pandasとはどのようなプログラムか簡単に説明｜自作で機械学習モデル・AIの使い方を学ぶ

こんにちは、今回はpandasについて説明します。

はじめに

pandasは、Pythonのデータ分析用ライブラリの1つで、大量のデータを扱いやすくするための機能を提供します。

主に、データ操作や集計、可視化などの機能があります。また、NumPyやSciPyなどのライブラリと組み合わせて使うことが多いです。

pandasの主要な機能：データ操作と分析

pandasは、主に以下のような機能を提供します。

データ操作：データのフィルタリング、結合、変換、並び替えなどが簡単に行えます。
データ分析：データの集計、グループ化、統計処理、時系列解析、欠損値の処理などが可能です。
可視化：データの可視化に必要な機能が揃っており、Matplotlibなどのライブラリと組み合わせて使うことができます。

データフレームとシリーズ：pandasの基本構造

pandasの基本的なデータ構造には、データフレーム(DataFrame)とシリーズ(Series)があります。

データフレーム：Excelのような2次元の表形式のデータ構造で、複数の列に対して異なる型のデータを格納できます。
シリーズ：1次元のデータ構造で、配列やリストのようなものです。1つの列に対して同じ型のデータを格納できます。

以下は、データフレームとシリーズの作成例です。

import pandas as pd
import numpy as np

# データフレームの作成
df = pd.DataFrame({'名前': ['山田', '田中', '鈴木', '佐藤'],
                    '年齢': [25, 30, 35, 40],
                    '性別': ['男性', '女性', '男性', '女性']})
print(df)

# シリーズの作成
s = pd.Series([1, 3, 5, 7, 9])
print(s)

上記の例では、データフレームには名前、年齢、性別の3つの列があり、それぞれ異なる型のデータを格納しています。シリーズには、1から始まる5つの整数を格納しています。

データの読み込みと書き出し：ファイル形式の対応

pandasは、CSVやExcel、JSON、SQLなどのファイル形式をサポートしており、データの読み込みと書き出しに利用できます。

以下は、CSVファイルの読み込みとExcelファイルの書き出しの例です。

# CSVファイルの読み込み
df = pd.read_csv('data.csv')
# Excelファイルの書き出し
df.to_excel('data.xlsx')

上記の例では、CSVファイルを読み込んでデータフレームに格納し、Excelファイルにデータを書き出しています。

データの加工・集計・可視化：pandasでの一般的な操作

pandasでは、データの加工・集計・可視化などが簡単に行えます。

データの加工

以下は、データフレームの列を追加・削除する例です。

# 列の追加
df['職業'] = ['エンジニア', '教師', '医師', '会社員']
print(df)
# 列の削除
df = df.drop('職業', axis=1)
print(df)

上記の例では、列の追加には列名と値のリストを指定し、列の削除にはdrop()メソッドを利用しています。

データの集計

以下は、データフレームのグループ化と集計の例です。

# グループ化と集計
df.groupby('性別').mean()

上記の例では、性別でグループ化して平均値を算出しています。

データの可視化

以下は、データフレームのデータを棒グラフで可視化する例です。

import pandas as pd

# サンプルデータを作成
data = {'name': ['Alice', 'Bob', 'Charlie', 'David', 'Emily'],
        'age': [25, 30, 35, 40, 45],
        'income': [50000, 60000, 70000, 80000, 90000]}
df = pd.DataFrame(data)

# データの要約統計量を取得
summary = df.describe()

print(summary)

上記により要約統計量を取得することが出来ます。

             age        income
count   5.000000      5.000000
mean   35.000000  70000.000000
std     7.905694  15811.388301
min    25.000000  50000.000000
25%    30.000000  60000.000000
50%    35.000000  70000.000000
75%    40.000000  80000.000000
max    45.000000  90000.000000

pandasを使った実践例：具体的なデータ解析ケース

pandasを使った具体的なデータ解析の例を紹介します。

例：顧客データの集計

以下は、顧客データを読み込んで年齢別の平均購入金額を算出する例です。

# 顧客データの読み込み
df = pd.read_csv('customer.csv')
# 年齢別の平均購入金額の算出
df.groupby('年齢').mean()['購入金額']

上記の例では、年齢でグループ化して平均購入金額を算出しています。

まとめ

pandasは、Pythonのデータ分析用ライブラリの1つで、データ操作や集計、可視化などの機能を提供します。データフレームとシリーズが基本的なデータ構造で、CSVやExcel、JSON、SQLなどのファイル形式をサポートしています。

pandasは、データ分析に欠かせないライブラリの1つであり、Pythonの学習においても重要な要素の1つです。ぜひ、これらの機能を使いこなして、効率的なデータ分析を行いましょう。