Pandasの学習の記録として、DataFrameの連結（concat）と、統計量を取得するための代表的な関数についてまとめておきます。
✅ DataFrameの連結（concat）
複数のDataFrameを結合したい場合は pd.concat() を使います。
行方向（縦）や列方向（横）に連結することができます。
import pandas as pd
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]})
# 行方向（縦方向）に連結
result = pd.concat([df1, df2])
print(result)
A B
0 1 3
1 2 4
0 5 7
1 6 8
# 列方向（横方向）に連結
result = pd.concat([df1, df2], axis=1)
print(result)
A B A B
0 1 3 5 7
1 2 4 6 8
✅ 基本的な統計量の取得
以下の関数を使うことで、簡単に統計量を取得できます。
max（最大値）
df.max()
min（最小値）
df.min()
mean（平均値）
df.mean()
median（中央値）
df.median()
mode（最頻値）
df.mode()
mode() は複数行返ることがあるため、最初の行だけ使うには iloc[0, :] を使います。
df.mode().iloc[0, :]
std（標準偏差）
df.std()
count（非欠損値の数）
df.count()
✅ describe（代表的な統計量をまとめて取得）
describe() を使うと、平均・標準偏差・最大値・最小値などが一度に確認できます。
df.describe()
A B
count 4.000000 4.000000
mean 3.500000 5.500000
std 2.645751 2.645751
min 1.000000 3.000000
25% 2.250000 4.250000
50% 3.500000 5.500000
75% 4.750000 6.750000
max 6.000000 8.000000
✅ corr（相関係数の計算）
2つのカラムの間にどれくらい関係があるか（相関）を調べるときに使います。
df.corr()
A B
A 1.000000 1.000000
B 1.000000 1.000000
※ 1.0 に近いほど強い相関があることを意味します。
✅ drop（列や行の削除）
# 'A'列を削除
df.drop('A', axis=1)
# インデックス0の行を削除
df.drop(0, axis=0)
学習の記録として、今回はDataFrameの連結と統計量の取得について整理しました。
今後も基本的な操作を少しずつまとめていきたいと思います。