Hello there, ('ω')ノ
🔍 1. pandasとは？NumPyとは？
pandas（パンダス） と NumPy（ナンパイ） は、Pythonでデータ分析を行う際に欠かせないライブラリです。
| ライブラリ | 役割 | 特徴 |
|---|---|---|
| NumPy | 配列（行列）計算 | 大量の数値データを高速処理 |
| pandas | データフレーム操作 | 表データ（Excelのようなデータ）を簡単に扱える |
pandasは、NumPyをベースにして作られており、データ分析には 両方のライブラリを使いこなすことが大切 です！
📌 2. pandasを使ったデータ操作
まずは、pandasをインストールして使ってみましょう！
（Kaggleノートブックには 最初からインストールされている ので、そのまま使えます）
✅ pandasをインポート
import pandas as pd
📌 データの読み込み
CSVファイル（例: Titanicデータセット）を読み込んでみます。
# データの読み込み df = pd.read_csv("/kaggle/input/titanic/train.csv") # データの先頭5行を表示 df.head()
✅ ポイント:
- pd.read_csv("ファイルパス") でCSVファイルを読み込む
- .head() でデータの先頭5行を表示
📊 3. データの基本情報を確認
データの概要を確認するには、以下のコードを使います。
# データの形（行数 × 列数） print(df.shape) # 各列のデータ型と欠損値の確認 print(df.info()) # 基本統計量の確認（平均・最大値・最小値など） print(df.describe())
✅ ポイント:
- .shape でデータの行数・列数を取得
- .info() でデータ型と欠損値を確認
- .describe() で統計的な要約を表示
📌 4. データの操作（フィルタリング・選択・変更）
pandasを使うと、データの操作が簡単にできます！
✅ 指定した列だけを表示
df["Name"].head()
✅ 条件に合うデータを抽出
# 乗客の中で性別が女性（"Sex" == "female"）のデータを抽出 df_female = df[df["Sex"] == "female"] print(df_female.head())
✅ 新しい列を作成
# 家族の人数を計算（兄弟姉妹 + 両親子供 + 自分） df["FamilySize"] = df["SibSp"] + df["Parch"] + 1 print(df[["SibSp", "Parch", "FamilySize"]].head())
✅ データの並び替え
# 運賃（Fare）が高い順に並び替え df_sorted = df.sort_values(by="Fare", ascending=False) print(df_sorted.head())
📌 5. NumPyの基本
pandasは表データを扱うのに便利ですが、数値計算 には NumPy（ナンパイ） を使うと高速になります！
✅ NumPyをインポート
import numpy as np
📌 NumPy配列を作成
# リストをNumPy配列に変換 arr = np.array([1, 2, 3, 4, 5]) print(arr)
📌 配列の演算
NumPyを使うと、配列の計算がとても簡単になります。
a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) # 足し算 print(a + b) # [5 7 9] # 掛け算 print(a * b) # [ 4 10 18] # 平均・最大・最小 print(np.mean(a)) # 2.0 print(np.max(b)) # 6 print(np.min(a)) # 1
NumPyを使うと、大規模なデータを高速に計算 できるので、機械学習の前処理にもよく使われます！
📌 6. pandasとNumPyを組み合わせる
pandasのデータフレームの中でNumPyを使うと、効率的にデータを処理できます！
✅ 例：運賃の平均より高いかどうかを判定
# 運賃（Fare）の平均値を計算 fare_mean = np.mean(df["Fare"]) # 運賃が平均より高いかどうかを判定（True / False） df["HighFare"] = df["Fare"] > fare_mean # 結果を確認 print(df[["Fare", "HighFare"]].head())
NumPyの計算結果をpandasのデータフレームに追加することで、データの特徴を簡単に分析 できます！ 🚀
🎯 まとめ
✅ pandasは表データ（CSVなど）を扱うのに便利！
✅ NumPyは数値データの計算を高速に行える！
✅ 両方を組み合わせることで、効率的なデータ処理が可能！
Best regards, (^^ゞ
