データ分析の強力な味方！Pythonライブラリ「pandas」を徹底解説

import pandas as pd
import numpy as np

# 1. DataFrameの作成
# ディクショナリからDataFrameを作成します
data = {
    '名前': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    '年齢': [25, 30, np.nan, 22, 28], # np.nanで欠損値を表現
    '都市': ['Tokyo', 'Osaka', 'Tokyo', 'Nagoya', 'Kyoto'],
    'スコア': [85, 92, 78, 95, 88]
}
df = pd.DataFrame(data)
print("--- 1. 作成したDataFrame ---")
print(df)
print("\n")

# 2. CSVファイルの読み込み (仮のCSVファイルを作成します)
# 実際には pd.read_csv('your_file.csv') のように使います
df.to_csv('sample_data.csv', index=False) # サンプルとしてCSVを書き出し

print("--- 2. CSVファイルから読み込んだDataFrame (最初の5行) ---")
df_from_csv = pd.read_csv('sample_data.csv')
print(df_from_csv.head()) # .head()で最初の数行を表示
print("\n")

# 3. 特定の列を選択
print("--- 3. '名前' 列の選択 ---")
print(df['名前'])
print("\n")

# 4. 複数の列を選択
print("--- 4. '名前' と 'スコア' 列の選択 ---")
print(df[['名前', 'スコア']])
print("\n")

# 5. 条件による行のフィルタリング
print("--- 5. 年齢が25歳以上の行をフィルタリング ---")
print(df[df['年齢'] >= 25])
print("\n")

# 6. 複数の条件によるフィルタリング
print("--- 6. 都市がTokyoでスコアが80以上の行をフィルタリング ---")
print(df[(df['都市'] == 'Tokyo') & (df['スコア'] >= 80)])
print("\n")

# 7. データの集計 (例: 平均年齢を計算)
print("--- 7. 平均年齢の計算 ---")
average_age = df['年齢'].mean()
print(f"平均年齢: {average_age:.2f}歳")
print("\n")

# 8. 欠損値の確認
print("--- 8. 欠損値の有無を確認 ---")
print(df.isnull().sum()) # 各列の欠損値の数を表示
print("\n")

# 9. 欠損値の補完 (例: NaNを平均値で補完)
print("--- 9. 欠損値を平均値で補完した後のDataFrame ---")
df_filled = df.fillna({'年齢': average_age})
print(df_filled)