この記事では、Pythonとデータ分析ライブラリPandas」を行う方法についてサンプルコード付きで入門者向けに使い方を解説します。
Pandasとは
Pandasは、Python向けデータ分析用ライブラリです。
Pythonには様々なデータ分析ライブラリがありますが、このライブラリの大きな特徴は「R言語のデータフレームのような型」を持たせることができる点です。
つまり、R言語に似た使い方ができます。
| – | PythonとPandasの環境構築はこちら |
|---|---|
| 1 | Windows環境・・・Python環境を構築する方法 |
| 2 | Pandasのインストール方法(WinPythonの場合は不要) |
Pandasの基本的な使い方
| – | 配列生成 |
|---|---|
| Series | ■Series生成 |
| DateFrame | ■生成1 ■生成2 |
| – | ファイル処理 |
|---|---|
| 書込 | ■Excelファイルの書み込み ■CSVファイルへ書き込み |
| 読込 | ■Excelファイルの読み込み ■CSVファイルの読み込み |
| – | 日時・タイムスタンプ |
|---|---|
| 日付 | ■日付インデックス作成 ■日付インデックスをDataFrameに設定 |
| – | DataFrameの操作 |
|---|---|
| 基本 | ■転置（行・列の入替） ■行を並替 |
| ソート | ■ラベル順 ■インデックス順 |
| 情報取得 | ■インデックス ■ラベル ■データ型 ■基本統計量 |
| 値取得 | ■全て ■ラベル指定 ■インデックス・ラベル指定 |
| 抽出 | ■列指定 ■行・列指定 ■行・列指定(番号) |
| ラベル | ■合計値 ■平均値 ■中央値 ■最大値 ■最小値 ■要素数 ■標準偏差 ■分散 |
多変量解析
多変量解析を行うには、機械学習ライブラリ「Scikit-learn」を組み合わせます。
| 出力 | 目的変数 | 説明変数（量的データ） | 説明変数（質的データ） |
|---|---|---|---|
| 予測 | 量的データ | ■単回帰分析 ■重回帰分析 | ■数量化Ⅰ類 ■コンジョイント分析 |
| 予測 | 質的データ | ■判別分析 ■ロジスティック回帰分析 | ■数量化Ⅱ類 |
| 要約 | なし | ■主成分分析 ■因子分析 ■クラスター分析 ■多次元尺度法（MDS) | ■数量化Ⅲ類 ■コレスポンデンス分析 |
Pandasの応用・その他
| – | Pandasの応用例 |
|---|---|
| Excel | ■Excelのグラフ化 |
| 株価 | ■Pandas-datareaderで日経平均株価の取得 |
| 投資 | ■株価分析 |
| 参考 | ■e-stat ■総務省統計局：データサイエンススクール ■to-kei.net |