Pandas: 【初心者向け】Pandas入門：NumPyとの違い・DataFrame基礎・インストール方法

> **出力：** ローカルのPython環境（pandas 2.x）で実行してください。Pistonサーバーにはpandasがプリインストールされていません。ローカルにインストール（`pip install pandas`）してから進めてくださいね。実際の値はpandasのバージョンによって若干異なる場合があります。

import numpy as np

# 顧客データ：名前（str）、年齢（int）、給与（float）
names = np.array(['Alice', 'Bob', 'Charlie'])
ages = np.array([28, 34, 25])
salaries = np.array([75000.0, 92000.0, 68000.0])

# 問題1：型を混ぜるとobjectへアップキャストされてしまう
mixed = np.array(['Alice', 28, 75000.0])
print(mixed.dtype)  # object — 数値演算ができなくなる！

# 問題2：object配列では平均を計算できない
try:
    print(np.mean(mixed))  # エラーまたは意味のない結果
except TypeError:
    print("object配列では平均を計算できません")

# 問題3：欠損値には特別な処理が必要
ages_with_nan = np.array([28, 34, np.nan, 25])
print(np.mean(ages_with_nan))  # nan — np.nanmean()が必要

> **出力：** ローカルのPython環境（pandas 2.x）で実行してください。Pistonサーバーにはpandasがプリインストールされていません。ローカルにインストール（`pip install pandas`）してから進めてくださいね。実際の値はpandasのバージョンによって若干異なる場合があります。

> **出力：** ローカルのPython環境（pandas 2.x）で実行してください。Pistonサーバーにはpandasがプリインストールされていません。ローカルにインストール（`pip install pandas`）してから進めてくださいね。実際の値はpandasのバージョンによって若干異なる場合があります。

import pandas as pd

# 1つのDataFrameで混合型を自然に扱える
df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [28, 34, 25],
    'salary': [75000.0, 92000.0, 68000.0],
    'hire_date': pd.to_datetime(['2022-03-15', '2019-08-01', '2023-01-10'])
})

print(df.dtypes)
# name                 object
# age                   int64
# salary              float64
# hire_date    datetime64[ns]

print(df['salary'].mean())  # 78333.33 — 自然に動作する
print(df[df['age'] > 27])   # 条件でフィルタリング

> **出力：** ローカルのPython環境（pandas 2.x）で実行してください。Pistonサーバーにはpandasがプリインストールされていません。ローカルにインストール（`pip install pandas`）してから進めてくださいね。実際の値はpandasのバージョンによって若干異なる場合があります。

> **出力：** ローカルのPython環境（pandas 2.x）で実行してください。Pistonサーバーにはpandasがプリインストールされていません。ローカルにインストール（`pip install pandas`）してから進めてくださいね。実際の値はpandasのバージョンによって若干異なる場合があります。

import numpy as np
import pandas as pd

# NumPy：列の順序を覚えておく必要がある
arr = np.array([['Alice', 28, 75000.0],
                ['Bob', 34, 92000.0]])
# 2列目は何だっけ？ドキュメントを確認する必要がある
print(arr[0, 2])  # 75000.0 — でもこれは何を意味する？

# Pandas：列名が自己ドキュメント化されている
df = pd.DataFrame(arr, columns=['name', 'age', 'salary'])
df['age'] = df['age'].astype(int)
df['salary'] = df['salary'].astype(float)
print(df['salary'])  # 列名がすべてを物語っている
# 0    75000.0
# 1    92000.0
print(df.loc[0, 'name'])  # Alice — ラベルベースのアクセス

> **出力：** ローカルのPython環境（pandas 2.x）で実行してください。Pistonサーバーにはpandasがプリインストールされていません。ローカルにインストール（`pip install pandas`）してから進めてくださいね。実際の値はpandasのバージョンによって若干異なる場合があります。

> **出力：** ローカルのPython環境（pandas 2.x）で実行してください。Pistonサーバーにはpandasがプリインストールされていません。ローカルにインストール（`pip install pandas`）してから進めてくださいね。実際の値はpandasのバージョンによって若干異なる場合があります。

import numpy as np
import pandas as pd

# NumPy：整数配列のnanは浮動小数点への変換を強制する
arr = np.array([1, 2, np.nan, 4])
print(arr.dtype)  # float64 — 整数が失われた！
print(np.mean(arr))  # nan — np.nanmean()が必要

# Pandas：列ごとに欠損値を処理する
s = pd.Series([1, 2, pd.NA, 4], dtype='Int64')  # nullable整数
print(s)  # <NA>付きで整数型を維持
print(s.mean())  # 2.333 — 欠損値を自動でスキップ

> **出力：** ローカルのPython環境（pandas 2.x）で実行してください。Pistonサーバーにはpandasがプリインストールされていません。ローカルにインストール（`pip install pandas`）してから進めてくださいね。実際の値はpandasのバージョンによって若干異なる場合があります。

> **出力：** ローカルのPython環境（pandas 2.x）で実行してください。Pistonサーバーにはpandasがプリインストールされていません。ローカルにインストール（`pip install pandas`）してから進めてくださいね。実際の値はpandasのバージョンによって若干異なる場合があります。

import pandas as pd
from io import StringIO

# CSV文字列から読み込む
csv_data = """name,age,salary
Alice,28,75000
Bob,34,92000
Charlie,25,68000"""
df = pd.read_csv(StringIO(csv_data))
print(df)

# さまざまな形式に書き出す
# df.to_csv('output.csv', index=False)
# df.to_excel('output.xlsx', sheet_name='Employees')
# df.to_json('output.json', orient='records')

> **出力：** ローカルのPython環境（pandas 2.x）で実行してください。Pistonサーバーにはpandasがプリインストールされていません。ローカルにインストール（`pip install pandas`）してから進めてくださいね。実際の値はpandasのバージョンによって若干異なる場合があります。

> **出力：** ローカルのPython環境（pandas 2.x）で実行してください。Pistonサーバーにはpandasがプリインストールされていません。ローカルにインストール（`pip install pandas`）してから進めてくださいね。実際の値はpandasのバージョンによって若干異なる場合があります。

> **出力：** ローカルのPython環境（pandas 2.x）で実行してください。Pistonサーバーにはpandasがプリインストールされていません。ローカルにインストール（`pip install pandas`）してから進めてくださいね。実際の値はpandasのバージョンによって若干異なる場合があります。

import numpy as np
import pandas as pd

# ============================================
# 包括的な比較：NumPy vs Pandas
# 学生の成績分析ワークフロー
# ============================================

# --- 生データ ---
students = ['Alice', 'Bob', 'Charlie', 'Carol', 'David']
math = [85, 92, 78, 95, 88]
english = [90, 85, 82, 88, 91]
science = [88, 90, 75, 93, 86]

# --- NumPyアプローチ ---
scores_np = np.array([math, english, science])  # shape: (3, 5)
# どの行がどの科目？覚えておく必要がある：0行目=math、1行目=english、2行目=science
# どの列がどの学生？順序を覚えておく必要がある
avg_per_student = scores_np.mean(axis=0)
print("NumPy - 学生ごとの平均（位置指定）:")
for i, avg in enumerate(avg_per_student):
    print(f"  学生 {i}: {avg:.1f}")  # 学生0って誰？

# --- Pandasアプローチ ---
df = pd.DataFrame({
    'student': students,
    'math': math,
    'english': english,
    'science': science
})
df['average'] = df[['math', 'english', 'science']].mean(axis=1)
df['grade'] = df['average'].map(
    lambda x: 'A' if x >= 90 else 'B' if x >= 85 else 'C'
)
print("\nPandas - 学生の成績:")
print(df[['student', 'average', 'grade']])

# 成績優秀者
top = df[df['grade'] == 'A']
print(f"\nA評価の学生: {top['student'].tolist()}")

# 科目ごとの統計
print("\n科目ごとの統計:")
print(df[['math', 'english', 'science']].describe())

> **出力：** ローカルのPython環境（pandas 2.x）で実行してください。Pistonサーバーにはpandasがプリインストールされていません。ローカルにインストール（`pip install pandas`）してから進めてくださいね。実際の値はpandasのバージョンによって若干異なる場合があります。

NumPy - 学生ごとの平均（位置指定）:
  学生 0: 87.7
  学生 1: 89.0
  学生 2: 78.3

Pandas - 学生の成績:
   student  average grade
0    Alice     87.7     B
1      Bob     89.0     B
2  Charlie     78.3     C
3    Carol     92.0     A
4    David     88.3     B

A評価の学生: ['Carol']

科目ごとの統計:
        math  english  science
count   5.00     5.00     5.00
mean   87.60    87.20    86.40
std     6.19     3.70     7.60
min    78.00    82.00    75.00
max    95.00    91.00    93.00

> **出力：** ローカルのPython環境（pandas 2.x）で実行してください。Pistonサーバーにはpandasがプリインストールされていません。ローカルにインストール（`pip install pandas`）してから進めてくださいね。実際の値はpandasのバージョンによって若干異なる場合があります。

import pandas as pd
import numpy as np

print(f"Pandasのバージョン: {pd.__version__}")
print(f"NumPyのバージョン: {np.__version__}")

# 簡単な機能チェック
df = pd.DataFrame({'x': [1, 2, 3], 'y': [4, 5, 6]})
print(df)
print(f"\nxの平均: {df['x'].mean()}")

> **出力：** ローカルのPython環境（pandas 2.x）で実行してください。Pistonサーバーにはpandasがプリインストールされていません。ローカルにインストール（`pip install pandas`）してから進めてくださいね。実際の値はpandasのバージョンによって若干異なる場合があります。