📖 このステップで学ぶこと

・head()とtail()でデータの最初と最後を確認する方法

・info()でデータの構造を把握する方法

・describe()で統計情報を一覧表示する方法

・shape、columns、indexでデータの形を確認する方法

・dtypesでデータ型を確認する方法

・データ確認の実践フロー（6ステップ）

学習時間の目安： 2〜2.5時間

❌ こんな問題が起きます

問題1：欠損値に気づかない

　・データに空欄があると、計算結果がおかしくなります

　・「なぜか平均値が出ない」「合計が合わない」などの原因になります

問題2：データ型の間違い

　・数字なのに文字列として読み込まれると、計算できません

　・「100」+「200」=「100200」になってしまいます（文字列の連結）

問題3：想定と違うデータ

　・列名が違う、行数が想定と違うなど

　・後から大きな問題に気づき、やり直しになります

📌 確認できる5つのポイント

1. データの形：何行×何列あるか？（例：100行×5列）

2. データの中身：どんな値が入っているか？（例：数値、文字列）

3. データの型：整数？小数？文字列？日付？

4. 欠損値：空欄がどれくらいあるか？

5. 統計情報：平均値、最大値、最小値など

📝 head()の書き方

df.head() → 最初の5行を表示（デフォルト）

df.head(n) → 最初のn行を表示

・dfはDataFrameの変数名です

・nには表示したい行数を数字で指定します

・( )の中を空にすると、自動的に5行表示されます

コード：サンプルデータを作成してhead()を使う

# Pandasをインポート
import pandas as pd

# サンプルデータを作成（8日分の売上データ）
data = {
    '日付': ['2024-01-01', '2024-01-02', '2024-01-03', '2024-01-04', 
             '2024-01-05', '2024-01-06', '2024-01-07', '2024-01-08'],
    '売上': [120, 135, 150, 145, 160, 175, 180, 190],
    '来客数': [45, 52, 58, 55, 62, 68, 72, 75]
}

# DataFrameを作成
df = pd.DataFrame(data)

# 最初の5行を表示（デフォルト）
print("===== 最初の5行（head()） =====")
print(df.head())

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

===== 最初の5行（head()） =====
         日付   売上  来客数
0  2024-01-01  120    45
1  2024-01-02  135    52
2  2024-01-03  150    58
3  2024-01-04  145    55
4  2024-01-05  160    62

💡 コードの解説

import pandas as pd

　・Pandasライブラリを読み込みます

　・「pd」という短い名前で使えるようにしています

data = { … }

　・辞書形式でデータを用意します

　・キー（’日付’など）が列名、値（リスト）がデータになります

df = pd.DataFrame(data)

　・辞書からDataFrameを作成します

　・dfという変数に格納しています

df.head()

　・dfの最初の5行を表示します

　・左端の0, 1, 2, 3, 4は「インデックス」（行番号）です

コード：表示する行数を指定する

import pandas as pd

data = {
    '日付': ['2024-01-01', '2024-01-02', '2024-01-03', '2024-01-04', 
             '2024-01-05', '2024-01-06', '2024-01-07', '2024-01-08'],
    '売上': [120, 135, 150, 145, 160, 175, 180, 190],
    '来客数': [45, 52, 58, 55, 62, 68, 72, 75]
}

df = pd.DataFrame(data)

# 最初の3行だけ表示
print("===== 最初の3行（head(3)） =====")
print(df.head(3))

print()

# 最初の1行だけ表示
print("===== 最初の1行（head(1)） =====")
print(df.head(1))

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

===== 最初の3行（head(3)） =====
         日付   売上  来客数
0  2024-01-01  120    45
1  2024-01-02  135    52
2  2024-01-03  150    58

===== 最初の1行（head(1)） =====
         日付   売上  来客数
0  2024-01-01  120    45

💡 head()の使いどころ

head(3)：3行だけ表示されます

head(1)：1行だけ表示されます

head(10)：10行表示されます

データが大きくても、少ない行数で素早く確認できます。

📝 tail()の書き方

df.tail() → 最後の5行を表示（デフォルト）

df.tail(n) → 最後のn行を表示

・head()と同じように、( )の中に数字を入れると行数を変えられます

コード：tail()でデータの最後を確認

import pandas as pd

data = {
    '日付': ['2024-01-01', '2024-01-02', '2024-01-03', '2024-01-04', 
             '2024-01-05', '2024-01-06', '2024-01-07', '2024-01-08'],
    '売上': [120, 135, 150, 145, 160, 175, 180, 190],
    '来客数': [45, 52, 58, 55, 62, 68, 72, 75]
}

df = pd.DataFrame(data)

# 最後の5行を表示（デフォルト）
print("===== 最後の5行（tail()） =====")
print(df.tail())

print()

# 最後の2行だけ表示
print("===== 最後の2行（tail(2)） =====")
print(df.tail(2))

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

===== 最後の5行（tail()） =====
         日付   売上  来客数
3  2024-01-04  145    55
4  2024-01-05  160    62
5  2024-01-06  175    68
6  2024-01-07  180    72
7  2024-01-08  190    75

===== 最後の2行（tail(2)） =====
         日付   売上  来客数
6  2024-01-07  180    72
7  2024-01-08  190    75

💡 なぜtail()も必要なのか？

データの最後の方には、こんな問題が隠れていることがあります：

　・途中でデータが切れている（最新データが入っていない）

　・最後の行に不要なデータがある（合計行など）

　・最後のデータに誤りがある

head()とtail()をセットで使うのが、データ確認の基本です！

📌 head()とtail()の使い分け

📝 info()の書き方

df.info()

・引数（( )の中）は不要です

・結果は自動的に画面に表示されます

・print()で囲まなくてもOKです

コード：info()でデータの構造を確認

import pandas as pd

# 商品データを作成
data = {
    '商品名': ['リンゴ', 'バナナ', 'オレンジ', 'イチゴ', 'ブドウ'],
    '価格': [150, 100, 120, 300, 250],
    '在庫': [50, 80, 60, 30, 40],
    'カテゴリ': ['果物', '果物', '果物', '果物', '果物']
}

df = pd.DataFrame(data)

# まずデータの中身を確認
print("===== DataFrame =====")
print(df)

print()

# info()でデータの構造を確認
print("===== info()の結果 =====")
df.info()

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

===== DataFrame =====
    商品名   価格  在庫 カテゴリ
0   リンゴ  150   50    果物
1   バナナ  100   80    果物
2  オレンジ  120   60    果物
3   イチゴ  300   30    果物
4   ブドウ  250   40    果物

===== info()の結果 =====
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5 entries, 0 to 4
Data columns (total 4 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   商品名     5 non-null      object
 1   価格      5 non-null      int64 
 2   在庫      5 non-null      int64 
 3   カテゴリ    5 non-null      object
dtypes: int64(2), object(2)
memory usage: 288.0+ bytes

💡 info()の結果の読み方

RangeIndex: 5 entries, 0 to 4

　・データが5行あることを示します

　・インデックス（行番号）は0から4までです

Data columns (total 4 columns)

　・列が4つあることを示します

Non-Null Count（欠損値でない数）

　・「5 non-null」は、5個すべてにデータが入っているという意味です

　・欠損値（空欄）がある場合は、この数字が減ります

Dtype（データ型）

　・int64は整数、objectは文字列を表します

memory usage

　・このDataFrameが使っているメモリ量です

コード：欠損値を含むデータの確認

import pandas as pd
import numpy as np  # 欠損値を作るために使用

# 欠損値を含むデータを作成
data = {
    '名前': ['太郎', '花子', '次郎', '美咲', '健太'],
    '年齢': [25, 23, np.nan, 24, 26],        # np.nanは欠損値（空欄）
    '都市': ['東京', '大阪', '名古屋', np.nan, '札幌'],
    '年収': [400, 380, 420, 390, np.nan]
}

df = pd.DataFrame(data)

print("===== DataFrame =====")
print(df)

print()

print("===== info()の結果 =====")
df.info()

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

===== DataFrame =====
   名前    年齢    都市     年収
0  太郎  25.0    東京  400.0
1  花子  23.0    大阪  380.0
2  次郎   NaN   名古屋  420.0
3  美咲  24.0   NaN  390.0
4  健太  26.0    札幌    NaN

===== info()の結果 =====
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5 entries, 0 to 4
Data columns (total 4 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   名前      5 non-null      object 
 1   年齢      4 non-null      float64
 2   都市      4 non-null      object 
 3   年収      4 non-null      float64
dtypes: float64(2), object(2)
memory usage: 288.0+ bytes

⚠️ Non-Null Countに注目！

5 entries（5行）なのに4 non-nullということは：

　　5 – 4 = 1つの欠損値があるという意味です

この例では：

　・名前列：5 non-null → 欠損値なし

　・年齢列：4 non-null → 1つ欠損

　・都市列：4 non-null → 1つ欠損

　・年収列：4 non-null → 1つ欠損

💡 NaNとは？

NaNは「Not a Number」の略で、「データがない（欠損値）」ことを意味します。

　・np.nanでNaNを作成できます（NumPyが必要）

　・CSVファイルを読み込むとき、空欄は自動的にNaNになります

　・NaNがある列は、整数(int64)から小数(float64)に変わることがあります

📝 describe()の書き方

df.describe() → 数値列の統計情報を表示

df.describe(include=’all’) → 全ての列の統計情報を表示

・デフォルトでは数値列（整数、小数）だけが対象です

・include=’all’を指定すると、文字列列も含まれます

コード：describe()で統計情報を確認

import pandas as pd

# 商品データを作成
data = {
    '商品名': ['商品A', '商品B', '商品C', '商品D', '商品E'],
    '価格': [1000, 1500, 2000, 1200, 3000],
    '販売数': [150, 200, 120, 180, 90],
    '在庫': [50, 80, 60, 30, 40]
}

df = pd.DataFrame(data)

print("===== DataFrame =====")
print(df)

print()

print("===== describe()の結果 =====")
print(df.describe())

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

===== DataFrame =====
   商品名    価格  販売数  在庫
0  商品A  1000   150   50
1  商品B  1500   200   80
2  商品C  2000   120   60
3  商品D  1200   180   30
4  商品E  3000    90   40

===== describe()の結果 =====
              価格       販売数         在庫
count     5.000000    5.000000   5.000000
mean   1740.000000  148.000000  52.000000
std     807.700519   43.589988  19.391876
min    1000.000000   90.000000  30.000000
25%    1200.000000  120.000000  40.000000
50%    1500.000000  150.000000  50.000000
75%    2000.000000  180.000000  60.000000
max    3000.000000  200.000000  80.000000

💡 describe()で表示される統計量の意味

count：データ数（欠損値を除いた数）

mean：平均値（全データの合計÷データ数）

std：標準偏差（データのばらつき具合を表す数値）

min：最小値（一番小さい値）

25%：第1四分位数（小さい方から25%の位置の値）

50%：中央値（小さい方から50%の位置の値）

75%：第3四分位数（小さい方から75%の位置の値）

max：最大値（一番大きい値）

📌 統計量の読み方（価格列の場合）

コード：全ての列の統計情報を表示

import pandas as pd

data = {
    '名前': ['太郎', '花子', '次郎', '美咲', '健太'],
    '年齢': [25, 23, 27, 24, 26],
    '都市': ['東京', '大阪', '東京', '東京', '大阪']
}

df = pd.DataFrame(data)

print("===== DataFrame =====")
print(df)

print()

print("===== 数値列のみ（デフォルト） =====")
print(df.describe())

print()

print("===== 全ての列を含める =====")
print(df.describe(include='all'))

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

===== DataFrame =====
   名前  年齢  都市
0  太郎  25  東京
1  花子  23  大阪
2  次郎  27  東京
3  美咲  24  東京
4  健太  26  大阪

===== 数値列のみ（デフォルト） =====
            年齢
count   5.000000
mean   25.000000
std     1.581139
min    23.000000
25%    24.000000
50%    25.000000
75%    26.000000
max    27.000000

===== 全ての列を含める =====
        名前          年齢   都市
count    5    5.000000    5
unique   5         NaN    2
top     太郎         NaN   東京
freq     1         NaN    3
mean   NaN   25.000000  NaN
std    NaN    1.581139  NaN
min    NaN   23.000000  NaN
25%    NaN   24.000000  NaN
50%    NaN   25.000000  NaN
75%    NaN   26.000000  NaN
max    NaN   27.000000  NaN

💡 文字列列の統計情報

文字列列には、数値列とは違う統計情報が表示されます：

count：データ数

unique：ユニークな（重複しない）値の数

top：最も頻度の高い値（最頻値）

freq：topの出現回数

例：都市列では「unique: 2」なので、東京と大阪の2種類。「top: 東京」「freq: 3」なので、東京が3回出現しています。

📝 shapeの書き方

df.shape → (行数, 列数) のタプルを返す

df.shape[0] → 行数だけ取得

df.shape[1] → 列数だけ取得

・shapeは属性なので、( )は付けません

・結果は（行数, 列数）のタプル（組み合わせ）で返されます

コード：shapeでデータの形を確認

import pandas as pd

data = {
    '商品名': ['商品A', '商品B', '商品C'],
    '価格': [1000, 1500, 2000],
    '在庫': [50, 80, 60]
}

df = pd.DataFrame(data)

print("===== DataFrame =====")
print(df)

print()

# shapeでデータの形を確認
print("===== shapeの使い方 =====")
print(f"shape: {df.shape}")
print(f"行数: {df.shape[0]}")
print(f"列数: {df.shape[1]}")

# len()でも行数を取得できる
print(f"len(df)で行数取得: {len(df)}行")

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

===== DataFrame =====
   商品名    価格  在庫
0  商品A  1000   50
1  商品B  1500   80
2  商品C  2000   60

===== shapeの使い方 =====
shape: (3, 3)
行数: 3
列数: 3
len(df)で行数取得: 3行

💡 コードの解説

df.shape

　・(3, 3) というタプル（組み合わせ）が返されます

　・最初の数字が行数、2番目が列数です

df.shape[0]

　・タプルの0番目（行数）を取得します

df.shape[1]

　・タプルの1番目（列数）を取得します

len(df)

　・行数だけを取得する別の方法です

📝 columnsの書き方

df.columns → 列名の一覧を返す

df.columns.tolist() → 列名をリスト形式で取得

len(df.columns) → 列数を取得

コード：columnsで列名を確認

import pandas as pd

data = {
    '名前': ['太郎', '花子', '次郎'],
    '年齢': [25, 23, 27],
    '都市': ['東京', '大阪', '名古屋'],
    '年収': [400, 380, 420]
}

df = pd.DataFrame(data)

print("===== DataFrame =====")
print(df)

print()

# 列名を確認
print("===== columnsの使い方 =====")
print("列名:")
print(df.columns)

print()

print("列名のリスト:")
print(df.columns.tolist())

print()

print(f"列数: {len(df.columns)}")

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

===== DataFrame =====
   名前  年齢    都市  年収
0  太郎  25    東京 400
1  花子  23    大阪 380
2  次郎  27   名古屋 420

===== columnsの使い方 =====
列名:
Index(['名前', '年齢', '都市', '年収'], dtype='object')

列名のリスト:
['名前', '年齢', '都市', '年収']

列数: 4

📝 indexの書き方

df.index → インデックスの一覧を返す

df.index.tolist() → インデックスをリスト形式で取得

コード：indexで行インデックスを確認

import pandas as pd

# インデックスに名前を設定したDataFrame
data = {
    '数学': [85, 92, 78],
    '英語': [90, 88, 82],
    '国語': [78, 85, 88]
}

# indexパラメータで行インデックスを指定
df = pd.DataFrame(data, index=['太郎', '花子', '次郎'])

print("===== DataFrame =====")
print(df)

print()

# インデックスを確認
print("===== indexの使い方 =====")
print("インデックス:")
print(df.index)

print()

print("インデックスのリスト:")
print(df.index.tolist())

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

===== DataFrame =====
    数学  英語  国語
太郎  85   90   78
花子  92   88   85
次郎  78   82   88

===== indexの使い方 =====
インデックス:
Index(['太郎', '花子', '次郎'], dtype='object')

インデックスのリスト:
['太郎', '花子', '次郎']

💡 インデックスとは？

インデックスは、各行を識別するための「ラベル」です。

　・デフォルトでは0, 1, 2, …という数字が自動的に付きます

　・自分で名前を設定することもできます（上の例のように）

　・商品IDや日付をインデックスにすることが多いです

📝 dtypesの書き方

df.dtypes → 全ての列のデータ型を表示

df[‘列名’].dtype → 特定の列のデータ型を取得

・dtypesは属性なので、( )は付けません

コード：dtypesでデータ型を確認

import pandas as pd

# 色々なデータ型を含むデータ
data = {
    '商品ID': [101, 102, 103],
    '商品名': ['リンゴ', 'バナナ', 'オレンジ'],
    '価格': [150.5, 100.0, 120.3],
    '在庫': [50, 80, 60],
    '販売中': [True, True, False]
}

df = pd.DataFrame(data)

print("===== DataFrame =====")
print(df)

print()

# 全ての列のデータ型を確認
print("===== 各列のデータ型 =====")
print(df.dtypes)

print()

# 特定の列のデータ型を確認
print("===== 特定の列のデータ型 =====")
print(f"商品名の型: {df['商品名'].dtype}")
print(f"価格の型: {df['価格'].dtype}")
print(f"販売中の型: {df['販売中'].dtype}")

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

===== DataFrame =====
   商品ID   商品名    価格  在庫   販売中
0   101   リンゴ  150.5   50   True
1   102   バナナ  100.0   80   True
2   103  オレンジ  120.3   60  False

===== 各列のデータ型 =====
商品ID        int64
商品名       object
価格        float64
在庫          int64
販売中          bool
dtype: object

===== 特定の列のデータ型 =====
商品名の型: object
価格の型: float64
販売中の型: bool

📌 Pandasの主なデータ型

💡 データ型を確認する理由

データ型が間違っていると、予期しないエラーが発生します：

　・文字列型の数字は計算できない（”100″ + “200” = “100200”）

　・日付が文字列だと、日付計算ができない

　・整数に欠損値があると、float64に変換される

分析前に必ずデータ型をチェックすることで、エラーを防げます！

コード：データ型で列を選択

import pandas as pd

data = {
    '名前': ['太郎', '花子', '次郎'],
    '年齢': [25, 23, 27],
    '身長': [175.5, 162.3, 180.0],
    '会員': [True, True, False]
}

df = pd.DataFrame(data)

print("===== DataFrame =====")
print(df)

print()

# 数値型（int64, float64）の列だけを抽出
print("===== 数値型の列のみ =====")
print(df.select_dtypes(include=['int64', 'float64']))

print()

# 文字列型（object）の列だけを抽出
print("===== object型の列のみ =====")
print(df.select_dtypes(include=['object']))

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

===== DataFrame =====
   名前  年齢    身長    会員
0  太郎  25  175.5   True
1  花子  23  162.3   True
2  次郎  27  180.0  False

===== 数値型の列のみ =====
   年齢    身長
0  25  175.5
1  23  162.3
2  27  180.0

===== object型の列のみ =====
   名前
0  太郎
1  花子
2  次郎

📌 データ確認の6ステップ

Step 1：head() → データの中身を見る

Step 2：shape → 行数・列数を確認

Step 3：info() → 構造と欠損値を確認

Step 4：describe() → 統計情報を見る

Step 5：dtypes → データ型を確認

Step 6：isnull().sum() → 欠損値の数を確認

コード：データ確認の6ステップを実践

import pandas as pd
import numpy as np

# サンプルデータ（欠損値あり）
data = {
    '日付': ['2024-01-01', '2024-01-02', '2024-01-03', '2024-01-04', '2024-01-05'],
    '店舗': ['新宿店', '渋谷店', '新宿店', '池袋店', '渋谷店'],
    '売上': [120000, 135000, np.nan, 145000, 160000],
    '来客数': [45, 52, 58, np.nan, 62],
    '天気': ['晴れ', '曇り', '雨', '晴れ', '晴れ']
}

df = pd.DataFrame(data)

# ===== Step 1: 最初の数行を確認 =====
print("=" * 50)
print("Step 1: 最初の数行を確認 → head()")
print("=" * 50)
print(df.head())

# ===== Step 2: データの形状を確認 =====
print("\n" + "=" * 50)
print("Step 2: データの形状を確認 → shape")
print("=" * 50)
print(f"行数: {df.shape[0]}, 列数: {df.shape[1]}")

# ===== Step 3: データの基本情報 =====
print("\n" + "=" * 50)
print("Step 3: データの基本情報 → info()")
print("=" * 50)
df.info()

# ===== Step 4: 数値列の統計情報 =====
print("\n" + "=" * 50)
print("Step 4: 数値列の統計情報 → describe()")
print("=" * 50)
print(df.describe())

# ===== Step 5: 各列のデータ型 =====
print("\n" + "=" * 50)
print("Step 5: 各列のデータ型 → dtypes")
print("=" * 50)
print(df.dtypes)

# ===== Step 6: 欠損値の確認 =====
print("\n" + "=" * 50)
print("Step 6: 欠損値の確認 → isnull().sum()")
print("=" * 50)
print(df.isnull().sum())

※ 画面が小さい場合は、コードブロックを横にスクロールできます

実行結果

==================================================
Step 1: 最初の数行を確認 → head()
==================================================
         日付   店舗        売上  来客数  天気
0  2024-01-01  新宿店  120000.0  45.0  晴れ
1  2024-01-02  渋谷店  135000.0  52.0  曇り
2  2024-01-03  新宿店       NaN  58.0   雨
3  2024-01-04  池袋店  145000.0   NaN  晴れ
4  2024-01-05  渋谷店  160000.0  62.0  晴れ

==================================================
Step 2: データの形状を確認 → shape
==================================================
行数: 5, 列数: 5

==================================================
Step 3: データの基本情報 → info()
==================================================
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5 entries, 0 to 4
Data columns (total 5 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   日付      5 non-null      object 
 1   店舗      5 non-null      object 
 2   売上      4 non-null      float64
 3   来客数     4 non-null      float64
 4   天気      5 non-null      object 
dtypes: float64(2), object(3)
memory usage: 328.0+ bytes

==================================================
Step 4: 数値列の統計情報 → describe()
==================================================
               売上       来客数
count      4.000000   4.000000
mean  140000.000000  54.250000
std    16733.200530   7.500000
min   120000.000000  45.000000
25%   131250.000000  50.250000
50%   140000.000000  55.000000
75%   148750.000000  59.000000
max   160000.000000  62.000000

==================================================
Step 5: 各列のデータ型 → dtypes
==================================================
日付       object
店舗       object
売上      float64
来客数     float64
天気       object
dtype: object

==================================================
Step 6: 欠損値の確認 → isnull().sum()
==================================================
日付      0
店舗      0
売上      1
来客数     1
天気      0
dtype: int64

💡 確認結果からわかること

Step 1（head）：データの中身を確認。NaNがあることが分かる

Step 2（shape）：5行×5列のデータ

Step 3（info）：売上と来客数は4 non-null → 各1つ欠損がある

Step 4（describe）：売上の平均は140,000円、来客数の平均は54.25人

Step 5（dtypes）：日付がobject型（文字列）→ 日付型に変換が必要かも

Step 6（isnull）：売上と来客数にそれぞれ1つの欠損値がある

📋 問題

1月から12月までの月別売上データを作成し、最初の2行と最後の2行を表示してください。

・月：[‘1月’, ‘2月’, …, ’12月’]

・売上：[100, 110, 120, 130, 140, 150, 160, 170, 180, 190, 200, 210]

📋 問題

生徒の成績データを作成し、行数、列数、列名のリスト、インデックスのリストを表示してください。

・名前：[‘太郎’, ‘花子’, ‘次郎’]

・数学：[85, 92, 78]

・英語：[90, 88, 82]

・国語：[78, 85, 88]

📋 問題

商品データを作成し、info()とdescribe()を使ってデータの特徴を確認してください。

・商品名：[‘商品A’, ‘商品B’, ‘商品C’, ‘商品D’, ‘商品E’]

・価格：[1000, 1500, 2000, 1200, 3000]

・販売数：[150, 200, 120, 180, 90]

📋 問題

色々なデータ型を含むDataFrameを作成し、各列のデータ型を表示してください。さらに、数値型の列だけを抽出してください。

・名前：[‘太郎’, ‘花子’, ‘次郎’]

・年齢：[25, 23, 27]

・身長：[175.5, 162.3, 180.0]

・都市：[‘東京’, ‘大阪’, ‘名古屋’]

📋 問題

欠損値を含むDataFrameを作成し、以下を確認してください：

・各列の欠損値の数

・各列の欠損値の割合（%）

・各列の有効データ数

データ：

・日付：[‘2024-01’, ‘2024-02’, ‘2024-03’, ‘2024-04’]

・売上：[100, None, 120, 130]

・来客数：[50, 60, None, 70]

・天気：[‘晴れ’, ‘雨’, ‘晴れ’, None]

📋 問題

生徒5人分の成績データを作成し、データ確認の6ステップを実践してください。

・名前：[‘太郎’, ‘花子’, ‘次郎’, ‘美咲’, ‘健太’]

・国語：[85, 92, 78, None, 90]

・数学：[90, 88, 82, 87, 85]

・英語：[78, 85, 88, 91, None]

・理科：[92, 87, 85, 89, 91]

・社会：[80, 95, 82, 88, 86]

✅ 学んだこと

✓ head()とtail()でデータの最初と最後を確認する方法

✓ info()でデータの構造と欠損値を確認する方法

✓ describe()で統計情報を一覧表示する方法

✓ shapeで行数・列数を取得する方法

✓ columnsで列名一覧を取得する方法

✓ indexでインデックス一覧を取得する方法

✓ dtypesで各列のデータ型を確認する方法

✓ データ確認の6ステップを実践する方法

💡 次のステップに進む前に確認

以下のことができるようになったか確認しましょう：

□ head()とtail()でデータの一部を表示できる

□ info()でデータの構造を把握できる

□ describe()で統計情報を確認できる

□ shape, columns, indexを使いこなせる

□ dtypesでデータ型を確認できる

□ データ確認の6ステップを実践できる

これらができたら、次のステップに進みましょう！

A: 5行は、データの全体像を把握するのに適切な量だからです。多すぎず少なすぎず、画面に収まりやすい行数です。もちろんhead(10)のように自由に変更できます。

A: 目的が違います。

・info()：データの構造を確認（型、欠損値など）

・describe()：数値の統計情報を確認（平均、標準偏差など）

両方使うことで、データの全体像が分かります。

A: どちらも欠損値でないデータの数を表します。info()では「Non-Null Count」、describe()では「count」と表示されますが、意味は同じです。

A: Pandasでは文字列は通常object型として扱われます。最近のPandasではstring型もありますが、通常はobjectで十分です。objectは文字列だけでなく、異なる型が混在する列にも使われます。

A: デフォルトでは数値列のみ表示されます。文字列列も含めたい場合はdf.describe(include='all')を使ってください。