pandas チュートリアル
パンダを始める

備考

バージョン

インストールまたはセットアップ

パンダをセットアップまたはインストールする詳しい手順は、公式文書に記載されています 。

Anacondaでパンダをインストールする

pandasとNumPyとSciPyスタックの残りの部分は、経験の浅いユーザーにとっては少し難しいかもしれません。

pandasだけでなく、PythonやSciPyスタック（IPython、NumPy、Matplotlibなど）を構成する最も人気のあるパッケージをインストールする最も簡単な方法は、クロスプラットフォーム（Linux、Mac OS X、Windows）のAnacondaです。データ解析と科学計算のためのPython配布。

シンプルなインストーラを実行すると、ユーザは他のソフトウェアをインストールすることなく、ソフトウェアのコンパイルを待つことなく、パンダやその他のSciPyスタックにアクセスできます。

Anacondaのインストール手順はこちらをご覧ください 。

Anacondaディストリビューションの一部として利用可能なパッケージの完全なリストがここにあります 。

Anacondaをインストールすることのもう一つの利点は、インストールするための管理者権限を必要とせず、ユーザーのホームディレクトリにインストールされ、後でAnacondaを削除するだけです（そのフォルダを削除するだけです）。

ミニコンダでパンダをインストールする

前のセクションでは、Panaをアナコンダ配布の一部としてインストールする方法について説明しました。ただし、この方法では、100以上のパッケージをインストールし、数百メガバイトのサイズのインストーラをダウンロードすることになります。

あなたがより多くのパッケージを制御したい、またはインターネット帯域幅が限られている場合は、 Minicondaでパンダをインストールする方が良い解決法かもしれません。

Condaは、Anacondaディストリビューションが構築しているパッケージマネージャです。これは、クロスプラットフォームと言語に依存しないパッケージマネージャーです（pipとvirtualenvの組み合わせに似た役割を果たすことができます）。

Minicondaはあなたが最小限の自己完結型のPythonのインストールを作成し、使用することができますCondaの追加パッケージをインストールするコマンドを。

まずCondaをインストールし、ダウンロードして実行する必要があります。Minicondaがこれを実行します。インストーラはここにあります 。

次のステップは、新しいconda環境を作成することです（これらはvirtualenvに似ていますが、インストールするPythonのバージョンも正確に指定できます）。ターミナルウィンドウから次のコマンドを実行します。

conda create -n name_of_my_env python

これによりPythonのみがインストールされた最小限の環境が作成されます。あなた自身をこの環境の中に置くには：

source activate name_of_my_env

Windowsの場合、コマンドは次のようになります。

activate name_of_my_env

必要な最後のステップは、パンダをインストールすることです。これは次のコマンドで行うことができます：

conda install pandas

特定のパンダバージョンをインストールするには：

conda install pandas=0.13.1

他のパッケージをインストールするには、例えばIPythonをインストールします：

conda install ipython

Anacondaディストリビューションを完全にインストールするには：

conda install anaconda

pipすることができますが、condaは使用できないパッケージが必要な場合は、単にpipをインストールし、pipを使用してこれらのパッケージをインストールします。

conda install pip
pip install django

通常は、パケットマネージャの1つを使ってパンダをインストールします。

pipの例：

pip install pandas

NumPyを含む多くの依存関係をインストールする必要があり、必要なコードをコンパイルするためにコンパイラーが必要になり、完了に数分かかることがあります。

anaconda経由でインストールする

最初にContinuumサイトからanacondaをダウンロードしてください。グラフィカルインストーラ（Windows / OSX）またはシェルスクリプト（OSX / Linux）を実行してください。これにはパンダも含まれます！

150個のパッケージを便利にanacondaにバンドルしたくない場合は、 minicondaをインストールすることができます。グラフィカルインストーラ（Windows）またはシェルスクリプト（OSX / Linux）のいずれかを使用します。

minicondaにpandasをインストールするには：

conda install pandas

anacondaまたはminicondaでパンダを最新バージョンに更新するには：

conda update pandas

こんにちは世界

Pandasがインストールされたら、ランダムに分散した値のデータセットを作成し、そのヒストグラムをプロットすることで、正しく動作しているかどうかを確認できます。

import pandas as pd  # This is always assumed but is included here as an introduction.
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(0)

values = np.random.randn(100) # array of normally distributed random numbers
s = pd.Series(values) # generate a pandas series
s.plot(kind='hist', title='Normally distributed random values') # hist computes distribution
plt.show()   

データの統計情報（平均値、標準偏差など）を確認してください。

s.describe()
# Output: count    100.000000
# mean       0.059808
# std        1.012960
# min       -2.552990
# 25%       -0.643857
# 50%        0.094096
# 75%        0.737077
# max        2.269755
# dtype: float64

記述統計

数値列の記述統計量（平均、標準偏差、観測数、最小値、最大値、および4分位数）は、記述統計のpandasデータフレームを返す.describe()メソッドを使用して計算できます。

In [1]: df = pd.DataFrame({'A': [1, 2, 1, 4, 3, 5, 2, 3, 4, 1], 
                           'B': [12, 14, 11, 16, 18, 18, 22, 13, 21, 17], 
                           'C': ['a', 'a', 'b', 'a', 'b', 'c', 'b', 'a', 'b', 'a']})

In [2]: df
Out[2]: 
   A   B  C
0  1  12  a
1  2  14  a
2  1  11  b
3  4  16  a
4  3  18  b
5  5  18  c
6  2  22  b
7  3  13  a
8  4  21  b
9  1  17  a

In [3]: df.describe()
Out[3]:
               A          B
count  10.000000  10.000000
mean    2.600000  16.200000
std     1.429841   3.705851
min     1.000000  11.000000
25%     1.250000  13.250000
50%     2.500000  16.500000
75%     3.750000  18.000000
max     5.000000  22.000000

Cは数値列ではないため、出力から除外されていることに注意してください。

In [4]: df['C'].describe()
Out[4]:
count     10
unique     3
freq       5
Name: C, dtype: object

この場合、この方法は、観察回数、固有の要素の数、モード、およびモードの頻度によって分類データを要約する。