Summary
This chapter covers how to use pandas’ DataFrame.groupby() method to group rows by a specified column and then apply aggregation functions (sum, mean, median, count, min, max) to each group.

General domain of usage
Flight delay analysis

このセクションにお越しいただきありがとうございます。ここでは、データをグループ化して、さまざまなグループの行に関する情報を取得します。遅延に関するデータセットを確認してください（このテーブルは横にスクロールできます）：


データのグループ化は有用であり、ここからさらに詳しく見ていきます。たとえば、各フライト番号ごとの遅延回数を計算したい場合を考えてみましょう。コード例とその説明を確認してください：

import pandas as pd
data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/plane', index_col = 0)
data_flights = data[['Flight', 'Delay']].groupby('Flight').sum()
print(data_flights.head())

**説明：**

```python
data[['Flight', 'Delay']].groupby('Flight').sum()
```

- `data[['Flight', 'Delay']]` - 操作対象の列。グループ化する列も含む；
- `groupby('Flight')` - `'Flight'` 関数の引数は `.groupby()` 列。同じ `'Flight'` 値を持つ行がまとめられる；
- `.sum()` - `.groupby()` で作成された各グループ内の行に対して動作する関数。この場合、同じ `'Delay'` グループに属する行の `'Flight'` 列の値を合計する。

`'Delay'` 列には `0`（遅延なし）または `1`（遅延あり）のみが含まれているため、行の合計は各フライトの遅延回数を表す。

注記

実際、`.sum()` は利用できる集約関数のひとつに過ぎない。今後、すべての集約関数について学習する。

このコースには、将来のデータアナリストにとって有用な多くの関数が含まれています。さまざまなデータ抽出方法や条件設定について学びます。その後、データのグループ化手法に精通できます。また、データの前処理方法も学びます。各セクションには独自のデータセットが用意されているため、コースは魅力的な内容となっています。

このセクションでは、タイトルやインデックスによって特定の列を出力する方法を学びます。また、インデックスによって行を選択する方法についても理解を深めます。

ここでは、特定の条件を持つデータを抽出する方法を学びます。また、それらを組み合わせる方法や独自の条件を作成する方法も学びます。

このセクションでは、さまざまなデータ条件の設定に関する知識を拡張します。データが定義された値のリスト内にあるか、2つの値の間にあるかを確認する方法を学びます。また、最大値と最小値を見つける方法についても学びます。

このセクションは、本コースの中でも特に興味深い内容の一つです。ここでは、データをさまざまな方法でグループ化する方法を学びます。特定のデータグループに関する情報を見つけるために、データアナリストとして役立つ知識を身につけることができます。

このセクションはデータアナリストにとって最も重要なものの一つです。なぜなら、データに不適切な形式の欠損値が含まれている場合、作業が不可能になるためです。ここでは、そのような不適切な値への対処方法を学びます。

DayOfWeek	Time
3	804.993130
4	804.452984
5	702.888362

GroupBy() メソッドに慣れる