[Pythonのはじめ方] Part29: Pandasによるデータ分析入門

pip install pandas

!pip install pandas

import pandas as pd

# インストールされたPandasのバージョンを確認
print(pd.__version__)

import pandas as pd

# リストデータ
data = [10, 20, 30, 40, 50]
# インデックス（ラベル）
labels = ['a', 'b', 'c', 'd', 'e']

# Seriesを作成
s = pd.Series(data, index=labels)
print(s)

import pandas as pd

# 辞書データ（キーが列名になる）
data = {
    '名前': ['田中', '佐藤', '鈴木', '高橋'],
    '年齢': [25, 32, 41, 28],
    '部署': ['営業', '開発', '人事', '営業']
}

# DataFrameを作成
df = pd.DataFrame(data)
print(df)

import pandas as pd

# data.csvファイルを読み込む
# ファイルパスは環境に合わせて変更してください
try:
    df_csv = pd.read_csv('data.csv')
    # 読み込んだデータの最初の5行を表示
    print(df_csv.head())
except FileNotFoundError:
    print("エラー: data.csv が見つかりません。")
    # サンプルデータフレームを作成して続行
    data = {'col1': [1, 2, 3], 'col2': ['A', 'B', 'C']}
    df_csv = pd.DataFrame(data)
    print("\nサンプルデータフレーム:")
    print(df_csv)

# Web上のCSVファイルを直接読み込むことも可能
# 例: url = 'https://example.com/data.csv'
# df_web = pd.read_csv(url)
# print(df_web.head())

# DataFrame 'df' が存在すると仮定
# サンプルDataFrame
data = {
    '名前': ['田中', '佐藤', '鈴木', '高橋'],
    '年齢': [25, 32, 41, 28],
    '部署': ['営業', '開発', '人事', '営業']
}
df = pd.DataFrame(data)

# '名前'列を選択 (Seriesが返る)
names = df['名前']
print("名前列:")
print(names)

# 複数の列を選択 (DataFrameが返る)
subset = df[['名前', '部署']]
print("\n名前と部署列:")
print(subset)

# loc: ラベル（インデックス名）で選択
# 1行目（インデックスが1）を選択
row_1_loc = df.loc[1]
print("\nloc[1]:")
print(row_1_loc)

# iloc: 整数インデックス（行番号）で選択
# 3行目（0から数えて2番目）を選択
row_2_iloc = df.iloc[2]
print("\niloc[2]:")
print(row_2_iloc)

# 範囲選択も可能
# locは終了ラベルを含む
print("\nloc[0:2]:") # インデックス0, 1, 2を選択
print(df.loc[0:2])

# ilocは終了位置を含まない (Pythonのスライスと同じ)
print("\niloc[0:2]:") # 0行目, 1行目を選択
print(df.iloc[0:2])

# 行と列を同時に選択
# loc[行ラベル, 列ラベル]
print("\nloc[1, '年齢']:")
print(df.loc[1, '年齢']) # 1行目の'年齢'

# iloc[行番号, 列番号]
print("\niloc[2, 0]:")
print(df.iloc[2, 0]) # 2行目の0列目 ('鈴木')

# 年齢が30歳以上の人を抽出
adults = df[df['年齢'] >= 30]
print("\n年齢が30歳以上の人:")
print(adults)

# 部署が'営業'の人を抽出
sales_dept = df[df['部署'] == '営業']
print("\n営業部の人:")
print(sales_dept)

# 複数の条件 (AND: & , OR: | )
# 年齢が30歳以上 かつ 部署が営業
sales_adults = df[(df['年齢'] >= 30) & (df['部署'] == '営業')]
print("\n30歳以上の営業部の人:")
print(sales_adults)

import numpy as np # NaNを使うためにNumPyもインポート

# 欠損値を含むサンプルDataFrame
data_missing = {
    'A': [1, 2, np.nan, 4],
    'B': [5, np.nan, np.nan, 8],
    'C': [9, 10, 11, 12]
}
df_missing = pd.DataFrame(data_missing)
print("\n欠損値を含むデータ:")
print(df_missing)

# 欠損値の確認 (Trueが欠損値)
print("\n欠損値の確認 (isnull):")
print(df_missing.isnull())

# 欠損値を含む行を削除
df_dropped_rows = df_missing.dropna()
print("\n欠損値を含む行を削除 (dropna):")
print(df_dropped_rows)

# 欠損値を含む列を削除
df_dropped_cols = df_missing.dropna(axis=1)
print("\n欠損値を含む列を削除 (dropna axis=1):")
print(df_dropped_cols)

# 欠損値を特定の値で埋める (例: 0で埋める)
df_filled_zero = df_missing.fillna(0)
print("\n欠損値を0で埋める (fillna):")
print(df_filled_zero)

# 欠損値を列の平均値で埋める
# まずは列'A'の平均値を計算
mean_A = df_missing['A'].mean()
# 列'A'の欠損値を平均値で埋める
df_missing['A'] = df_missing['A'].fillna(mean_A)
print("\n列Aの欠損値を平均値で埋める:")
print(df_missing)

# DataFrame 'df' を再度使用
print("\n元のデータ:")
print(df)

# 各列の基本統計量 (数値列のみ)
print("\n基本統計量 (describe):")
print(df.describe())

# 特定の列の平均値
mean_age = df['年齢'].mean()
print(f"\n平均年齢: {mean_age}")

# 特定の列の合計値
total_age = df['年齢'].sum()
print(f"年齢合計: {total_age}")

# 特定の列の最大値
max_age = df['年齢'].max()
print(f"最高年齢: {max_age}")

# グループごとの集計 (例: 部署ごとの平均年齢)
mean_age_by_dept = df.groupby('部署')['年齢'].mean()
print("\n部署ごとの平均年齢 (groupby):")
print(mean_age_by_dept)