Pandas データフレームの基本情報の表示，散布図，要約統計量，ヒストグラム（Python, pandas, matplotlib, seaborn, Iris データセット, titanic データセットを使用）（Google Colaboratory へのリンクあり）

1. エグゼクティブサマリー

Python の pandas データフレームを用いた基本情報の表示，散布図，要約統計量，ヒストグラムについて，プログラム例などで説明する．

【目次】

エグゼクティブサマリー
前準備（必要ソフトウェアの入手）
実行のための準備とその確認手順（Windows 前提）
概要・使い方・実行上の注意
ソースコード
まとめ

本記事では，seaborn に付属する Iris データセットと titanic データセットを使用し，以下の操作をプログラム例とともに説明する．

pandas データフレームの基本的な情報の表示（head, shape, ndim, columns, info(), dtypes）
matplotlib を用いた散布図の作成
describe() による各属性の要約統計量（総数，平均，標準偏差，最小，四分位点，中央値，最大）の表示
matplotlib を用いたヒストグラム（1次元・2次元）の作成

Google Colaboratory のページ:

次のリンクをクリックすると，Google Colaboratory のノートブックが開く． Google アカウントでログインすると，Google Colaboratory のノートブック内のコード等を編集・再実行できる．編集しても，他の人に影響はない．編集後のものは，各自の Google ドライブ内に保存できる．

https://colab.research.google.com/drive/1LfMuE3IVYKhXb57YGdsX_dmfnTvj5oKb?usp=sharing

2. 前準備（必要ソフトウェアの入手）

ここでは、最低限の事前準備について説明する。機械学習や深層学習を行う場合は、NVIDIA CUDA、Visual Studio、Cursorなどを追加でインストールすると便利である。これらについては別ページ https://www.kkaneko.jp/cc/dev/aiassist.htmlで詳しく解説しているので、必要に応じて参照してください。

Python 3.12 のインストール（Windows 上） [クリックして展開]

以下のいずれかの方法で Python 3.12 をインストールする。Python がインストール済みの場合、この手順は不要である。

方法1：winget によるインストール

管理者権限のコマンドプロンプトで以下を実行する。管理者権限のコマンドプロンプトを起動するには、Windows キーまたはスタートメニューから「cmd」と入力し、表示された「コマンドプロンプト」を右クリックして「管理者として実行」を選択する。

winget install --scope machine --id Python.Python.3.12 -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "/quiet InstallAllUsers=1 PrependPath=1 Include_pip=1 Include_test=0 Include_launcher=1 InstallLauncherAllUsers=1"

--scope machine を指定することで、システム全体（全ユーザー向け）にインストールされる。このオプションの実行には管理者権限が必要である。インストール完了後、コマンドプロンプトを再起動すると PATH が自動的に設定される。

方法2：インストーラーによるインストール

Python 公式サイト（https://www.python.org/downloads/）にアクセスし、「Download Python 3.x.x」ボタンから Windows 用インストーラーをダウンロードする。
ダウンロードしたインストーラーを実行する。
初期画面の下部に表示される「Add python.exe to PATH」に必ずチェックを入れてから「Customize installation」を選択する。このチェックを入れ忘れると、コマンドプロンプトから python コマンドを実行できない。
「Install Python 3.xx for all users」にチェックを入れ、「Install」をクリックする。

インストールの確認

コマンドプロンプトで以下を実行する。

python --version

バージョン番号（例：Python 3.12.x）が表示されればインストール成功である。「'python' は、内部コマンドまたは外部コマンドとして認識されていません。」と表示される場合は、インストールが正常に完了していない。

AIエディタ Windsurf のインストール（Windows 上） [クリックして展開]

Pythonプログラムの編集・実行には、AIエディタの利用を推奨する。ここでは、Windsurfのインストールを説明する。Windsurf がインストール済みの場合、この手順は不要である。

winget install --scope machine --id Codeium.Windsurf -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --custom "/SP- /SUPPRESSMSGBOXES /NORESTART /CLOSEAPPLICATIONS /DIR=""C:\Program Files\Windsurf"" /MERGETASKS=!runcode,addtopath,associatewithfiles,!desktopicon"
powershell -Command "$env:Path=[System.Environment]::GetEnvironmentVariable('Path','Machine')+';'+[System.Environment]::GetEnvironmentVariable('Path','User'); windsurf --install-extension MS-CEINTL.vscode-language-pack-ja --force; windsurf --install-extension ms-python.python --force; windsurf --install-extension Codeium.windsurfPyright --force"

【関連する外部ページ】

Windsurf の公式ページ: https://windsurf.com/

必要なライブラリのインストール [クリックして展開]

管理者権限のコマンドプロンプトで以下を実行する．管理者権限のコマンドプロンプトを起動するには，Windows キーまたはスタートメニューから「cmd」と入力し，表示された「コマンドプロンプト」を右クリックして「管理者として実行」を選択する．

python -m pip install -U pip setuptools numpy pandas matplotlib seaborn scikit-learn scikit-learn-intelex

3. 実行のための準備とその確認手順（Windows 前提）

3.1 プログラムファイルの準備

第5章のソースコードをテキストエディタ（メモ帳，Windsurf 等）に貼り付け，main.py として保存する（文字コード：UTF-8）．コード中の %matplotlib inline は Jupyter Notebook / Google Colaboratory 向けの記述であり，通常の Python スクリプトとして実行する場合は削除すること．

3.2 実行コマンド

コマンドプロンプトでファイルの保存先ディレクトリに移動し，以下を実行する．

python main.py

Google Colaboratory を使用する場合は，以下のリンクからノートブックを開き，各セルを順に実行する．

https://colab.research.google.com/drive/1LfMuE3IVYKhXb57YGdsX_dmfnTvj5oKb?usp=sharing

3.3 動作確認チェックリスト

確認項目	期待される結果
iris, titanic データセットの読み込み	エラーなく読み込まれ，`head()` で先頭5行が表示される
基本的な情報の表示（iris）	`head()`, `info()`, `shape`, `ndim`, `columns`, `dtypes` の各結果が表示される
基本的な情報の表示（titanic）	`head()`, `info()`, `shape`, `ndim`, `columns`, `dtypes` の各結果が表示される
Iris データセットの1列目・2列目の表示	`iris.iloc[:,1]` と `iris.iloc[:,2]` の値が表示される
散布図の表示	1列目と2列目の散布図（赤い丸）が軸ラベル付きで表示される
要約統計量の表示	`describe()` により，総数，平均，標準偏差，最小，四分位点，中央値，最大が表示される
1次元ヒストグラムの表示	1列目，2列目それぞれのヒストグラムが軸ラベル付きで表示される
2次元ヒストグラムの表示	1列目と2列目の2次元ヒストグラムが軸ラベルおよびカラーバー付きで表示される

4. 概要・使い方・実行上の注意

4.1 データセットの準備

seaborn の load_dataset 関数で Iris データセットと titanic データセットを読み込み，head() で先頭部分を確認する．

4.2 基本的な情報の表示

pandas データフレームの基本情報は，以下のメソッド・属性で表示できる．

head: 先頭部分の表示
shape: サイズ
ndim: 次元数
columns: 属性名
info(): 各属性のデータ型
dtypes: 各属性のデータ型一覧

4.3 散布図

iloc で Iris データセットの特定の列を取り出し，plt.plot で散布図を描画する．オブジェクト iris には 0, 1, 2, 3, 4列目がある．「plt.style.use('ggplot')」はグラフの書式設定，「ro」は赤い丸のマーカー指定である．

4.4 各属性の要約統計量

describe() で各属性の要約統計量（総数，平均，標準偏差，最小，四分位点，中央値，最大）を表示する．

4.5 ヒストグラム

plt.hist で1次元ヒストグラムを，plt.hist2d で2次元ヒストグラムを描画する．対象は Iris データセットの1列目と2列目である．

5. ソースコード

5.1 iris, titanic データセットの読み込み

import pandas as pd
import seaborn as sns
sns.set()
iris = sns.load_dataset('iris')
titanic = sns.load_dataset('titanic')

5.2 データの確認

print(iris.head())
print(titanic.head())

5.3 基本的な情報の表示

print(iris.head())
print(iris.info())
print(iris.shape)
print(iris.ndim)
print(iris.columns)
print(iris.dtypes)

print(titanic.head())
print(titanic.info())
print(titanic.shape)
print(titanic.ndim)
print(titanic.columns)
print(titanic.dtypes)

5.4 読み込んだ Iris データセットの表示

print(iris)

5.5 Iris データセットのうち，1列目と2列目の表示

* オブジェクト iris には 0, 1, 2, 3, 4列目がある．

print(iris.iloc[:,1])
print(iris.iloc[:,2])

5.6 Iris データセットについて，1列目と2列目の散布図

「plt.style.use('ggplot')」はグラフの書式設定である．「ro」は赤い丸のマーカー指定である．

%matplotlib inline
import matplotlib.pyplot as plt
plt.style.use('ggplot')
plt.plot(iris.iloc[:,1], iris.iloc[:,2], 'ro')
plt.xlabel(iris.columns[1])
plt.ylabel(iris.columns[2])
plt.show()

5.7 各属性の要約統計量（総数，平均，標準偏差，最小，四分位点，中央値，最大）

import seaborn as sns
sns.set()
iris = sns.load_dataset('iris')
titanic = sns.load_dataset('titanic')

print(iris.describe())
print(titanic.describe())

5.8 ヒストグラム

%matplotlib inline
import matplotlib.pyplot as plt
plt.style.use('ggplot')

plt.hist(iris.iloc[:,1])
plt.xlabel(iris.columns[1])
plt.show()

plt.hist(iris.iloc[:,2])
plt.xlabel(iris.columns[2])
plt.show()

5.9 2次元ヒストグラム

%matplotlib inline
import matplotlib.pyplot as plt
plt.style.use('ggplot')

plt.hist2d(iris.iloc[:,1], iris.iloc[:,2])
plt.xlabel(iris.columns[1])
plt.ylabel(iris.columns[2])
plt.colorbar()
plt.show()

6. まとめ

本記事で扱った主要概念を以下に整理する．

6.1 pandas データフレームの基本情報表示

head, shape, ndim, columns, info(), dtypes により，先頭部分，サイズ，次元数，属性名，データ型を確認できる．

6.2 seaborn によるデータセットの読み込み

load_dataset 関数で Iris データセットや titanic データセットを pandas データフレームとして読み込める．

6.3 散布図

plt.plot と iloc で特定の列を対象に散布図を描画できる．plt.style.use('ggplot') でグラフの書式を設定し，「ro」で赤い丸のマーカーを指定する．

6.4 要約統計量

describe() で総数，平均，標準偏差，最小，四分位点，中央値，最大を一覧表示できる．

6.5 ヒストグラム

plt.hist で1次元ヒストグラムを，plt.hist2d で2次元ヒストグラムを描画できる．2次元ヒストグラムでは plt.colorbar() でカラーバーを表示し，度数分布を色で確認できる．