# ===== シンプルなgroupby ===== import pandas as pd df = pd.DataFrame({ ‘category’: [‘果物’, ‘野菜’, ‘果物’, ‘野菜’, ‘果物’], ‘product’: [‘りんご’, ‘にんじん’, ‘バナナ’, ‘キャベツ’, ‘みかん’], ‘price’: [150, 100, 120, 200, 100], ‘quantity’: [10, 15, 8, 5, 12] }) print(“=== 元データ ===”) print(df) # カテゴリごとの平均価格 avg_price = df.groupby(‘category’)[‘price’].mean() print(“\n=== カテゴリ別平均価格 ===”) print(avg_price) # カテゴリごとの合計数量 total_qty = df.groupby(‘category’)[‘quantity’].sum() print(“\n=== カテゴリ別合計数量 ===”) print(total_qty)

# ===== agg()で複数の集計 ===== import pandas as pd df = pd.DataFrame({ ‘store’: [‘東京’, ‘大阪’, ‘東京’, ‘大阪’, ‘東京’], ‘product’: [‘A’, ‘A’, ‘B’, ‘B’, ‘A’], ‘sales’: [10000, 12000, 15000, 18000, 8000], ‘quantity’: [10, 12, 15, 18, 8] }) print(“=== 元データ ===”) print(df) # 店舗ごとに複数の集計 result = df.groupby(‘store’).agg({ ‘sales’: [‘sum’, ‘mean’, ‘max’], # 売上の合計、平均、最大 ‘quantity’: [‘sum’, ‘count’] # 数量の合計、件数 }) print(“\n=== 複数の集計結果 ===”) print(result)

# ===== カラムごとに集計方法を変える ===== import pandas as pd df = pd.DataFrame({ ‘store’: [‘東京店’, ‘大阪店’, ‘東京店’, ‘大阪店’], ‘product’: [‘A’, ‘A’, ‘B’, ‘B’], ‘sales’: [10000, 12000, 15000, 18000], ‘quantity’: [10, 12, 15, 18], ‘date’: [‘2024-01-01’, ‘2024-01-02’, ‘2024-01-03’, ‘2024-01-04’] }) # 店舗ごとに異なる集計 result = df.groupby(‘store’).agg({ ‘sales’: ‘sum’, # 売上は合計 ‘quantity’: ‘mean’, # 数量は平均 ‘product’: ‘count’, # 商品は件数 ‘date’: ‘max’ # 日付は最新日 }) # カラム名をわかりやすく変更 result = result.rename(columns={ ‘sales’: ‘売上合計’, ‘quantity’: ‘平均数量’, ‘product’: ‘取引回数’, ‘date’: ‘最終取引日’ }) print(“=== カラム別集計結果 ===”) print(result)

# ===== 複数の軸で集計 ===== import pandas as pd df = pd.DataFrame({ ‘year’: [2024, 2024, 2024, 2024, 2025, 2025], ‘month’: [1, 1, 2, 2, 1, 1], ‘store’: [‘東京’, ‘大阪’, ‘東京’, ‘大阪’, ‘東京’, ‘大阪’], ‘sales’: [10000, 12000, 15000, 18000, 11000, 13000] }) print(“=== 元データ ===”) print(df) # 年・月・店舗ごとに集計 result = df.groupby([‘year’, ‘month’, ‘store’])[‘sales’].sum() print(“\n=== 年・月・店舗別売上（Series）===”) print(result) # DataFrameに戻す result_df = result.reset_index() print(“\n=== DataFrameに変換 ===”) print(result_df)

# ===== 独自の集計関数を使う ===== import pandas as pd import numpy as np df = pd.DataFrame({ ‘category’: [‘A’, ‘A’, ‘A’, ‘B’, ‘B’, ‘B’], ‘value’: [100, 200, 150, 300, 400, 350] }) # 独自の集計関数を定義 def range_func(x): “””最大値と最小値の差（範囲）””” return x.max() – x.min() def cv_func(x): “””変動係数（標準偏差÷平均）””” return x.std() / x.mean() if x.mean() != 0 else 0 # カテゴリごとに集計 result = df.groupby(‘category’)[‘value’].agg([ (‘合計’, ‘sum’), (‘平均’, ‘mean’), (‘範囲’, range_func), (‘変動係数’, cv_func) ]).round(2) print(“=== カスタム集計結果 ===”) print(result)

# ===== シンプルなピボットテーブル ===== import pandas as pd df = pd.DataFrame({ ‘date’: [‘2024-01’, ‘2024-01’, ‘2024-02’, ‘2024-02’], ‘store’: [‘東京’, ‘大阪’, ‘東京’, ‘大阪’], ‘sales’: [10000, 12000, 15000, 18000] }) print(“=== 元データ ===”) print(df) # 行=date、列=store、値=salesの合計 pivot = pd.pivot_table( df, values=’sales’, # 集計する値 index=’date’, # 行 columns=’store’, # 列 aggfunc=’sum’ # 集計方法 ) print(“\n=== ピボットテーブル ===”) print(pivot)

# ===== marginsで合計を追加 ===== import pandas as pd df = pd.DataFrame({ ‘month’: [1, 1, 2, 2], ‘store’: [‘東京’, ‘大阪’, ‘東京’, ‘大阪’], ‘sales’: [10000, 12000, 15000, 18000] }) # 合計行・列を追加 pivot = pd.pivot_table( df, values=’sales’, index=’month’, columns=’store’, aggfunc=’sum’, margins=True, # 合計を追加 margins_name=’合計’ # 合計の名前 ) print(“=== 合計付きピボットテーブル ===”) print(pivot)

# ===== 複数カラムを集計 ===== import pandas as pd df = pd.DataFrame({ ‘month’: [1, 1, 2, 2], ‘store’: [‘東京’, ‘大阪’, ‘東京’, ‘大阪’], ‘sales’: [10000, 12000, 15000, 18000], ‘quantity’: [10, 12, 15, 18] }) # salesとquantityの両方を集計 pivot = pd.pivot_table( df, values=[‘sales’, ‘quantity’], index=’month’, columns=’store’, aggfunc=’sum’ ) print(“=== 複数値のピボットテーブル ===”) print(pivot)

# ===== 合計と平均を同時に ===== import pandas as pd df = pd.DataFrame({ ‘category’: [‘果物’, ‘果物’, ‘野菜’, ‘野菜’], ‘store’: [‘東京’, ‘大阪’, ‘東京’, ‘大阪’], ‘sales’: [10000, 12000, 15000, 18000] }) # 合計と平均を両方計算 pivot = pd.pivot_table( df, values=’sales’, index=’category’, columns=’store’, aggfunc=[‘sum’, ‘mean’] ) print(“=== 複数集計のピボットテーブル ===”) print(pivot)

# ===== fill_valueで欠損値を埋める ===== import pandas as pd df = pd.DataFrame({ ‘month’: [1, 1, 2], # 2月の大阪がない ‘store’: [‘東京’, ‘大阪’, ‘東京’], ‘sales’: [10000, 12000, 15000] }) print(“=== 元データ（2月大阪がない）===”) print(df) # 欠損値がNaNになる（デフォルト） pivot_nan = pd.pivot_table( df, values=’sales’, index=’month’, columns=’store’, aggfunc=’sum’ ) print(“\n=== NaNのまま ===”) print(pivot_nan) # 欠損値を0で埋める pivot_filled = pd.pivot_table( df, values=’sales’, index=’month’, columns=’store’, aggfunc=’sum’, fill_value=0 ) print(“\n=== fill_value=0 ===”) print(pivot_filled)

# ===== 日次データを月次に集約 ===== import pandas as pd import numpy as np # 日次の売上データ（3ヶ月分） np.random.seed(42) df = pd.DataFrame({ ‘date’: pd.date_range(‘2024-01-01′, periods=90, freq=’D’), ‘sales’: np.random.randint(8000, 15000, size=90) }) # インデックスを日付に設定 df = df.set_index(‘date’) print(“=== 元データ（日次）===”) print(df.head()) print(f”データ件数: {len(df)}件”) # 月次に集約 monthly = df.resample(‘M’).agg({ ‘sales’: [‘sum’, ‘mean’, ‘count’] }) print(“\n=== 月次集計 ===”) print(monthly)

# ===== 様々な期間で集約 ===== import pandas as pd import numpy as np # 1年分の日次データ np.random.seed(42) df = pd.DataFrame({ ‘date’: pd.date_range(‘2024-01-01′, periods=365, freq=’D’), ‘sales’: np.random.randint(8000, 15000, size=365) }) df = df.set_index(‘date’) # 週次集約 weekly = df.resample(‘W’).sum() print(f”週次: {len(weekly)}週”) # 月次集約 monthly = df.resample(‘M’).sum() print(f”月次: {len(monthly)}ヶ月”) # 四半期集約 quarterly = df.resample(‘Q’).sum() print(f”四半期: {len(quarterly)}期”) print(“\n=== 四半期集計 ===”) print(quarterly)

# ===== rolling()で移動平均 ===== import pandas as pd import numpy as np np.random.seed(42) df = pd.DataFrame({ ‘date’: pd.date_range(‘2024-01-01′, periods=30, freq=’D’), ‘sales’: np.random.randint(8000, 15000, size=30) }) df = df.set_index(‘date’) # 7日移動平均 df[‘MA_7’] = df[‘sales’].rolling(window=7).mean() # 3日移動平均 df[‘MA_3’] = df[‘sales’].rolling(window=3).mean() print(“=== 移動平均 ===”) print(df.round(0).head(10))

# ===== 完全な売上レポート作成 ===== import pandas as pd import numpy as np # ========== データ準備 ========== np.random.seed(42) # 日付リスト（1年分） dates = pd.date_range(‘2024-01-01’, ‘2024-12-31′, freq=’D’) # サンプルデータ生成 data = [] stores = [‘東京店’, ‘大阪店’, ‘福岡店’] products = [‘商品A’, ‘商品B’, ‘商品C’] for date in dates: for store in stores: for product in products: if np.random.random() > 0.3: # 70%の確率でデータ生成 sales = np.random.randint(5000, 50000) quantity = np.random.randint(1, 20) data.append({ ‘date’: date, ‘store’: store, ‘product’: product, ‘sales’: sales, ‘quantity’: quantity }) df = pd.DataFrame(data) df[‘date’] = pd.to_datetime(df[‘date’]) print(“=” * 60) print(“売上レポート作成”) print(“=” * 60) print(f”\n総データ数: {len(df):,}件”) print(f”期間: {df[‘date’].min().date()} 〜 {df[‘date’].max().date()}”) # ========== レポート1: 月次売上サマリー ========== print(“\n” + “=” * 40) print(“【レポート1】月次売上サマリー”) print(“=” * 40) df[‘year_month’] = df[‘date’].dt.to_period(‘M’) monthly_report = df.groupby(‘year_month’).agg({ ‘sales’: ‘sum’, ‘quantity’: ‘sum’, ‘date’: ‘count’ }).rename(columns={ ‘sales’: ‘売上合計’, ‘quantity’: ‘販売数量’, ‘date’: ‘取引件数’ }) # 前月比を計算 monthly_report[‘前月比(%)’] = (monthly_report[‘売上合計’].pct_change() * 100).round(1) print(monthly_report.head(6)) # ========== レポート2: 店舗×商品のクロス集計 ========== print(“\n” + “=” * 40) print(“【レポート2】店舗×商品クロス集計”) print(“=” * 40) pivot_store_product = pd.pivot_table( df, values=’sales’, index=’store’, columns=’product’, aggfunc=’sum’, margins=True, margins_name=’合計’ ) # 金額をフォーマット print(pivot_store_product.applymap(lambda x: f'{x:,.0f}’)) # ========== レポート3: 店舗別シェア ========== print(“\n” + “=” * 40) print(“【レポート3】店舗別シェア”) print(“=” * 40) store_share = df.groupby(‘store’)[‘sales’].sum() store_share_pct = (store_share / store_share.sum() * 100).round(1) for store, pct in store_share_pct.items(): bar = ‘█’ * int(pct / 5) print(f”{store}: {pct:5.1f}% {bar}”) # ========== レポート4: 売上トップ10日 ========== print(“\n” + “=” * 40) print(“【レポート4】売上トップ10日”) print(“=” * 40) daily_sales = df.groupby(‘date’)[‘sales’].sum().sort_values(ascending=False) top10_days = daily_sales.head(10) for i, (date, sales) in enumerate(top10_days.items(), 1): print(f”{i:2}. {date.strftime(‘%Y-%m-%d’)} ({date.strftime(‘%a’)}): ¥{sales:,}”) print(“\n” + “=” * 60) print(“レポート作成完了”) print(“=” * 60)