）
欠損値処理（fill_value）	✅ 自動対応あり	❌

groupby でも集計はできますが、「見やすさ」「柔軟性」では pivot_table に軍配が上がります。

✅ まとめ

pivot_table() は Excelユーザーに最も親しみやすいpandasの集計関数
index, columns, values, aggfunc の4つを指定するだけでOK
平均・合計・最大・件数など、さまざまな集計が一発で可能
fill_value で空欄対応もできて、プレゼン資料にも使いやすい！