Pythonでデータ分析、実はこんなに簡単だった

はじめに

「データ分析って難しそう...」
「Excelでちまちま集計してるけど、もっと楽な方法ないの？」

実は、Pythonを使えば、今までExcelで何時間もかけてた集計作業が数分で終わっちゃうんです。しかも、めちゃくちゃ簡単！

今回は「データ分析初心者」向けに、Pythonでできるデータ分析の基本を紹介します。プログラミング経験があまりなくても大丈夫です！

そもそもデータ分析って何？

データから「へー」という気づきを見つけることです。

例えば：

• 「売上データを見たら、火曜日が一番売れてた」
• 「アンケート結果で、20代の満足度が低いことがわかった」
• 「アクセスログから、スマホユーザーが8割だった」

こういう「なるほど」を数字から見つけるのがデータ分析です。

必要なツール

1. Python本体

# Pythonインストール（Macの場合）
brew install python

# Windowsの場合は公式サイトからダウンロード
# https://www.python.org/downloads/

2. 必要なライブラリ

# まとめてインストール
pip install pandas matplotlib seaborn jupyter

# または
pip install numpy pandas matplotlib seaborn jupyter notebook

何に使うか:

• pandas: Excelみたいな表データの操作
• matplotlib: グラフ作成
• seaborn: きれいなグラフ作成
• jupyter: ブラウザで実行できる開発環境

実際にデータ分析してみよう

1. CSVファイルを読み込む

例: 売上データのCSVファイルがあるとします

import pandas as pd

# CSVファイルを読み込み（Excelと同じ感覚）
sales_data = pd.read_csv('sales.csv')

# 最初の5行を表示
print(sales_data.head())

# データの概要を確認
print(sales_data.info())

何が表示されるか:

   date       product  amount  price
0  2024-01-01  商品A      5     1000
1  2024-01-01  商品B      3     1500
2  2024-01-02  商品A      8     1000
...

2. 基本的な集計をしてみる

# 売上合計を計算
total_sales = sales_data['amount'].sum()
print(f'総売上個数: {total_sales}個')

# 商品別の売上
product_sales = sales_data.groupby('product')['amount'].sum()
print(product_sales)

# 日別の売上
daily_sales = sales_data.groupby('date')['amount'].sum()
print(daily_sales)

# 売上の統計情報
print(sales_data['amount'].describe())

結果:

商品A    150個
商品B     89個
商品C     67個

2024-01-01    16個
2024-01-02    23個
2024-01-03    18個

3. グラフを作ってみる

棒グラフで商品別売上を可視化:

import matplotlib.pyplot as plt

# 日本語フォント設定（文字化け防止）
plt.rcParams['font.family'] = 'DejaVu Sans'

# 商品別売上の棒グラフ
product_sales = sales_data.groupby('product')['amount'].sum()
product_sales.plot(kind='bar')
plt.title('商品別売上')
plt.xlabel('商品')
plt.ylabel('売上個数')
plt.show()

線グラフで日別売上の推移:

# 日別売上の線グラフ
daily_sales = sales_data.groupby('date')['amount'].sum()
daily_sales.plot(kind='line', marker='o')
plt.title('日別売上推移')
plt.xlabel('日付')
plt.ylabel('売上個数')
plt.xticks(rotation=45)  # 日付を斜めに表示
plt.tight_layout()  # レイアウト調整
plt.show()

もう少し高度な分析

1. 相関関係を調べる

「価格と売上個数に関係はある？」:

# 相関係数を計算
correlation = sales_data['price'].corr(sales_data['amount'])
print(f'価格と売上の相関: {correlation:.2f}')

# 散布図で可視化
plt.scatter(sales_data['price'], sales_data['amount'])
plt.xlabel('価格')
plt.ylabel('売上個数')
plt.title('価格と売上の関係')
plt.show()

相関係数の読み方:

• 1に近い: 正の相関（価格が高いと売上も多い）
• 0に近い: 相関なし
• -1に近い: 負の相関（価格が高いと売上が少ない）

2. データのフィルタリング

# 高額商品（1500円以上）だけを抽出
expensive_products = sales_data[sales_data['price'] >= 1500]
print(expensive_products)

# 特定期間のデータを抽出
january_sales = sales_data[sales_data['date'].str.startswith('2024-01')]
print(january_sales)

# 複数条件での抽出
high_sales = sales_data[
    (sales_data['amount'] >= 10) & 
    (sales_data['price'] <= 2000)
]
print(high_sales)

3. 欠損データの処理

実際のデータには空白やエラーが含まれることが多い:

# 空白データを確認
print(sales_data.isnull().sum())

# 空白行を削除
clean_data = sales_data.dropna()

# 空白を平均値で埋める
sales_data['amount'].fillna(sales_data['amount'].mean(), inplace=True)

# 0で埋める
sales_data['amount'].fillna(0, inplace=True)

Excelとの比較

Excelでやること vs Pythonでやること

やりたいこと	Excel	Python
データ読み込み	ファイル開く	pd.read_csv()
フィルタ	AutoFilterクリック	data[data['列'] > 値]
集計	ピボットテーブル	data.groupby().sum()
グラフ	挿入→グラフ	data.plot()
平均計算	=AVERAGE()	data['列'].mean()

Pythonの良いところ:

• 大量データでも高速
• 同じ処理を何度でも実行できる
• 複雑な計算も簡単
• グラフがきれい

Excelの良いところ:

• 視覚的でわかりやすい
• すぐに始められる
• 非エンジニアでも使える

実用的なデータ分析例

Webサイトのアクセスログ分析

# アクセスログ（CSV）を読み込み
access_log = pd.read_csv('access.log')

# 時間帯別のアクセス数
access_log['hour'] = pd.to_datetime(access_log['timestamp']).dt.hour
hourly_access = access_log.groupby('hour').size()

# グラフで可視化
hourly_access.plot(kind='bar')
plt.title('時間帯別アクセス数')
plt.xlabel('時間')
plt.ylabel('アクセス数')
plt.show()

# 人気ページTOP5
popular_pages = access_log['page'].value_counts().head()
print('人気ページTOP5:')
print(popular_pages)

SNSの投稿データ分析

# 投稿データを分析
posts_data = pd.read_csv('posts.csv')

# 曜日別の投稿数
posts_data['weekday'] = pd.to_datetime(posts_data['created_at']).dt.day_name()
weekly_posts = posts_data.groupby('weekday').size()

# いいね数の分布
likes_distribution = posts_data['likes'].hist(bins=20)
plt.title('いいね数の分布')
plt.xlabel('いいね数')
plt.ylabel('投稿数')
plt.show()

# ハッシュタグの人気ランキング
hashtag_counts = posts_data['hashtags'].str.split(',').explode().value_counts()
print('人気ハッシュタグ:')
print(hashtag_counts.head(10))

つまずきやすいポイント

1. 日本語の文字化け

# 文字コードを指定してCSV読み込み
data = pd.read_csv('data.csv', encoding='utf-8')
# または
data = pd.read_csv('data.csv', encoding='shift_jis')

2. 日付データの扱い

# 文字列の日付をdatetime型に変換
data['date'] = pd.to_datetime(data['date'])

# 月や曜日を抽出
data['month'] = data['date'].dt.month
data['weekday'] = data['date'].dt.day_name()

3. グラフの日本語表示

# 日本語フォント設定
import matplotlib.pyplot as plt
plt.rcParams['font.family'] = 'DejaVu Sans'

# 軸ラベルは英語にするか、フォント指定
plt.xlabel('Month')
plt.ylabel('Sales Count')

次のステップ

もっと本格的にやりたい人向け

# より高度なライブラリ
import seaborn as sns  # きれいなグラフ
import numpy as np     # 数値計算
import scipy as sp     # 統計処理

# 機械学習も始められる
from sklearn.linear_model import LinearRegression

おすすめの学習リソース

• Jupyter Notebook: ブラウザで対話的に実行できる
• Google Colab: 無料でクラウドで実行できる
• Kaggle: 実際のデータセットで練習できる

おわりに

どうでしたか？データ分析って、思ってたより簡単でしょう？

最初は「Excelの代わり」として使い始めて、慣れてきたら機械学習とかにも挑戦してみてください。

データから新しい発見をするのって、けっこう楽しいですよ。「えー、この商品こんなに売れてたんだ」とか「やっぱり月曜日はアクセス少ないんだ」とか、色々な気づきがあります。

まずは手元にあるCSVファイルを読み込むところから始めてみましょう！きっとデータ分析にハマると思います 📈