データの確認 - Yuki's blog

import pandas as pd
df = pd.read_excel("data.xlsx")
df.head()

import pandas as pd

df = pd.read_excel("data.xlsx")

df.head()

import でライブラリを読み込み、read関数で使用するファイルを読み込みhead()で使用ファイルのデータの最初の5行を表示しています。

df.shape

df.shape

(7, 3)

shapeを用いることで使用データの行数と列数の確認をすることができます。今回は(7, 3)と表示され7行3列のデータになっていることが確認できます。

df.dtypes

df.dtypes

カラムA int64

カラムB object

カラムC float64

dtype: object

dtypesを用いることで各カラムのデータの型を確認することができます。

df["カラムB"].unique()

1	df["カラムB"].unique()

array([‘chiba’, ‘Chiba’, ‘tokyo’, ‘saitama’, ‘kanagawa’, ‘?’], dtype=object)

unique()を用いることで指定したカラムがどのような値で構成されているか確認することができます。

今回はカラムBを指定したため, ([‘chiba’, ‘Chiba’, ‘tokyo’, ‘saitama’, ‘kanagawa’, ‘?’]の6つの値で構成されていることが確認できます。

df["カラムB"].value_counts()

1	df["カラムB"].value_counts()

kanagawa 2

chiba 1

Chiba 1

tokyo 1

saitama 1

? 1

Name: カラムB, dtype: int64

value_counts()で指定したカラムの各値が何回出現したか確認することができます。今回はkanagawaのみ2回, それ以外は1回ずつ出現していることが確認できます。

df.describe()

1	df.describe()

describe()を用いることで平均値, 標準偏差, 最小値, 最大値などの統計量の確認することができます。

df.isnull().sum()

1	df.isnull().sum()

カラムA 0

カラムB 0

カラムC 3

dtype: int64

isnull().sum()を用いることで欠損値の数を確認することができます。今回はカラムCで3個の欠損値が確認できます。isnull().sum()では空白のNaNのみカウントされるためカラムBの?についてはカウントされないので注意。