Python Pandasでデータセットをプロットして上昇トレンドを表示する方法

時系列分析において、データが時間の経過とともに上昇していくパターンが確認できる状態を「上昇トレンド（Uptrend）」と呼びます。本記事では、PythonのPandasとMatplotlibを使って、実際のデータセットから上昇トレンドを可視化する方法を解説します。

使用するデータセット

今回の例では、以下のような販売記録データ「SalesRecords.csv」を使用します。このファイルには購入日や売上などの情報が含まれています。

必要なライブラリのインポート

まず、PandasとMatplotlibという2つのライブラリをインポートします。Pandasはデータの読み込みや加工を担当し、Matplotlibはグラフの描画を担当します。

import pandas as pd
import matplotlib.pyplot as plt

CSVファイルからデータを読み込む

次に、CSVファイルのデータをPandasのDataFrameに読み込みます。read_csv()メソッドにファイルパスを指定するだけで簡単に読み込めます。

dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\SalesRecords.csv")

日付列をdatetime型に変換する

時系列分析を行うためには、日付情報が文字列ではなくdatetime型である必要があります。pd.to_datetime()を使って「Date_of_Purchase」列をdatetimeオブジェクトに変換しましょう。

dataFrame['Date_of_Purchase'] = pd.to_datetime(dataFrame['Date_of_Purchase'])

上昇トレンドのグラフを作成する

DataFrameのplot()メソッドを呼び出すだけで、時系列データの折れ線グラフが自動的に生成されます。

dataFrame.plot()

完全なサンプルコード

ここまでの手順をまとめたコード全体は以下の通りです。

import pandas as pd
import matplotlib.pyplot as plt

# CSVファイルからPandas DataFrameへデータを読み込む
dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\SalesRecords.csv")
print("Reading the CSV file...\n", dataFrame)

# 日付列をdatetime型に変換
dataFrame['Date_of_Purchase'] = pd.to_datetime(dataFrame['Date_of_Purchase'])

# 購入日をインデックスに設定
dataFrame = dataFrame.set_index('Date_of_Purchase')

# グラフを作成して表示
dataFrame.plot()
plt.show()

実行結果

上記のコードを実行すると、横軸に購入日、縦軸に各数値が取られた折れ線グラフが表示されます。データが右肩上がりに推移していれば、そのデータセットには上昇トレンドがあると言えます。

ポイントのまとめ

• pd.to_datetime()で日付列をdatetime型に変換することが時系列分析の第一歩です。
• set_index()で日付をインデックスに設定すると、時系列として扱いやすくなります。
• plot()とplt.show()を組み合わせることで、簡単にトレンドを可視化できます。