概要（datetime変換は「文字列の日付を“時系列のエンジン”に乗せる最初の一歩」）pandasで日付・時刻を扱うときは、まず文字列をdatetime型へ変換します。datetimeにしておくと、並...

概要（dtypeは「列の型」。正しく揃えると計算・集計・可視化が安定する）pandasのdtype（データ型）は、各列が「数値・文字列・日時・真偽値・カテゴリなどのどれか」を表すラベルです。型がズレて...

概要（describeは「列ごとの要約統計を一瞬で確認する」入口）pandasのdescribeは、数値列やカテゴリ列の“基本統計”をまとめて表示するメソッドです。数値なら件数・平均・標準偏差・最小/...

概要（sort_valuesは「列の値で並べ替えて“見やすく・計算しやすく”する基本操作）pandasのsort_valuesは、指定した列の値を基準にDataFrameを並べ替えるメソッドです。昇順...

概要（drop_duplicatesは「重複行を安全に取り除いて、件数や集計を正しくする」）pandasのdrop_duplicatesは、DataFrameやSeriesから“重複したデータ”を削除...

概要（fillnaは「欠損値を意図した値で埋めて分析を続行する」ための入口）pandasのfillnaは、DataFrameやSeriesに含まれる欠損値（NaN/None/pd.NA）を、固定値・前...

概要（lambdaは「その場で小さな関数」を作り、データ処理を短く書くための道具）lambda（無名関数）は、名前を付けずに1行で小さな関数を作る仕組みです。短い変換・条件分岐・並べ替えのキー指定など...

概要（applyは「行や列ごとに関数を適用して柔軟に加工する」）pandasのapplyは、SeriesやDataFrameに対して「各要素」「各行」「各列」へ関数を適用するための基本メソッドです。f...

概要（loc/ilocは「行・列の取り出し方が違う」二大基本操作）pandasのlocとilocは、DataFrameから行・列・セルを取り出すための代表的な方法です。locはラベル（行名・列名）で指...

概要（meltは「横持ちの列を縦に溶かして整然データへ変換する」）pandasのmeltは、ワイド形式（横持ち）をロング形式（縦持ち）へ変換するためのメソッドです。列として並んだ複数の計測値（例: M...

概要（pivot_tableは「集計しながら縦長データを行×列へ再配置する」）pandasのpivot_tableは、Excelのピボットテーブルと同じ発想で「行（index）」「列（columns）...

概要（pivotは「縦長データを横に広げて“見やすい表”に再配置する」）pandasのpivotは、行ラベル・列ラベル・値列を指定して、縦に並んだレコードを「行×列」の表へ並べ替えるメソッドです。Ex...

概要（pandas.mergeは「共通キーで行を突き合わせる」SQLライクな結合）pandas.mergeは、2つのDataFrameを共通するキー（列やインデックス）を基準に結合します。SQLのJO...

概要（pandas.concatは「複数の表を縦・横にまとめる」ための基本ツール）pandas.concatは、複数のDataFrameやSeriesを連結して1つのDataFrameにまとめる関数で...

概要（pandas.read_jsonは「JSONを表に変換する入口」）pandasのread_jsonは、JSON文字列・ファイル・URLなどを読み込み、分析しやすいDataFrameへ変換する関数...