第13回「pandasの使い方（3）時系列データ、欠損値処理、データ連結、統計データ」

一般社団法人Pythonエンジニア育成推進協会はコラム「第13回「pandasの使い方（3）時系列データ、欠損値処理、データ連結、統計データ」」を公開しました。

#＃＃

こんにちは、小澤です。

データ分析は現代のビジネスや科学研究において不可欠なスキルとなっており、膨大なデータを効率よく操作・分析するためのツールとして、pandasは非常に強力です。pandasを活用することで、データの整理、加工、集計といった基本的な作業が簡便かつ迅速に行えるようになります。

今回の解説では、pandasを用いた時系列データの作成方法、欠損値の処理、データの連結、および統計データの取り扱いについて取り上げます。教科書『Pythonによる新しいデータ分析の教科書（第2版）』では、4.2章「pandas」の160ページ〜177ページの箇所です。これらは、データ分析の基礎を形成するもので、効果的なデータ解析を行う上で欠かせないものです。


時系列データの作り方
時系列データは、時間に従って変化するデータのことです。pandasは、時系列データの作成と操作を簡単に行うことができます。pandasのpd.date_range()関数を使って、指定した期間内の等間隔な日付のインデックスを生成することができます。例えば、2024年1月1日から2024年12月31日までの日付インデックスを作成する場合、次のように記述します。

この続きは以下をご覧ください
(リンク »)