【初心者向け】Pythonでデータ分析を始めるならPandas！DataFrame・Series・CSV入出力の基本

Pandasは、Pythonでデータ分析やデータ処理を行う際に欠かせないライブラリです。
CSVやExcelなどの表形式データを高速かつ柔軟に処理でき、データの読み込み・整形・集計・分析・可視化まで幅広くカバーします。

この記事では、Pandas初心者がまず押さえるべきDataFrame・Series・CSV入出力・データアクセス・集計メソッドについて解説します。
記事内のコードはすべてコピペで実行可能です。

1. Pandasの概要

Pandasには2つの基本データ構造があります。

DataFrame：行と列を持つ表形式データ（ExcelやSQLのテーブルに近い）
Series：1次元のラベル付きデータ（1列分のデータ）

よく使うコードは、VSCodeのスニペット機能（python.json）に登録しておくと効率的です。

2. DataFrameの作成

import pandas as pd

df = pd.DataFrame({
    'Bob': ['I liked it.', 'It was awful.'],
    'Sue': ['Pretty good.', 'Bland.']
}, index=['Product A', 'Product B'])

print(df)

出力：

               Bob           Sue
Product A  I liked it.  Pretty good.
Product B  It was awful.      Bland.

3. Seriesの作成

sales = pd.Series(
    [30, 35, 40],
    index=['2015 Sales', '2016 Sales', '2017 Sales'],
    name='Product A'
)

print(sales)

出力：

2015 Sales    30
2016 Sales    35
2017 Sales    40
Name: Product A, dtype: int64

4. CSVファイルの入出力

読み込み：

df = pd.read_csv('./hogehoge.csv', index_col=0)

index_col=0 → 最初の列をインデックスとして扱う

書き出し：

df.to_csv("hogehoge.csv")

5. データへのアクセス方法

列の取得：

df['Bob']  # 推奨
df.Bob     # 列名がシンプルな場合のみ可

行・行＋列の取得（loc）：

df.loc['Product A']            # 行取得
df.loc['Product A', 'Bob']     # 行と列を同時に取得
df.loc[:, 'Bob']               # 全行のBob列取得

※ iloc は位置ベースの取得方法ですが、ラベルベースの loc の方が実務でよく使われます。

6. データ整形・集計メソッド

メソッド	用途
`describe()`	要約統計量（平均、標準偏差、最大値など）
`mean()`	平均値
`median()`	中央値
`unique()`	ユニークな値
`value_counts()`	各値の出現回数（Series専用）
`idxmax()`	最大値のインデックス
`map()`	Series要素に関数適用
`apply()`	DataFrameやSeries全体に関数適用

例：

df['Bob'].unique()
df['Bob'].map(str.upper)
df.apply(lambda x: x.astype(str) + "!!")

7. GroupByによる集計

特定の列でデータをグループ化し、集計できます。

data = pd.DataFrame({
    'Category': ['A', 'A', 'B', 'B'],
    'Value': [10, 15, 10, 25]
})

# 平均を計算
grouped = data.groupby('Category')['Value'].mean()
print(grouped)

# 複数集計
agg_grouped = data.groupby('Category').agg(['mean', 'sum'])
print(agg_grouped)

8. データ型と変換

df['Bob'].dtype        # データ型確認
df['Bob'] = df['Bob'].astype(str)  # 型変換

9. 欠損値の処理

Pandasでは欠損値を NaN（Not a Number） で表します。

df.isnull()       # 欠損値判定
df.fillna(0)      # NaNを0に置換
df.replace('Bland', 'Average')  # 特定値置換

10. データの結合

df1 = pd.DataFrame({'Key': [1, 2], 'A': ['A0', 'A1']})
df2 = pd.DataFrame({'Key': [1, 2], 'B': ['B0', 'B1']})

# 行方向に結合
pd.concat([df1, df2], axis=1)

# キーで結合
df1.join(df2.set_index('Key'), on='Key')

まとめ

PandasはPythonでのデータ分析に必須
DataFrameとSeriesを理解する
CSVは read_csv() と to_csv() で入出力
データアクセスは loc が便利
describe() や groupby() を使いこなせば集計が楽になる