【Python】PandasでCSVやExcelを読み込んでデータ分析をしよう！

こんにちは、@Yoshimiです。

機械学習、データ分析といえばPandasです。CSV以外、Excelやテーブルデータhtmlなども読み込める非常に優秀なライブラリなのです。そんなPandasの使い方基礎をご紹介します。

他にも多数ありますが、私が実務で主に使う関数をピックアップしました。

データを読み込む

モジュールの読み込みを必ずします。あらゆる場面で利用しますので、import pandas as pdは呪文のように覚えてしまいましょう。

import pandas as pd

df = pd.read_csv('examples/ex1.csv')
df

ead_tableを使って読み込む場合は、sep=','が必要になります。

pd.read_table('examples/ex1.csv', sep=',')

データフレームにヘッダーカラムを任意で追加する時は names= を記述します。ヘッダーカラムがない場合は、header=Noneとします。

pd.read_csv('examples/ex2.csv', names=['a', 'b', 'c', 'd', 'message'])

message列をデータフレームのインデックスにする場合は、index_col=’message’と記述します。

names = ['a', 'b', 'c', 'd', 'message']
pd.read_csv('examples/ex2.csv', names=names, index_col='message')

フィールドの区切りが”空白”であったり、”,”でない場合もあります。”空白”の場合、read_tableに正規表現を与えて区切りを文字を指定できます。”空白”の場合、区切りは\s+という正規表現で表すことが可能です。

なデータがあるとします。

result = pd.read_table('examples/ex3.txt', sep='\s+')
result

read_csvやread_tableでよく使われる引数を紹介します。

• path:ファイルシステム上の位置やURLなど、つまりPATH
• sep:各行をフィールドに分割するのに用いる文字列あるいは正規表現
• header:列名として使う行の番号。ヘッダーがない場合はheader=’None’
• index_col:行のインデックスとして使われる列の番号か名前
• names:戻り値として得られるオブジェクトの列名かリスト
• encoding:文字コード
• keep_date_col:複数の列を結合して日付として読み込む場合に、結合に用いられた列を残す
• date_parser:日付を読み込むのに用いる

データを出力する

data = pd.read_csv('examples/ex5.csv')
data

examplesフォルダにex5.csvファイルが出力されます。

---

なりたい自分になれる
スキルアップならUdemy

私も利用し、高収入エンジニアになったのよ。未経験から機械学習、データサイエンティスト、アプリ開発エンジニアを目指せるコンテンツが多数あります。優秀な講師が多数！割引を利用すれば1,200円〜から動画購入可能です。！

高収入エンジニアになる >>