Pythonでデータ分析を始める！Pandasの基本的な使い方

目次

1. はじめに
2. Pandasとは？
3. データの読み込み
4. データの確認
5. データの操作（抽出・フィルタリング）
6. データの集計
7. データの可視化（Matplotlibとの連携）
8. 応用例：複数条件での抽出や欠損値処理
9. まとめ

---

1. はじめに

Pythonでデータ分析をする際、Pandasは最もよく使われるライブラリの一つです。
Excelのように表形式データを扱え、集計や加工、簡単な可視化も可能です。
結構（ほとんどの場合）つかうので初心者の人はぜひ知っておきたい。

Pandasを使うメリット：

• データの読み書きが簡単（CSV、Excel、JSONなど）
• データの抽出・加工が直感的
• グループ化や集計が簡単
• MatplotlibやSeabornと組み合わせて可視化も可能

---

2. Pandasとは？

Pandasは2つの基本データ構造を使います。

データ構造	説明
Series	一次元データ。リストや配列のようなもの。
DataFrame	二次元データ。表形式（行と列）で管理できる。

import pandas as pd

# Seriesの例
s = pd.Series([10, 20, 30])
print(s)

# DataFrameの例
data = {'名前': ['Alice', 'Bob', 'Charlie'], '年齢': [25, 30, 22]}
df = pd.DataFrame(data)
print(df)

---

3. データの読み込み

Pandasでは様々な形式のデータを簡単に読み込めます。
ほんとに便利

# CSVファイルを読み込む
df = pd.read_csv('sample.csv')

# Excelファイルを読み込む
# df = pd.read_excel('sample.xlsx')

# JSONファイルを読み込む
# df = pd.read_json('sample.json')

print(df.head())  # 最初の5行を表示

head() 以外にも tail()（最後の5行）や、sample(n=3)（ランダムに3行）なども便利です。

---

4. データの確認

データの大きさや型を確認する方法デス。

print(df.shape)       # 行数・列数
print(df.columns)     # カラム名
print(df.info())      # データ型や欠損値の確認
print(df.describe())  # 数値データの統計情報

ポイント：

• shape → データの規模を把握
• info() → 型や欠損値をチェック
• describe() → 平均・標準偏差・最大値・最小値など基本統計を確認

---

5. データの操作（抽出・フィルタリング）

特定の列を取得

print(df['名前'])  # '名前'列だけ

複数列を取得する場合：

print(df[['名前', '年齢']])

条件でフィルタリング

# 年齢が20以上のデータ
df_filtered = df[df['年齢'] >= 20]
print(df_filtered)

# 複数条件
df_filtered = df[(df['年齢'] >= 20) & (df['性別'] == '女性')]

新しい列を作成

df['年齢+10'] = df['年齢'] + 10
df['名前_年齢'] = df['名前'] + '_' + df['年齢'].astype(str)
print(df)

---

6. データの集計

平均や合計

print(df['年齢'].mean())  # 平均
print(df['年齢'].sum())   # 合計
print(df['年齢'].max())   # 最大値
print(df['年齢'].min())   # 最小値

グループ化

# 性別ごとの平均年齢
grouped = df.groupby('性別')['年齢'].mean()
print(grouped)

# 複数集計も可能
grouped = df.groupby('性別')['年齢'].agg(['mean', 'max', 'min'])
print(grouped)

---

7. データの可視化（Matplotlibとの連携）

PandasはMatplotlibと組み合わせると簡単に可視化できます。

import matplotlib.pyplot as plt

# 年齢のヒストグラム
df['年齢'].hist()
plt.title('年齢の分布')
plt.xlabel('年齢')
plt.ylabel('人数')
plt.show()

# 性別ごとの人数を棒グラフ
df['性別'].value_counts().plot(kind='bar')
plt.title('性別の人数')
plt.show()

ポイント：

• plot(kind='bar') → 棒グラフ
• plot(kind='line') → 折れ線グラフ
• plot(kind='pie') → 円グラフ

---

8. 応用例：複数条件での抽出や欠損値処理

欠損値の確認

print(df.isnull().sum())  # 各列の欠損値数

欠損値の処理

# 欠損値を0で置き換え
df['年齢'] = df['年齢'].fillna(0)

# 欠損値の行を削除
df = df.dropna()

複数条件での抽出例

# 年齢が20以上かつ性別が女性
df_filtered = df[(df['年齢'] >= 20) & (df['性別'] == '女性')]

---

9. まとめ

• PandasはPythonでデータ分析をするためのすごく強力なライブラリ
• CSV・Excel・JSONから簡単にデータを読み込める
• データの抽出・加工・集計・可視化が簡単
• 欠損値処理や複数条件での抽出など実務でも便利
• 初めてのデータ分析はPandasの基本操作をマスターすることから！

---