概要（インデックス管理は「行ラベルを設計して、選択・結合・時系列操作を安定化」する）pandasのインデックスは“行のラベル”です。単なる番号ではなく、選択（loc）、結合（join/merge）、並...

概要（pandas の join は「インデックスで横に結合」する最短ルート）DataFrame.join は、“インデックス”をキーにして横方向（列を増やす）へ結合します。SQL の JOIN に似...

概要（フィルタリングは「欲しい行だけを、短く正確に抜く」ための基本）pandasのフィルタリングは、条件式でTrue/Falseのマスクを作り、Trueの行だけを抽出するのが基本形です。重要なのは「ブ...

概要（欠損値可視化は「どこで、どれだけ、どう偏っているか」を一目で掴むための入口）欠損値は“壊れたデータ”ではなく“情報が抜けている状態”です。可視化の目的は、列ごとの欠損量、行方向の偏り（特定期間・...

概要（正規化は「値の範囲を揃えて比較・学習を安定化」する前処理）正規化（Normalization）は、特徴量の値を一定の範囲にスケーリングする処理です。最も基本的な手法は Min–Max 正規化で、...

概要（標準化は「平均0・標準偏差1」に揃えて、比較と学習を安定させる）データの標準化（Standardization）は、各特徴量を平均0・標準偏差1に変換する処理です。スケールが揃うことで、距離や勾...

概要（行列計算は「配列の形をそろえて、演算子と線形代数APIに載せる」）NumPyの行列計算は、2次元配列（ndarray）を使って加算・減算・要素積・行列積・転置・逆行列・行列式・固有値・連立方程式...

概要（ベクトル演算は「配列同士を一発で計算」できる最短ルート）NumPyのベクトル演算は、forループを使わずに配列（一次元配列＝ベクトル）をまとめて計算します。足し算・引き算・要素ごとの掛け算、内積...

概要（配列計算の高速化は「Pythonのループを捨て、NumPyのベクトル化へ乗り換える」）配列計算の高速化の要は、NumPy配列（ndarray）に処理を寄せることです。Pythonのforループや...

概要（numpy randomは「乱数で“試す・検証する・生成する”」ための基礎道具）NumPyの乱数は、データのシミュレーション、重みの初期化、サンプリング、シャッフル、ノイズ付与などに使います。初...

概要（グラフの保存は「見せたい品質で出力」を実現する最後の一歩）matplotlib（pandasのplotの裏側）なら、画像形式や解像度、余白、透明背景などを細かく制御して保存できます。初心者は「f...

概要（複数グラフは「比較」と「文脈」を一枚で伝えるための基本スキル）複数グラフの描画は、指標の関係や推移を“並べて”見せることで理解を一気に深めます。pandasとmatplotlibを使えば、サブプ...

概要（ヒートマップは「2次元の表を色で読み解く」最短ルート）ヒートマップは、2次元の数値テーブルを色の濃淡で表現するグラフです。相関（どの列同士が関係強い？）、クロス集計（店舗×月の売上）、時系列のパ...

概要（ヒストグラムは「値の分布」を一目でつかむための入口）ヒストグラムは、数値データを区間（ビン）に分け、各区間に何件入ったかを棒で表すグラフです。平均や中央値では見えない「偏り」「裾の重さ」「外れ値...

概要（散布図は「2つの変数の関係」を直感で掴むための基本グラフ）散布図は、横軸にX（説明変数）、縦軸にY（目的変数）を置き、各行を点としてプロットします。点の並びから、正の相関・負の相関・無相関、外れ...