はじめに

この記事では、Pythonのライブラリの一つであるPandasの使い方をオープンデータを利用しながら学んでいく。
今回はcsvファイルを読み込むところまで。
データ解析のときに、二次元リストやnumpyの二次元配列を使うのではなく、データフレームの機能を使いこなせるようになりたい。

この記事は、以下の著作物を改変して利用しています。
あいちの人口（2024年9月1日現在）　愛知県人口動向調査結果　月報、愛知県、クリエイティブ・コモンズ・ライセンス
表示２.１日本（http://creativecommons.org/licenses/by/2.1/jp/）

実行環境

マシン：MacBook Air
チップ：Apple M3
Python：Python3.12.5
pip：pip 24.2

Pandasのインストール

pipを使うだけ

$ pip3 install pandas

データのダウンロード

今回は、愛知県の推計人口データ（csvファイル）を利用する。
https://www.pref.aichi.jp/soshiki/toukei/jinko1new.html
他にも、「オープンデータ」で検索すると、政府や自治体の統計情報が利用できるので、興味をもったものをダウンロードするといいと思う。

ダウンロードしたら、ソースコードと同じディレクトリに移動し、ついでにファイル名も分かりやすいように変更しておく（今回はpopulation.csv）

データを読み込んで表示するプログラム

以下のプログラムは、人口データをデータフレームに読み込み、データフレーム、values、colums、indexを表示するプログラム

import pandas as pd

# csvファイルをデータフレームに読み込む
df = pd.read_csv('population.csv', encoding='shift_jis')
# データフレームの中身を表示
print(df)
print('\n')

print('df.valuesの型：',type(df.values))
print(df.values)
print('\n')

print('df.columsの型：',type(df.columns))
print(df.columns)
print('\n')

print('df.indexの型：',type(df.index))
print(df.index)

注意点
csvファイルを読み込むときに文字コードが間違っているとエラーが発生する。
今回、初めはutf-8で読み込んでいたせいでうまく動かなかった。

実行結果（長いので一部省略）

         コード    県 ブロック    郡市  区町村  ...   20240501   20240601   20240701   20240801   20240901
0    23000.0  愛知県    ―     ―    ―  ...  7468102.0  7468844.0  7467278.0  7467704.0  7465512.0
1    23100.0  愛知県  名古屋  名古屋市    ―  ...  2328397.0  2329553.0  2329438.0  2330296.0  2330385.0
（省略）
638  23563.0  愛知県  東三河  北設楽郡  豊根村  ...       12.0       12.0       12.0       12.0       12.0
639      NaN  NaN  NaN   NaN  NaN  ...        NaN        NaN        NaN        NaN        NaN

[640 rows x 20 columns]


df.valuesの型： <class 'numpy.ndarray'>
[[23000.0 '愛知県' '―' ... 7467278.0 7467704.0 7465512.0]
 [23100.0 '愛知県' '名古屋' ... 2329438.0 2330296.0 2330385.0]
（省略）
 [23563.0 '愛知県' '東三河' ... 12.0 12.0 12.0]
 [nan nan nan ... nan nan nan]]


df.columsの型： <class 'pandas.core.indexes.base.Index'>
Index(['コード', '県', 'ブロック', '郡市', '区町村', '国籍区分', '性別', '年齢区分', '内容', '20231101',
       '20231201', '20240101', '20240201', '20240301', '20240401', '20240501',
       '20240601', '20240701', '20240801', '20240901'],
      dtype='object')


df.indexの型： <class 'pandas.core.indexes.range.RangeIndex'>
RangeIndex(start=0, stop=640, step=1)

valuesがデータ、columsが列ラベル、indexが行ラベルだと考えればよさそう

おわりに

今後はソートや、グラフで可視化ができたらと考えている
次の記事→Pandasで条件を満たす行を抽出する｜Python