はじめに

Pandasを使って「〇〇したい」という具体的な目的に対して、どう操作すればよいのかを逆引き形式でまとめました。これさえ見れば、よくあるPandas操作にすぐに対応できるはず！

1. データの準備

df = pd.read_csv('ファイル名.csv')

df = pd.read_excel('ファイル名.xlsx')

df.to_csv('保存先.csv', index=False)

df.to_excel('保存先.xlsx', index=False)

print(df.head())  # デフォルトは最初の5行

print(df.describe())

print(df.columns)  # 列名
print(df.shape)    # 行数と列数
print(df.dtypes)   # データ型

print(df['列名'])  # 列を選択

print(df.loc[行番号])  # 行番号で行を選択

filtered_df = df[df['列名'] > 条件値]

例：年齢が30以上のデータを抽出

filtered_df = df[df['年齢'] >= 30]

df['新しい列名'] = データ

例：他の列を基に新しい列を追加

df['年収'] = df['時給'] * 2000  # 時給×2000時間で年収を計算

df['列名'] = df['列名'].replace(置換前, 置換後)

df = df.drop(columns=['削除したい列名'])

df = df.drop_duplicates()

print(df['列名'].sum())  # 合計
print(df['列名'].mean())  # 平均

grouped = df.groupby('列名')['集計対象列名'].sum()  # 合計
print(grouped)

例：職業ごとに年齢の平均を計算

grouped = df.groupby('職業')['年齢'].mean()
print(grouped)

pivot_df = df.pivot_table(values='集計対象列名', index='行にしたい列名', columns='列にしたい列名', aggfunc='集計関数')

print(df.isnull().sum())  # 列ごとの欠損値の数を表示

df = df.dropna()

df['列名'] = df['列名'].fillna(埋めたい値)

df_sorted = df.sort_values(by='列名', ascending=True)  # 昇順（小さい順）

例：年齢の降順でソート

df_sorted = df.sort_values(by='年齢', ascending=False)  # 降順（大きい順）

# 縦方向に結合（行を追加）
df_combined = pd.concat([df1, df2])

# 横方向に結合（列を追加）
df_merged = pd.merge(df1, df2, on='共通の列名')

df_transposed = df.T  # 行と列を入れ替え

この逆引きガイドでは、Pandasで「何をしたいか」に対応する基本的な操作方法を紹介しました。これを参考に、さまざまなデータ操作を素早く実現してください！

他のデータ解析の記事