【Pythonデータ分析入門】Pandasで表データ操作自由自在！CSV読込から簡単集計まで

【Pythonデータ分析入門】Pandasで表データ操作自由自在！CSV読込から簡単集計まで

「PythonでCSVファイルやExcelのデータを扱いたいけど、どうすればいいの？」
「データ分析って聞くけど、何から始めたらいいか分からない…」

こんにちは！ Pythonを使ってデータと向き合いたいと考えているあなたへ。今回は、データ分析の世界で必須とも言える超強力ライブラリ、Pandas（パンダス）の基本的な使い方をご紹介します。Pandasを使えば、Excelの表計算のように、いえ、それ以上に柔軟かつ効率的にデータを扱うことができるようになります。

この記事では、Pandasのインストールから、CSVファイルの読み込み、データの表示、そして簡単なデータ操作や集計まで、サンプルコードを動かしながら丁寧に解説していきます。Pandasを使いこなして、データ分析の第一歩を踏み出しましょう！

1. Pandasとは？ なぜデータ分析に必要なの？

Pandasは、Pythonプログラミング言語で使用できる、高速で強力、かつ柔軟で使いやすいデータ分析および操作ツールです。特に、表形式のデータや時系列データを扱うのに優れています。

Pandasの中心的なデータ構造は以下の2つです。

  • Series (シリーズ): 1次元のラベル付き配列です。Excelの1列のようなイメージです。
  • DataFrame (データフレーム): 2次元のラベル付きデータ構造で、異なる型の列を持つことができます。まさにExcelのシートのようなものです。これがPandas操作の主役となります。

Pandasを使うことで、以下のような作業が簡単に行えるようになります。

  • CSV、Excel、データベースなど、さまざまな形式のデータの読み込み・書き出し
  • データのクリーニング（欠損値の処理、重複の削除など）
  • データの選択、フィルタリング、並び替え
  • データの集計、統計量の計算
  • データの結合や変形

2. Pandasのインストール

まずはPandasをインストールしましょう。ターミナル（コマンドプロンプトやPowerShell、ターミナル.appなど）を開いて、以下のコマンドを実行してください。

pip install pandas

これで基本的なインストールは完了です。

（オプション）Excelファイルを扱いたい場合:
Excelファイル (.xlsx) を読み書きするには、追加でopenpyxlというライブラリが必要になることがあります。必要に応じてインストールしてください。

pip install openpyxl

💡仮想環境のすすめ:
他のライブラリと同様に、Pandasもプロジェクトごとの仮想環境（venvなど）にインストールすることを推奨します。venv仮想環境の構築はこちらで紹介しています。

3. Pandasを使ってみよう！基本操作

それでは、実際にPandasを使ってみましょう。まず、Pandasをインポートするのがお決まりです。

import pandas as pd

pdという別名でインポートするのが慣習となっています。

3.1. サンプルデータの準備 (CSVファイル)

venv仮想環境の構築はこちらで紹介しています。練習用に、以下のような内容のCSVファイルを作成し、sample_data.csvという名前でPythonスクリプトと同じディレクトリに保存してください。

name,age,city,score
Alice,25,New York,85
Bob,30,London,90
Charlie,22,Paris,78
David,35,Tokyo,92
Eve,28,New York,88

1行目がヘッダー（列名）で、2行目以降がデータです。

3.2. CSVファイルの読み込み

作成したCSVファイルをPandasのDataFrameとして読み込みます。

import pandas as pd

# CSVファイルを読み込んでDataFrameを作成
df = pd.read_csv('sample_data.csv')

# DataFrameを表示
print(df)

実行結果 (例):

      name  age       city  score
0    Alice   25   New York     85
1      Bob   30     London     90
2  Charlie   22      Paris     78
3    David   35      Tokyo     92
4      Eve   28   New York     88

このように、CSVファイルの内容が綺麗に表形式で表示されました。左端の0から始まる数字は「インデックス」と呼ばれる行のラベルです。

3.3. DataFrameの情報を確認する

読み込んだデータがどのようなものか、概要を把握するための便利なメソッドがいくつかあります。

import pandas as pd
df = pd.read_csv('sample_data.csv')

# 最初の5行を表示 (デフォルトは5行)
print("--- 最初の3行 ---")
print(df.head(3))

# 最後の5行を表示
print("\n--- 最後の2行 ---")
print(df.tail(2))

# DataFrameの行数と列数 (形状)
print("\n--- DataFrameの形状 (行数, 列数) ---")
print(df.shape)

# 各列のデータ型や欠損値の情報を表示
print("\n--- DataFrameの情報 ---")
df.info()

# 数値データの基本的な統計量を表示
print("\n--- 基本的な統計量 ---")
print(df.describe())

実行結果 (info()とdescribe()部分の例):

--- DataFrameの情報 ---
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5 entries, 0 to 4
Data columns (total 4 columns):
 #   Column  Non-Null Count  Dtype
---  ------  --------------  -----
 0   name    5 non-null      object
 1   age     5 non-null      int64
 2   city    5 non-null      object
 3   score   5 non-null      int64
dtypes: int64(2), object(2)
memory usage: 288.0+ bytes

--- 基本的な統計量 ---
             age      score
count   5.000000   5.000000
mean   28.000000  86.600000
std     5.147815   5.319774
min    22.000000  78.000000
25%    25.000000  85.000000
50%    28.000000  88.000000
75%    30.000000  90.000000
max    35.000000  92.000000

info() を見ると、各列のデータ型（objectは文字列、int64は整数）や、欠損値がないこと（Non-Null Countが全行数と同じ）などが分かります。

3.4. 列の選択

特定の列のデータだけを取り出す方法です。

import pandas as pd
df = pd.read_csv('sample_data.csv')

# 'name'列だけを選択 (結果はSeries)
names = df['name']
print("--- 名前 (Series) ---")
print(names)

# 'name'列と'score'列を選択 (結果はDataFrame)
name_and_score = df[['name', 'score']]
print("\n--- 名前とスコア (DataFrame) ---")
print(name_and_score)

実行結果 (例):

--- 名前 (Series) ---
0      Alice
1        Bob
2    Charlie
3      David
4        Eve
Name: name, dtype: object

--- 名前とスコア (DataFrame) ---
      name  score
0    Alice     85
1      Bob     90
2  Charlie     78
3    David     92
4      Eve     88

1列だけ選択するとSeries、複数列を選択するとDataFrameとしてデータが返ってきます。

3.5. 行の選択 (フィルタリング)

特定の条件に合う行だけを抽出します。

import pandas as pd
df = pd.read_csv('sample_data.csv')

# 'age'が30歳以上の人だけを抽出
older_people = df[df['age'] >= 30]
print("--- 30歳以上の人 ---")
print(older_people)

# 'city'が'New York'で、かつ'score'が85以上の人
newyork_high_scorers = df[(df['city'] == 'New York') & (df['score'] >= 85)]
print("\n--- New York在住でスコア85以上の人 ---")
print(newyork_high_scorers)

実行結果 (例):

--- 30歳以上の人 ---
    name  age    city  score
1    Bob   30  London     90
3  David   35   Tokyo     92

--- New York在住でスコア85以上の人 ---
    name  age      city  score
0  Alice   25  New York     85
4    Eve   28  New York     88

複数の条件を指定する場合は、各条件を()で囲み、論理積（AND）は&、論理和（OR）は|を使います。

3.6. 簡単なデータ操作と集計

import pandas as pd
df = pd.read_csv('sample_data.csv')

# 新しい列 'age_in_5_years' を追加
df['age_in_5_years'] = df['age'] + 5
print("--- 5年後の年齢を追加 ---")
print(df.head())

# 'score'で降順に並び替え
df_sorted = df.sort_values(by='score', ascending=False)
print("\n--- スコアで降順ソート ---")
print(df_sorted.head())

# 'score'の平均値
average_score = df['score'].mean()
print(f"\n平均スコア: {average_score}")

# 'city'ごとの平均スコア (少し高度なgroupby)
city_avg_score = df.groupby('city')['score'].mean()
print("\n--- 都市ごとの平均スコア ---")
print(city_avg_score)

実行結果 (一部抜粋例):

--- 5年後の年齢を追加 ---
      name  age       city  score  age_in_5_years
0    Alice   25   New York     85              30
1      Bob   30     London     90              35
2  Charlie   22      Paris     78              27
3    David   35      Tokyo     92              40
4      Eve   28   New York     88              33

平均スコア: 86.6

--- 都市ごとの平均スコア ---
city
London      90.0
New York    86.5
Paris       78.0
Tokyo       92.0
Name: score, dtype: float64

3.7. CSVファイルへの書き出し

処理したDataFrameを新しいCSVファイルとして保存できます。

import pandas as pd
df = pd.read_csv('sample_data.csv')

# 'score'が85以上のデータだけを抽出
high_scorers = df[df['score'] >= 85]

# 新しいCSVファイルとして書き出し
# index=False を指定すると、DataFrameのインデックス(0,1,2...)がファイルに書き出されません
high_scorers.to_csv('high_scorers_data.csv', index=False)

print("high_scorers_data.csv に書き出しました。")

このコードを実行すると、high_scorers_data.csvというファイルが作成されます。

まとめ：Pandasでデータと仲良くなろう！

今回は、PythonのPandasライブラリの本当に基本的な部分をご紹介しました。

  • CSVファイルの読み込み (pd.read_csv())
  • DataFrameの基本的な情報の確認 (head(), shape, info(), describe())
  • 列の選択
  • 行のフィルタリング（条件指定）
  • 簡単なデータ操作（新しい列の追加、ソート、集計）
  • CSVファイルへの書き出し (df.to_csv())

Pandasは非常に奥が深く、ここで紹介した機能はほんの入り口に過ぎません。しかし、これらの基本操作をマスターするだけでも、多くのデータ処理作業が格段に楽になるはずです。
ぜひ、お手持ちのデータや公開されているサンプルデータなどで、Pandasを実際に動かしてみてください。データを自在に操る楽しさを感じられることでしょう！

次回（中級編）は、もう少し進んだデータ操作や、複数のDataFrameを結合する方法などについて解説できればと思います。お楽しみに！

その他の投稿はこちら

コメント

コメントを投稿

このブログの人気の投稿

タイトルまとめ

環境構築 これで迷わない！WindowsでPython環境構築する一番やさしい方法 #0 【Python初心者向け】venvでスッキリ環境構築！プロジェクトごとの独立性を保つ秘訣 #1 超入門〜入門 【Python超入門】プログラミングで計算してみよう！四則演算と便利な算術演算子を徹底解説 #2 【Python超入門】プログラミングの第一歩！「変数」とは？使い方と命名ルールを優しく解説 #3 【Python入門】プログラムの流れを自由自在に！if文を使った条件分岐を徹底マスター #4 【Python入門】繰り返し処理をマスター！for文・while文の基本と使い分けを徹底解説 #5 【Python入門】コードを整理整頓！関数の作り方と使い方をマスターしよう (def, 引数, 戻り値) #6 【Python入門】オブジェクト指向の扉を開こう！クラスの基本と作り方・使い方 (class, __init__, メソッド) #7 【Python入門】クラッシュしないプログラムへ！エラーハンドリング(try-except-else-finally-raise)完全ガイド #8 中級へ向けて > OOP(オブジェクト指向プログラミング) 【Python中級への道】OOPの真髄！クラスの「継承」でコードを再利用・拡張しよう (親クラス・子クラス・super) #8 【Python中級編】OOPの魔法！ポリモーフィズム（多態性）で柔軟なコードを書こう #9 【Python中級編】OOPの守護神！カプセル化で安全なクラスを作ろう (データ隠蔽・プロパティ) #10 標準ライブラリ紹介 【Python標準ライブラリ入門 第1回】日付と時刻を自由自在に！datetimeモジュール徹底活用術 【Python標準ライブラリ入門 第2回】偶然をプログラムに！randomモジュールで乱数を使いこなそう 【Python標準ライブラリ入門 第3回】データ交換の標準！jsonモジュールでJSONを自由自在に扱おう 【Python標準ライブラリ入門 第4回】ファイル・ディレクトリ操作の達人になろう！osモジュール徹底ガイド 【Python標準ライブラリ入門 第5回】表データ処理の相棒！csvモジュールでCSVファイルを自在に操ろう 📊 【Python標準ライブラリ入門 第6回】ファイル操作を極...
続きを読む

これで迷わない！WindowsでPython環境構築する一番やさしい方法 #0

イメージ
はじめに：Python学習、最初の一歩を応援します！ 「Pythonを勉強してみたいけど、何から始めたらいいの？」 「プログラミングって難しそう…環境構築でつまずきたくないな…」 こんにちは！ この記事は、そんなプログラミング初心者さん、特にWindowsユーザーのあなたが、スムーズにPython学習をスタートできるよう、 Pythonの環境構築手順 をどこよりも分かりやすく解説することを目指しています。 私自身もそうでしたが、プログラミング学習の最初のハードルが、この「環境構築」だったりします。でも大丈夫！この記事の手順通りに進めれば、きっとあなたのパソコンでPythonが動くようになります。 一緒にPythonの世界への第一歩を踏み出しましょう！ そもそもPythonって何？ (軽くでOK) Pythonは、読みやすく、書きやすい、そしてとっても人気のあるプログラミング言語です。Webサイト制作、データ分析、AI開発など、本当に色々なことができます。初心者にも比較的学びやすい言語と言われているんですよ。 さっそくPythonをインストールしよう！ (Windows編) それでは、WindowsのパソコンにPythonをインストールしていきましょう。 1. Python公式サイトへアクセス！ まずは、Pythonの「公式」ダウンロードページにアクセスします。 検索エンジンで「Python ダウンロード」と検索するか、こちらのアドレスに直接アクセスしてください。 https://www.python.org/downloads/ 2. 最新版のPythonをダウンロード ダウンロードページを開くと、「Download Python X.X.X」（X.X.Xはバージョン番号）という大きなボタンがあるはずです。基本的には、この最新版をダウンロードすればOKです。 ポイント： もし学習する教材などでPythonのバージョンが指定されている場合は、少し下にスクロールすると過去のバージョンもダウンロードできます。でも、特に理由がなければ最新版を選びましょう。 3. ダウンロードしたインストーラーを実行！ ダウンロードが完了したら、ダウンロードフォルダにある .exe ファイル（例： python-3.12.3-amd64.exe のような名前です）をダブルクリックし...
続きを読む

【Python標準ライブラリ完結！】11の冒険をありがとう！君のPython力が飛躍する「次の一歩」とは？ 🚀

こんにちは！ Python標準ライブラリ探検隊、隊長のPythonistaです！ 長い間お付き合いいただき、本当にありがとうございました。ついにこの「Python標準ライブラリ入門シリーズ」も、今回の第12回で最終回を迎えることになりました。 第1回の datetime モジュール から始まり、 前回の合わせ技プロジェクト まで、私たちはPythonが標準で提供している強力で便利な「道具箱」の中身を、一緒に探検してきました。このシリーズを通して、Pythonの標準ライブラリがいかに多機能で、日々のプログラミング作業を助けてくれるかを少しでも感じていただけていたら嬉しいです。 この記事では、これまでの冒険の軌跡を振り返りつつ、皆さんがこのシリーズで得た知識を土台として、さらにPythonプログラミングの世界を広げていくための「次なる冒険」へのヒントをお届けしたいと思います。最後まで、どうぞお付き合いください！ 1. これまでの冒険を振り返る：標準ライブラリ探検ダイジェスト 🗺️ まずは、私たちが一緒に探検してきたPython標準ライブラリの仲間たちを、その主な役割と共に振り返ってみましょう。各モジュールの名前は、過去の記事へのリンクになっています（リンク先は適宜設定してくださいね）。 datetime : 日付と時刻の達人に！プログラムに時間という概念をもたらしました。 random : プログラムに偶然性の魔法を！ゲームからデータ生成まで幅広く活躍。 json : データ交換のスタンダード！異なるシステム間で情報をやり取りする共通言語。 os : OSと対話し、ファイルシステムを操る！プログラムがコンピュータ環境と連携する基盤。 csv : 表形式データを手軽に扱う！Excelなどとのデータ連携もスムーズに。 glob & shutil : ファイル検索と高度なファイル操作の強力コンビ！面倒なファイル管理を自動化。 logging : print デバッグからの卒業！本格的なログ管理でプログラムの信頼性アップ。 re : テキスト処理のスーパーパワー、正規表現！複雑な文字列操作も思いのまま。 collections : データ構造...
続きを読む