6：pandasの基礎②：並べ替え、抽出、集計

〜NBA選手データでpandasの操作に慣れよう〜

pandasでデータを操ってみよう

前回の記事では、NBA APIを使って選手の成績を DataFrame という表形式で取得・表示する方法を学びました。今回はその続きとして、以下の3つの操作を学びます：

• 並べ替え（ソート）
• 抽出（フィルタリング）
• 集計（グルーピング・合計など）

これらは データ分析の基礎中の基礎です。NBAデータで手を動かしながらマスターしましょう！

使用データ：ケビン・デュラントのシーズン別スタッツ

今回は例としてケビン・デュラントのシーズン別のスタッツを使用していきます。まずはnba_apiとpandasを使ってデータを取得します。

from nba_api.stats.static import players
from nba_api.stats.endpoints import playercareerstats
import pandas as pd

# ケビン・デュラントのIDを取得
player = players.find_players_by_full_name("Kevin Durant")[0]

# キャリアスタッツを取得
career = playercareerstats.PlayerCareerStats(player_id=player['id'])
df = career.get_data_frames()[0]

# データの確認（上5行）
print(df.head())

① 並べ替え（ソート）

KDが一番多く得点をしたシーズンを知りたい時は、シーズンごとの得点（PTS）が多い順に並べるといいでしょう。そんな時はこのようにします。

df_sorted = df.sort_values(by="PTS", ascending=False)
print(df_sorted[["SEASON_ID","TEAM_ABBREVIATION","PTS"]])

🔸 解説

• sort_values()：指定した列で並び替えを行う関数
• by="PTS"：並び替えの基準にする列（この場合は得点）
• ascending=False：降順（大きい順）に並び替える（※ ascending=True にすれば昇順（小さい順）になります。）

df_sorted[[“SEASON_ID”, “PTS”]]の部分は、df_sortedと名付けたDataframeの、”SEASON_ID”、”TEAM_ABBREVIATION”、”PTS”と言う列だけ表示すると言う意味になります。
出力すると以下のようになります。

TEAM_ABBREVIATIONはチームの略語のことです。やはりKDが若手であったOKC時代が１位〜４位を占めてますね。５位はなんと35歳のシーズンのPHXでした。まさに衰え知らず。よく見ると、2022-23 シーズンが3つあり、TOT・BKN・PHXとそれぞれチーム名になっています。BKNはブルックリン・ネッツでPHXはフェニックス・サンズですが、TOTはどうやら合計のようです。シーズン中の移籍で複数在籍したチームが存在する場合は、このように合計の行も表示されるようになっています。
では、平均得点が一番高いシーズンはいつでしょうか？残念ながらこちらのデータには平均得点という列は存在しないので、シーズンの総得点÷試合数(GP)で求めていきましょう。

② 抽出（フィルタリング）

早速平均得点を算出したいですが、このままやると2022-23 シーズンが３つ算出されてしまいますね。合計列を除外するやり方と、OKC・PHXの２つを除外するやり方がありますが、他の選手の場合でも汎用性が高いようにTOTを除外することにします。そこで、TEAM_ABBREVIATIONがTOTではない行に限定してみましょう。

df_filtered = df[df["TEAM_ABBREVIATION"] != "TOT"]
print(df_filtered[["SEASON_ID","TEAM_ABBREVIATION","GP","PTS",]])

🔸 解説

• df[条件式]：DataFrameの中から、条件を満たす行だけを残す

df["TEAM_ABBREVIATION"] != "TOT"]：TEAM_ABBREVIATIONがTOTでない行だけにする。
Pythonの比較演算子一覧は以下になります。

✅比較演算子一覧（2つの値を比べる）

演算子	意味	例	結果
==	等しい	3 == 3	True
!=	等しくない	3 != 4	True
>	より大きい	5 > 3	True
<	より小さい	2 < 10	True
>=	以上	5 >= 5	True
<=	以下	3 <= 8	True

今回は”SEASON_ID”、”TEAM_ABBREVIATION”、”PTS”に加え、平均得点の算出のために”GP”（出場試合数）を追加しました。出力すると以下になります。

TOTの行が無くなったことが確認できます。それでは、シーズンごとに”GP”と”PTS”をまとめていきましょう。

③ 集計（合計・平均・グルーピング）

df_season_gp = df_filtered.groupby("SEASON_ID")[["GP","PTS"]].sum()
print(df_season_gp)

🔸 解説

• df.groupby("SEASON_ID")：SEASON_ID（シーズン）ごとにデータをまとめる
• [["GP", "PTS"]]：合計したい列を2つ指定（出場試合数と得点）
• .sum()：それぞれのシーズン単位で合計を出す

注意点として、集計したい列が複数あるときは [[ ]] の二重角かっこで書く必要があります。出力結果を確認してみましょう。

平均得点の計算に必要な、シーズンごとの出場試合数と得点を集計できました。それではいよいよ、平均得点を算出します。

df_season_gp["AVG_PTS"] = df_season_gp["PTS"] / df_season_gp["GP"]
df_season_gp_sorted = df_season_gp.sort_values(by= "AVG_PTS",ascending=False)
print(df_season_gp_sorted)

こちらは、df_season_gp[“AVG_PTS”] で”AVG_PTS”という列名を新たに作成し、df_season_gp[“PTS”] / df_season_gp[“GP”]で計算式を書いています。そして先ほど学んだ並び替えで、平均得点が高いシーズンから並び替えました。結果はこちら。

EPSNの公式サイトで合っているか確認してみましょう。問題なさそうです。

KDが得点王に輝いたのが2009-10、2010-11、2011-12、2013-14シーズンで、１位の2013-14シーズンはMVPも受賞しています。2009以降はキャリアでずっと25点以上平均しているというのは、本当に卓越した数字です。

まとめ

今回は並べ替え、抽出、集計を学びました。これらは今後必ず使用しますので、マスターしてしまいましょう！それでは次回は7：代表値を調べてみよう（平均・中央値・最頻値）に続きます。