【CSV/Pandas初めて使う人】PythonでCSVファイルを利用して「あっすごい」って思わせるまで

PythonでCSVファイルを利用する基本的な内容を解説します。

Pythonを使うと任意のデータを利用することも容易になります。

初歩的なことしか知らないと、

「Excelの方が便利だ～」

と思うだけで、

「プログラミングめんどくさい～」

としかなりません。

ネット上にあるオープンデータとして様々なCSVファイルが存在します。

これが活用できれば「できることの幅」が広がります。

Excelで処理しても良いですが、PythonでCSVを利用して簡便性を感じられるまでをご紹介します。

このブログでは、次の内容を紹介します。

CSVファイルをネット上からダウンロードする
（もしくは既存のものを利用する）
PythonでCSVファイルを読み込む
Pandasで簡単なデータ処理をしてみる

ネット上のCSVファイルをリンク指定で直接使用することも可能ですが、このブログでは、一度ダウンロードして、それを利用する方法にします。

ちなみに、Excelのファイルは、read_excel()で同様に処理できます。

※環境はGoogle Colaboratoryを利用します。

CSVファイルについて
【準備】CSVファイルを利用するため
- CSVファイルへのパスを通すための順番
- GoogleColaboratoryでのCSVファイル利用
【CSV】PythonでのCSVの利用方法
【Pandas】CSVをPythonで確認する
【Pandas】CSVデータのヒストグラムをPythonで出す
【Pandas】CSVデータの基本統計量をPythonで出す
【まとめ】PandasでCSVデータ処理の体験

CSVファイルについて

CSVとは、Comma Separated Valueの頭文字を取ったもので「カンマ区切り」という意味です。

「.csv」という拡張子です。

簡素なファイルなので、さまざまなデータを扱う際には便利なものです。

ネット上のCSVデータ

ネット上のオープンデータなどでもCSV形式で用意されていることが多いです。

ネット上にある自由に活用してよいデータは、基本的にリンクをクリックすればダウンロード可能です！

（クロムブックやiPadの場合は、リンクをクリックしてから右上のダウンロードボタンを押す必要があります。）

次のCSVファイルは、練習用に利用してもらって構いません。

成績データ（適当）のCSVファイル

seiseki ダウンロード

※Excelファイルとして保存された場合は「CSV」に変更する必要があります。

ExcelでのCSVの取り扱い

CSVファイルは、Excelを起動して利用できますし、ExcelのデータをCSVにすることも可能です。

その方法は、ここでは書きませんが、ファイルを保存する際に「CSV」の形式で保存するとできます。

【注意】日本語を含むCSVファイル

CSVファイル内に日本語があると、ユニコードの指定などが必要になります。
このブログでは簡単のために英語のみCSVファイルを利用します。

つまり、今回のブログの内容においては、日本語を含むcsvファイルは利用できない、ということです。

ExcelのファイルをcsvにしてPythonで利用したい方は、（このブログの内容の範囲では）英語表記に直したものをご利用ください。

【準備】CSVファイルを利用するため

Pythonの環境が違うと、CSVファイルの利用方法も少しずつ異なります。

CSVファイルへのパスを通すための順番

CSVファイルをPythonで利用するためには、次の作業が必要です。

CSVファイルをアップロードする
CSVファイルのパスをコード内に記述する

JupyterNotebookなどを利用されている場合は楽ですが、Google Colaboratoryの場合は、準備が必要です。

GoogleColaboratoryでのCSVファイル利用

Google Colaboratoryをご利用の方は、次の２つの準備をしてください。

CSVファイルをMyドライブ直下に移動する
（パスの理屈が分かる人は、この作業をする必要は一切ありません。）
ColaboratoryにGoogleドライブをマウントする
（このブログの【参考】の部分で行うことも可能です。）

この２つをしておいてください。

以下は、

Google Colaboratoryで、Googleドライブを接続（マウント）して、CSVファイルがMyドライブ直下に存在する状態

を想定して説明します。

次の画像を参考にしてください。

【CSV】PythonでのCSVの利用方法

PythonでPandasを利用したCSVファイルの利用方法を説明します。

Colaboraryの場合は、次の話を飛ばして、その次の話から書いてある通りに行っていただければできます。

今回は、上に用意した「seiseki.csv」を利用してみます！

次の説明がややこしい人で、Colaboratoryで実践している方は、次の見出しまでジャンプしてもOKです→ジャンプ

ファイルまでのパスの見つけ方

他の環境（Jupyter Notebookの場合、Colaboratoryも含む）の際は、次の魔法の呪文を整えて、CSVファイルの場所を確認してください。

import os
os.getcwd()

この呪文を唱えると、パスが表示されます。

ここで表示されたフォルダを基準にコードを書きます。

一般的なパスの通し方

一般的な場合（例えば、JupyterNotebook）

○○/seieski.csv

でCSVファイルが利用できると思います。

○○の部分に、上の呪文で表示されたチョンチョン ' 'の中身をコピペしてください。

（メイン画面で何も考えずにファイルをアップロードした場合です。。。）

GoogleColaboratoryの場合

Colaboratoryの場合は、上の呪文を行うと、'/content'と表示されます。

チョンチョン ' 'の中身が/content です。

今回は、MyDrive直下にファイルが存在するので、次のコードで「seiseki.csv」までのパスが通ります。

/content/drive/MyDrive/seiseki.csv

「drive」が沢山でてきますが、その理由は、次の画像を参考にしてください。

準備が整いました、PythonでCSVファイルを処理する体験をしてみましょう。

Pandasライブラリを利用します。

【Pandas】CSVをPythonで確認する

PythonでCSVを扱うときには、Pandasを利用します。

Pandasのread_csv()を利用すれば、CSVファイルを読み込むことができます。

次のように入力してみましょう。

import pandas as pd
tokuten = pd.read_csv('/content/drive/MyDrive/seiseki.csv')

実行して何も起こらなければバッチリです！

pandasで、CSVファイルを読み込み【read_csv】、tokutenという名前を付けました。

※他の環境で行っている場合は、/content/drive/MyDriveの部分を適切なパスに変更して下さいね。

このCSVファイルを表示させましょう。

tokuten.head()

と入力して、実行すれば、tokutenというデータの表の上【head】から数えて５行分が表示されます。

次の画像になると思います。

tokuten.head(30)とすれば、データの表の上から３０行分が表示されます。

【Pandas】CSVデータのヒストグラムをPythonで出す

得点のデータなので、ヒストグラムを出してみましょう。

細かいカスタマイズ/設定は省略して、とりあえずヒストグラムが表示できることを紹介します。

import matplotlib.pyplot as plt
fig, ax = plt.subplots(figsize=(10,10))

tokuten.hist(ax=ax)

これを実行すると、ヒストグラムを一挙に出力することができます！

ぜひ、ご自身でやってみてください。

コードの意味を簡単に説明します。

一行目のimport matplotlib.pyplot as plt は、図を表示するためのライブラリmatplotlib.pyplotを読み込んでいます。

二行目にあるsubplotsが複数のヒストグラムを出力する指示になります。

※この部分は、たぬきねこの小部屋さんの「【Pandas】各列のヒストグラムを通る【Matplotlib, メモ】」のサイトを参考にしました。ありがとうございます。

tokuten.histで、データ【tokuten】のヒストグラム【hist】を出力する命令です。

tokuten.hist()だけで複数のヒストグラムが表示できるのですが、図が被ってしまうので、二行目の設定をしています。

【Pandas】CSVデータの基本統計量をPythonで出す

ヒストグラムをたくさん出して、図を描いた気分になれたので、基本統計量も出力しましょう。

今までの続きで、次のように記述しましょう。

tokuten.describe()

今回のデータ【tokuten】の（基本統計量を）描写【describe】するという意味です。

これを実行すれば、いくつかの統計量を自動的に計算してくれます。

いいね👍

英語の意味は、

count・・・データの個数/大きさ
mean・・・平均値
std・・・標準偏差
min・・・最小値
25%・・・第一四分位数
50%・・・第二四分位数（中央値/median）
75%・・・第三四分位数
max・・・最大値

ですね。

【まとめ】PandasでCSVデータ処理の体験

PythonのPandasでCSVデータを処理する手始めをじっくりと解説しました。

特に、Google Colaboratoryに準拠して書きましたが、ほかの環境でもできます。

この話を応用すれば、ネット上にある多くのデータを自分で活用できるようになります。
自分ができることの幅が圧倒的に広がりますね！

データファイルのパスを通すまでが難しいかもしれませんが、一度慣れれば何も難しくありません。

ぜひCSVファイルを活用してみましょう！

最後まで、ご覧いただき、ありがとうございます！

カテゴリー: でーたさいえんてぃすと

タグ: Google Colaboratory Python 情報科