Pandas（パンダス）とは？Pythonでデータを簡単に操作・分析できる強力ライブラリ

Pandas（パンダス）は、Pythonで表形式のデータ（テーブル）を簡単に操作・分析できるライブラリです。 CSVファイルの読み込み、行・列の抽出、集計やソートなど、Excel感覚でプログラミングによるデータ処理が可能になります。

Pandasの特徴

• 表形式データを扱うDataFrame型が中心
• データの読み込み・加工・集計・可視化まで対応
• CSV・Excel・SQL・JSONなど多くの形式に対応
• データ分析・機械学習の前処理に必須

インストール方法

pip install pandas

基本構造：SeriesとDataFrame

import pandas as pd

# Series（1列のデータ）
s = pd.Series([10, 20, 30])
print(s)

# DataFrame（表形式）
df = pd.DataFrame({
    "名前": ["さくら", "たろう", "はなこ"],
    "年齢": [20, 25, 23]
})
print(df)

CSVファイルの読み込み

df = pd.read_csv("sample.csv")
print(df.head())  # 最初の5行を表示

read_csv() 関数を使えば、CSVファイルを簡単に読み込んでDataFrameに変換できます。

データの基本操作

print(df.columns)         # 列名一覧
print(df["名前"])         # 列の抽出
print(df.iloc[0])         # 行番号で抽出
print(df.loc[0, "名前"])  # 行・列を指定して抽出

データの集計・フィルタ

print(df.describe())          # 要約統計量
print(df["年齢"].mean())      # 平均値
print(df[df["年齢"] > 21])    # 年齢が21歳より大きい行

並べ替え・グループ化

print(df.sort_values("年齢"))               # 年齢で昇順
print(df.groupby("名前").mean())            # 名前ごとの平均

欠損値の処理

df.isnull()             # 欠損の確認（True/False）
df.dropna()             # 欠損値を含む行を削除
df.fillna(0)            # 欠損値を0で埋める

データの保存

df.to_csv("output.csv", index=False)

加工したデータをCSV形式などで簡単に出力できます。

まとめ

Pandasは、Pythonにおけるデータ分析・処理の中心的ライブラリです。 簡単なコードで大量のデータを操作・集計・変換できるため、データサイエンス・業務自動化・統計分析など幅広く活用されています。

まずは read_csv() と DataFrame の基本から始めて、徐々に集計や可視化へと活用を広げていきましょう！