環境の構築

PandasとJupyter Notebookのセットアップ方法を詳しく説明します。特にデータサイエンスでよく使われる組み合わせです。

核心概念

• Anaconda：PythonとRのためのデータ科学向けの配布版。Pandas、Jupyter Notebook、NumPy、Matplotlibなどのライブラリがバンドルされています。
• Miniconda：Anacondaの軽量版。CondaパッケージマネージャーとPythonのみをインストールします。
• pip：Pythonの標準的なパッケージ管理ツール。

方法一：Anacondaを使用したインストール（最も簡単）

特にWindowsユーザーにはおすすめの方法です。

ステップ1：Anacondaのダウンロードとインストール

国内ミラーサイト（例えば、清华大学のオープンソースソフトウェアミラーサイト）から最新バージョンのAnacondaをダウンロードします。

インストール時の注意点：

• Windows：「Anaconda3をPATH環境変数に追加する」オプションをチェックします。
• macOS/Linux：ターミナルでの操作に慣れている場合に適しています。

ステップ2：環境の確認

ターミナルで以下のコマンドを実行します。

conda --version
python --version
jupyter notebook --version
python -c "import pandas as pd; print(pd.__version__)"

以上のコマンドが正常にバージョンを表示すれば、インストールは完了です。

方法二：pipを使用したインストール

既にPythonをインストール済みの場合に適しています。

ステップ1：pipの確認

pip --version

ステップ2：Jupyter NotebookとPandasのインストール

pip install notebook
pip install pandas
pip install numpy matplotlib seaborn

ステップ3：Jupyter Notebookの起動

jupyter notebook

ブラウザが自動的に開き、Jupyter Notebookのインターフェースが表示されます。

基礎入門：核心データ構造と基本操作

Series：一維のラベル付き配列

Seriesの作成例：

import pandas as pd
s = pd.Series([10, 20, 30], index=['a', 'b', 'c'])

Seriesの属性：

• values：データ部分
• index：インデックス
• dtype：データタイプ

DataFrame：二維のテーブル型データ構造

DataFrameの作成例：

data = {'名前': ['Alice', 'Bob'], '年齢': [25, 30]}
df = pd.DataFrame(data)
df = pd.read_csv('data.csv')

基本属性：

• shape：行数と列数
• columns：列名
• dtypes：各列のデータタイプ

核心操作：データ選択、クリーニング、変換

データ選択

• 列選択：`df['列名']`
• 行選択：`df.iloc[行番号]`、`df.loc[ラベル]`

例：

s.iloc[0]  # 位置ベースで最初の要素を取得
s.loc['a']  # ラベルベースで'a'に対応する値を取得

データクリーニング

• 欠損値の検出：`df.isnull()`
• 欠損値の削除：`df.dropna()`
• 欠損値の補完：`df.fillna(0)`

例：

df['age'].fillna(df['age'].mean(), inplace=True)

進階操作：グループ化、結合、集約

グループ化（GroupBy）

例：

df.groupby('都市')['給料'].mean()

結合（Merge）

例：

pd.merge(df1, df2, on='id', how='left')

実践例

以下のコードをJupyter Notebookで試してみます。

import pandas as pd

# データの作成
data = {
    '名前': ['山田', '佐藤', '鈴木'],
    '年齢': [28, 32, 25],
    '都市': ['東京', '大阪', '京都']
}
df = pd.DataFrame(data)

# データの表示
print("作成されたテーブル：")
print(df)

# 年齢に1を加える
print("\n年齢を1歳加えた結果：")
print(df['年齢'] + 1)

学び方の提案

以下の学び方の段階に従って学びましょう。

1. NumPyの基礎を学ぶ。
2. Pandasの基本データ構造であるSeriesとDataFrameを学ぶ。
3. データの選択、クリーニング、変換を実践する。
4. グループ化、結合、集約の操作を学ぶ。
5. 実践プロジェクトを通じてスキルを強化する。

各段階の詳細な学び方は、次のステップで説明します。