Python

PandasのDataFrameに含まれるNaN（欠損値）を0に置き換えるには、fillna()メソッドを使用します。このメソッドは、データクレンジングや前処理の際に非常によく使われる基本的なテクニックです。例として、以下のようなCSVファイル（Microsoft Excelで開いた状態）があるとします。このデータには一部NaN値が含まれています。手順1：必要なライブラリをインポートするまず、Pandasライブラリをインポートします。import pandas as pd手順2：CSVファイルからDataFrameを読み込む次に、read_csv()メソッドを使ってCSVファイルのデータをDa

Seabornのポイントプロット(Point Plot)は、散布図のグリフ(マーカー)を用いて点推定値と信頼区間を視覚的に表現するグラフです。カテゴリごとの平均値の違いやばらつきを一目で比較できるため、カテゴリ変数と数値変数の関係を把握したい場合に非常に便利です。この描画には seaborn.pointplot() 関数を使用します。カテゴリ変数でグループ化された垂直ポイントプロットを作成するには、x軸にカテゴリ変数、y軸に数値変数を指定して pointplot() を呼び出すだけです。ここでは、クリケット選手の情報を格納したCSVファイル「Cricketers.csv」をデータセットとして使

グループごとに集計結果をリスト形式でまとめたい場合は、agg()メソッドを使います。このメソッドの引数としてlistを指定することで、各グループ内の値をリストとして集約できます。agg()メソッドによるリスト集計の手順1. 必要なライブラリをインポートするまず、pandasをインポートします。import pandas as pd2. サンプルDataFrameを作成する次に、「Car（車種）」と「Units（台数）」の2列を持つDataFrameを作成します。dataFrame = pd.DataFrame( { Car: [BMW, Lexus, Lexus, Mu

水平ポイントプロットは、データセット内のx軸・y軸に該当する列の値をもとに描画されるグラフです。Seabornのポイントプロットでは、散布図のマーカー（グリフ）を用いて点推定値と信頼区間を視覚的に表現できます。この描画には seaborn.pointplot() 関数を使用します。 本記事では、CSVファイル「Cricketers.csv」をデータセットとして使用し、実際に水平ポイントプロットを描く手順を解説します。 1. 必要なライブラリをインポートする まず、Seaborn、Pandas、Matplotlibの3つのライブラリをインポートします。 import seaborn as sb

Pythonで複数の列（カラム）を持つ時系列プロットを折れ線グラフとして作成するには、Seabornのlineplot()メソッドを使用します。時系列データの可視化では、日付ごとの売上数や返品数など、複数の指標を同じグラフ上に重ねて表示することで、傾向の比較が容易になります。まずは、必要なライブラリをインポートしましょう。必要なライブラリのインポートimport seaborn as sb import pandas as pd import matplotlib.pyplot as pltseaborn：美しい統計グラフを簡単に描画できるライブラリpandas：DataFrame形式でデータ

Seabornのポイントプロット（Point Plot）は、散布図のグリフを用いて点推定値と信頼区間を視覚的に表現するグラフです。このプロットを作成するには seaborn.pointplot() メソッドを使用します。 デフォルトではカテゴリごとの点が線で結ばれて表示されますが、点を結ぶ線を描きたくない場合は、join パラメータを False に設定するだけで簡単に実現できます。 データセットの準備 ここでは、CSVファイル「Cricketers.csv」をデータセットとして使用します。まず、必要なライブラリをインポートしましょう。 import seaborn as sb import

はじめにSeabornのポイントプロット（Point Plot）は、散布図のグリフを使って点推定値と信頼区間を視覚的に表現するためのグラフです。ポイントプロットを描画するには、seaborn.pointplot()メソッドを使用します。カテゴリの表示順序を明示的に指定したい場合は、pointplot()メソッドのorderパラメータを活用します。この記事では、実際のコード例を通じて、orderパラメータによる順序制御の方法を解説します。使用するデータセット今回は、CSVファイル形式で保存された次のデータセット「Cricketers.csv」を使用します。このデータには、クリケット選手の所属アカ

はじめに Pandasで行と列を組み合わせたサブセットを選択するには、locを使用します。インデックス演算子（角括弧 [ ] ）と組み合わせ、locの中に条件を設定することで、目的のデータだけを効率的に抽出できます。 本記事では、Microsoft Excelで開いた以下のようなCSVファイルを例に解説します。このデータには、車名（Car）、登録価格（Reg_Price）、販売台数（Units）の3つの列が含まれています。 CSVファイルからデータを読み込む まず、CSVファイルからデータをPandas DataFrameに読み込みます。 dataFrame = pd.read_csv(C:\

Seabornの棒グラフとはSeabornの棒グラフ（bar plot）は、カテゴリごとの点推定値と信頼区間を長方形のバーとして視覚的に表現するためのプロットです。描画には seaborn.barplot() 関数を使用します。観測値の標準偏差を表示したい場合は、信頼区間を指定する ci パラメータに sd を設定します。デフォルトでは95%信頼区間がブートストラップ法で計算されますが、sd を指定することで、エラーバーが標準偏差として表示されるようになります。使用するデータセットここでは、クリケット選手の所属アカデミー（Academy）や試合数（Matches）などの情報を含むデータセットが

PandasのDataFrameをグループ化するには、groupby()メソッドを使用します。グループ化の基準となる列は、Grouper関数を使って指定します。本記事では、車販売記録のデータを例に、年間隔でデータをグループ化し、「登録価格（Reg_Price）」の合計を計算する方法を解説します。 サンプルDataFrameの作成 まず、次のような3つの列を持つPandas DataFrameを用意します。「Date_of_Purchase（購入日）」列が含まれている点がポイントです。 # Date_of_Purchase列を含むDataFrame dataFrame = pd.DataFram

SeabornでDataFrame内の各数値変数の箱ひげ図を描画するSeabornの箱ひげ図（ボックスプロット）は、カテゴリごとのデータ分布を視覚的に把握するための強力なツールです。中央値、四分位範囲、外れ値などを一目で確認できるため、数値データの傾向分析に広く使われています。描画には seaborn.boxplot() 関数を使用し、orient パラメータを指定することで、各数値変数のプロットの向き（水平・垂直）を自由に制御できます。本記事では、次のようなCSVファイル「Cricketers.csv」をデータセットとして使用します。必要なライブラリのインポートまず、Seaborn・Pand

Seabornのポイントプロット（Point Plot）は、散布図グリフを使用して点推定値と信頼区間を視覚的に表現するためのグラフです。この描画には seaborn.pointplot() メソッドを使用します。本記事では、ポイントプロットにおいて観測値の標準偏差を表示する方法を解説します。これには、pointplot() メソッドの信頼区間パラメータ ci に sd を指定します。使用するデータセットここでは、以下のようなCSVファイル「Cricketers.csv」をデータセットとして使用します。このファイルにはクリケット選手の所属アカデミーや年齢などの情報が含まれています。必要なライブラ

Pandasのデータフレーム（DataFrame）は、Matplotlibと組み合わせることで、折れ線グラフ・円グラフ・ヒストグラムなど、さまざまな種類のグラフを簡単に描画できます。まずは、PandasとMatplotlibのライブラリをインポートしましょう。import pandas as pd import matplotlib.pyplot as pltそれでは、実際に各グラフの描画方法を見ていきましょう。折れ線グラフの描き方サンプルコード以下は、2列のデータを持つデータフレームから折れ線グラフを作成するコードです。import pandas as pd import matplotli

ヒストグラムとは、データの分布を視覚的に表現したグラフです。PandasのDataFrameからヒストグラムを作成するには、Matplotlibのhist()メソッドを使用します。この記事では、具体的なコード例とともに、その手順をわかりやすく解説します。必要なライブラリのインポートまず、PandasとMatplotlibの2つのライブラリをインポートします。import pandas as pd import matplotlib.pyplot as pltDataFrameの作成次に、「Car（車名）」と「Reg_Price（登録価格）」の2つの列を持つDataFrameを作成します。dat

円グラフ（パイチャート）を描画するには、Matplotlibの plt.pie() 関数を使用します。円グラフは、1つの列に含まれる数値データを全体に対する割合（比率）として視覚的に表現するのに適したグラフです。必要なライブラリのインポートまず、PandasとMatplotlibをインポートします。import pandas as pd import matplotlib.pyplot as pltデータフレームの作成次に、サンプル用のDataFrameを作成します。ここでは車種と登録価格のデータを使用します。dataFrame = pd.DataFrame({ Car: [BMW, L

Pandasのデータフレームから折れ線グラフを描画するには、plot()メソッドとMatplotlibを組み合わせて使用します。この記事では、実際のコード例を通じて、データフレームの2つの列（登録価格と販売台数）の関係を折れ線グラフとして可視化する手順を解説します。 1. 必要なライブラリをインポートする まず、データ操作用のpandasと、グラフ描画用のmatplotlib.pyplotをインポートします。 import pandas as pd import matplotlib.pyplot as plt 2. データフレームを作成する 次に、車種名・登録価格・販売台数の3列を持つサンプ

Pandas DataFrameから特定の行を削除したい場合、pdpipeライブラリが提供するValDrop()メソッドを使うと、パイプライン処理として簡潔に実装できます。この記事では、すでに作成済みのDataFrameから行を削除する手順を、サンプルコードと実行結果とともにわかりやすく解説します。必要なライブラリのインポートまず、pdpipeとpandasをそれぞれ別名（エイリアス）をつけてインポートします。import pdpipe as pdp import pandas as pdDataFrameの作成次に、サンプル用のDataFrameを作成します。ここでは「Car（車種）」と「U

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、Matplot

時系列分析において、データが継続的に下向きのパターンを示すことを下降トレンド（ダウントレンド）と呼びます。株価や売上データなどの分析では、この下降トレンドを視覚的に把握することが非常に重要です。 ここでは、PandasとMatplotlibを使ってCSVファイルのデータを読み込み、下降トレンドをグラフに表示する手順を解説します。 必要なライブラリのインポート まず、必要なライブラリをインポートします。 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DataF

Pandasのfillna()で欠損値（NaN）を前方向きに埋める Pandasでは、fillna()メソッドのmethodパラメータを使うことで、null以外の値を前方（上の行から下の行へ）に転送できます。前方補完（forward fill）を行うには、値としてffillを指定します。 fillna(method=ffill) なお、Pandas 2.1以降ではmethod引数は非推奨となっているため、専用メソッドのffill()を使うことが推奨されています。どちらも同じ結果が得られます。 サンプルデータの準備 ここでは、一部のセルにNaN（欠損値）を含むCSVファイル「SalesData.