pandas の基本をしっかり身につけましょう。DataFrame の内容を確認する方法や、行の並び替え、サブセット化、新しい列の追加など、基本的な操作を学びます。

DataFrameの紹介

DataFrameを確認する

DataFrame の構成要素

並べ替えとサブセット化

行の並べ替え

列のサブセット化

行のサブセット化

カテゴリ変数で行をサブセット化する

新しい列

新しい列の追加

組み合わせ技！

DataFrame の変換

この章では、DataFrame の列に対して要約統計量を計算する方法を学びます。また、グループ別の要約統計量とピボットテーブルも使いこなせるようになります。

要約統計量

平均と中央値

日付の要約

効率的な要約

累積統計量

カウント

重複を削除する

カテゴリ変数のカウント

グループ別の要約統計量

各店舗の種類の売上割合は？

.groupby()を使った計算

複数のグループ別要約統計量

ピボットテーブル

1つの変数によるピボット

ピボットテーブルで欠損値を埋め、合計を計算する

DataFrame の集計

インデックスは、行名や列名をより強力にしたものです。スライスと組み合わせることで、DataFrame を柔軟にサブセット化する方法を学びましょう。

明示的に設定したインデックス

インデックスの設定と解除

.loc[] を使ったサブセット

階層型インデックスの設定

インデックス値での並べ替え

.loc と .iloc を使ったスライスとサブセット化

インデックス値のスライス

行と列の両方をスライスする

時系列のスライス

行番号・列番号によるサブセット化

ピボットテーブルの操作

都市と年で気温のピボットテーブル

ピボットテーブルのサブセット化

ピボットテーブルで計算する

DataFrame のスライスとインデックス指定

DataFrame の内容を可視化する方法、欠損値の処理方法、CSV ファイルからのデータの読み込みと CSV ファイルへの書き出しの方法を学びます。

データの可視化

どのサイズのアボカドが一番人気？

販売数の推移

アボカドの需要と供給

慣行栽培と有機栽培のアボカドの価格

欠損値

欠損値を見つける

欠損値の削除

欠損値の置き換え

DataFrameの作成

辞書のリスト

リストの辞書

CSV の読み込みと書き出し

CSV から DataFrame へ

DataFrame を CSV に書き出す

まとめ

DataFrame の作成と可視化

データを複数の次元で同時に分析する方法を学びます。複数のカテゴリーに沿って同時に集計を分解（ブレイクダウン）することで、微細なパターンを発見できるようになります。

複数の列によるグループ化

要約統計量をカテゴリ別に集計する手法を学びます。これにより、異なるグループ間で指標を比較し、データ内のパターンを見つけ出すことが可能になります。

1つの列によるグループ化

合計・平均・件数などの主要な統計値を計算してデータを集計する方法を学び、生データから有益な情報を引き出せるようになります。

要約値

データ集計

多段階の計算の処理や合計に対するパーセンテージの算出方法を学び、中間結果に基づいた複雑な指標を構築できるようになります。

複雑な変換

既存のデータの値を組み合わせたり計算したりして新しい列を作成する方法を学びます。これにより、元のデータセットには含まれていない比率やその他の指標を算出できるようになります。

基本的な変換

データ変換

条件に基づいてデータから特定の行を抽出する方法を学びます。これにより、分析対象を関連するサブセットに絞り込むことができるようになり、欠損値やテキストパターンの処理も行えるようになります。

基本的なフィルタリング

複数の条件を同時に使用してデータをフィルタリングする方法を学びます。ANDやORの論理を組み合わせて条件を指定することで、必要な行を正確に抽出できるようになります。

複数の条件

複雑なフィルタリングを条件ごとに個別の列に分割して簡略化する方法や、フィルタ結果の逆を抽出する方法を学びます。これにより、分析の透明性を高め、検証を容易にすることができます。

複雑なフィルタリング

データのフィルタリング

特定の条件に応じてさまざまな計算を適用する方法を学びます。これにより、値の標準化、データのカテゴリ分類、そしてデータ内のさまざまなケースへの対応ができるようになります。

条件付き変換

特定の条件を満たす値のみを含めた集計方法を学びます。これにより、各グループ内での「遅延したフライトのみの平均」といった詳細な指標を算出できるようになります。

条件付き集計

条件演算

Avocado prices

Course Glossary: Data Manipulation with pandas

Homelessness data

Walmart sales

Temperatures

pandas は世界で最も広く使われている Python ライブラリで、データの操作から分析まで幅広く活用されています。このコースでは、DataFrame を操作しながら、実際のデータセットから情報を抽出・フィルタリング・変換する方法を学びます。pandas を使ってデータサイエンスの基本概念を網羅的に習得しましょう。アメリカの大手小売チェーン、ウォルマートの売上データや世界各地の気温時系列データなど実際のデータを用いながら、データのインポート、クリーニング、統計量の計算、可視化の方法を学び、Python の力をさらに引き出します。

動画にはライブ字幕が含まれており、動画左下の「文字起こしを表示」をクリックすると確認できます。

コースの用語集は右側のリソースセクションにあります。

CPE クレジットを取得するには、コースを修了し、対象アセスメントで 70% 以上のスコアを達成する必要があります。右側の CPE クレジットの案内からアセスメントに進むことができます。

pandasは、データ操作からデータ分析まであらゆる用途で使われている、世界で最も人気のあるPythonライブラリです。 このコースでは、AIチューターがそばにいる中で、DataFrameを操作し、実際のデータセットを集計、フィルタリング、変換して分析する方法を学びます。 pandasを使って、データサイエンスに不可欠な主要なデータ操作をすべて学びます。

<h2>pandasでデータ操作を学ぶ</h2>
このコースでは、pandasがデータ操作からデータ分析まであらゆる場面で使われる、世界で最も人気のあるPythonライブラリである理由を学びます。 DataFrameの操作方法を学び、実際のデータセットを抽出、フィルタリング、変換しながら分析できるようになります。 
<br><br>
pandasを使って、データサイエンスの主要な概念をすべて学びます。 Walmartの売上データや世界の気温時系列データなどの実データを使い、pandasを活用してPythonの力をさらに引き出しながら、データの取り込み、クリーニング、統計量の算出、可視化の作成方法を学びます。
<br><br>
<h2>pandasデータを使ってデータサイエンスの基本概念を探求する</h2>
まずは pandas の基本を習得することから始めます。DataFrame の確認方法や、基本的な操作を行う方法も学びます。 DataFrameの集約についても学び、その後でスライシングとインデックス操作に進みます。 
<br><br>
コースの締めくくりとして、DataFrameの内容を可視化する方法を学び、米国のアボカドの週次売上を含むデータセットを扱います。 
<br><br>
<h2>DataFrameを操作する方法を学ぶ</h2>
このPythonコースを修了すると、このPythonライブラリを使ってデータ操作を行う方法が理解できるようになります。 DataFrameの理解とその使い方を身につけ、Pythonでデータを可視化できるようになります。

Intermediate Python

このpandasコースでは、データフレームを操作し、実データを抽出・フィルタ・変換する方法を学びます。

pandas によるデータ操作

pandasでデータの取り込みとデータクレンジング、統計量の計算、可視化の作成方法を学びます。 

グループ別の要約統計量

Create Your Free Account