import pandas as pd   # pdという別名が慣習import numpy as nppd.__version__

import pandas as pd# リストからSeriesを作成s = pd.Series([10, 20, 30, 40, 50])print(s)# 0    10# 1    20# 2    30# 3    40# 4    50# インデックスを指定s2 = pd.Series([10, 20, 30], index=["a", "b", "c"])s2["a"]   # 10s2["b"]   # 20

import pandas as pd# 辞書からDataFrameを作成data = {    "名前": ["田中", "鈴木", "佐藤", "山田"],    "年齢": [25, 30, 28, 22],    "点数": [85, 92, 78, 88],    "合格": [True, True, False, True],}df = pd.DataFrame(data)print(df)#    名前  年齢  点数     合格# 0   田中   25   85   True# 1   鈴木   30   92   True# 2   佐藤   28   78  False# 3   山田   22   88   True

df.shape    # (4, 4)（行数、列数）df.dtypes   # 各列のデータ型df.info()   # 概要情報df.describe()  # 数値列の統計情報

# 列の選択df["名前"]           # 1列をSeriesとしてdf[["名前", "点数"]] # 複数列をDataFrameとして# 行の選択df.iloc[0]    # インデックス番号で行を選択df.iloc[0:2]  # スライスで複数行df.loc[0]     # ラベルで行を選択df.loc[0:1]   # ラベルでスライス# 条件でフィルタリングdf[df["点数"] >= 85]        # 点数85以上df[df["合格"] == True]      # 合格者のみdf[(df["年齢"] >= 25) & (df["点数"] >= 85)]

# 列の追加df["評価"] = ["B", "A", "C", "B"]# 列の削除df.drop("評価", axis=1, inplace=True)# 列の演算df["点数"] = df["点数"] * 1.1    # 全体10%アップ# 並び替えdf.sort_values("点数", ascending=False)   # 点数の降順# 欠損値の処理df.isnull().sum()         # 欠損値の数df.fillna(0)              # 欠損値を0で埋めるdf.dropna()               # 欠損値のある行を削除

# CSVファイルの読み込みdf = pd.read_csv("data.csv", encoding="utf-8")df = pd.read_csv("data.csv", encoding="utf-8", index_col=0)# Excelファイルdf = pd.read_excel("data.xlsx", sheet_name=0)# CSVへの保存df.to_csv("output.csv", encoding="utf-8", index=False)# JSONdf = pd.read_json("data.json")df.to_json("output.json", force_ascii=False)

import pandas as pddata = {    "部門": ["営業", "技術", "営業", "技術", "人事"],    "氏名": ["田中", "鈴木", "佐藤", "山田", "中村"],    "給与": [400, 500, 420, 480, 380]}df = pd.DataFrame(data)# 部門ごとの平均給与df.groupby("部門")["給与"].mean()# 部門ごとの人数と平均・合計df.groupby("部門").agg({"給与": ["count", "mean", "sum"]})