Python Pandas分析の前処理 データ型(dtypes)の確認と適切な変換(astype)の方法
こんにちは。これまでの記事で、Pandas DataFrameの基本的な操作（データの確認、列・行の選択、欠損値処理、重複処理など）を一通り学んできました。データのお掃除も進み、いよいよ本格的な分析や加工に進む準備が整いつつありますね。さて...
Python Python Python Pandas入門：重複データを見つけて削除する duplicated()とdrop_duplicates()
こんにちは。前回は、Pandas DataFrameにおける欠損値への対処法として、削除（.dropna()）と補完（.fillna()）について学びました。データのお掃除スキルがまた一つ上がりましたね。さて、データクリーニングの旅はまだま...
Python Python Pandas入門：欠損値の削除(dropna)と補完(fillna)の基本解説
こんにちは。前回は、Pandas DataFrameに潜む「欠損値」を見つけ出し、その数を確認する方法（.isnull(), .isna(), .sum(), info()）について学びました。データの中に「情報の抜け」がどれくらいあるのか...
Python Pandas isnull() / isna() / notnull() の違いと使い方 – 欠損値の有無を確認
こんにちは。前回は、Pandas DataFrameから条件を指定して特定の行をフィルタリング（抽出）する方法について学びました。比較演算子や論理演算子を使いこなすことで、目的のデータを自在に絞り込めるようになりましたね。さて、これまでの記...
Python Pandas条件抽出：AND(&), OR(|), NOT(~) で複数条件を組み合わせる方法
こんにちは。前回は、Pandas DataFrameから特定の「行」を選択する主な方法として、ラベル基準の.locについて学びました。これで、表の中から目的の行をピンポイントで、あるいは範囲で取り出すことができるようになりましたね。さて、こ...
Python Pandas .loc[] と .iloc[] を使った行の選択（単一・複数・スライス）
こんにちは。前回は、Pandas DataFrameから分析に必要な「列」を選択する様々な方法（[], .loc, .iloc）について学びました。これで、表の中から縦方向の情報を取り出すスキルが身につきましたね。今回は、DataFrame...
Python Pandas DataFrame列選択：[]とloc/ilocの違いと使い分けを徹底解説
こんにちは。前回は、Pandas DataFrameのdescribe()メソッドを使って、データに含まれる数値やカテゴリデータの基本的な統計情報（平均値、標準偏差、最頻値など）を要約する方法を学びました。これにより、データが持つ大まかな特...
Python Python Pandas入門：describe() でデータの特徴（平均・標準偏差・四分位数）を掴む方法
こんにちは。前回は、Pandas DataFrameの全体像を把握するために、head(), tail(), shape, info(), dtypesといった基本的な情報を確認する方法を学びましたね。これらによって、データの大きさや各列の...
Python Pandas入門：DataFrameの基本情報（head/tail/shape/info/dtypes）を確認する方法【初心者向け】
こんにちは。前回は、Pythonで機械学習を始めるための準備として、Anacondaのインストールと、Jupyter Notebook/LabまたはGoogle Colaboratoryの使い方について学びましたね。これで、いよいよPyth...
Python 機械学習のためのPandasデータ前処理：欠損値処理(fillna/dropna)と並び替え(sort_values)
機械学習を始める前に！Pandasでデータの前処理をマスターしよう本記事では、機械学習、特に教師あり学習に取り組む上で不可欠な「データの前処理」について解説します。Pythonの強力なライブラリである「Pandas」を使用し、データを分析に...