こんにちは！ PA Labです。この記事では以下のような方を対象にしています。

TableauやPower BIなどのBI/分析ツール、R言語やmatlab、最近ではJulia言語などモダンな言語も充実してきていますが、ある程度柔軟かつ幅広く分析を行う際にはPythonが一番メジャーな言語となっています。

そこで今回はデータ分析で便利なPythonのライブラリをある程度網羅的にわかりやすく簡単に解説していきます。そもそもデータ分析で何ができるか、ということから紹介していきますので、未経験からデータ分析を行ってみたいという方からある程度データ分析がすでにできる方もぜひ一読いただければ幸いです。

今回紹介するライブラリは基本的にPythonでデータ分析を行う方ならどれも必須のライブラリとなっていますので、今後データ分析を進めていきたい方はこの記事で分析の参考にしてみてください。

データ分析とは

データ分析は今あるデータから分類・整理・取捨選択を行って、価値がある分析結果を出す事で何らかの目的を達成していくプロセスになります。

例えば身近な例ではコンビニエンスストアなどの小売業の陳列棚は購買情報のデータを分析した結果、最適化されていますし、沢山の人のクレジットカードの決済情報から不正に使用された時には検知してアラートする仕組みなどもデータ分析を行って、機械学習と呼ばれる技術で統計的に予測するモデルを利用したものになります。

データを元に何らかの意味がある情報を抽出して解釈する事で新たな施策を打ち出していく事は今後どの業界においても確実に必須のスキルとなっています。例えば、工場ではセンサーを扱ったデータ分析を行いますし、ゲーム業界やIT業界ではどのような施策を打てばいいのか、という事に直接つながっていきます。

データ分析で必須のPythonライブラリ

それでは早速データ分析で必須のライブラリを紹介していきます。

データ分析で必須のPythonライブラリ (1) Jupyter Notebook/Colaboratory

まずはPythonでデータ分析を行う人なら誰でもご存知のJupyter Notebookですね。

Pythonを使ったプログラミングは通常以下のプロセスになります。

ただし、Jupyter Notebookを使用することで以下のような事ができるようになります。

最近では割とスタンダードな形式になっており、コード・グラフ・文章も簡単に記述出来るのでそのまま資料として他の方に共有がしやすいので、かなり柔軟なBIツールや資料作成ツールとしての使い方も可能です。

またライブラリではありませんが、Googleが出しているマネージドなJupyter NotebookのColaboratoryというサービスは非常におすすめです。

という点で、こちらも今では必須のツールになっています。

特に初学者の方はライブラリのインストールや環境構築で躓く事が非常に多いのですが、Colaboratoryを使えばその心配はありません。今回紹介するライブラリもほぼ全て最初から入っているので、実際ブラウザでColaboratoryを開いてコードを記述していけばすぐにデータ分析を進める事が出来ます。

Colaboratoryでは以下のようにグラフ画像の結果やリンクを貼ることが出来たり、目次機能がありクリックすることも出来る。

データ分析で必須のライブラリ (2) Pandas

データを扱う際にはこれがないと始まらない、といったレベルで必須のライブラリPandasです。

データの読み込みから統計的情報の取得、前処理からグラフの作成まで何でも出来るライブラリです。最近では更に便利になってきていて、HTMLのページを直接解析してデータフレームにしたり、CSVやエクセル、Googleスプレッドシートを直接読み込む事も出来ます。

データ分析で必須のライブラリ (3) NumPy

NumPyは数値計算や行列演算を得意とするライブラリで、計算量を効率よくする事が出来ます。

少し難しい話になりますが、行列演算と呼ばれる操作をする事で大量の計算を効率よく計算することが出来ます。わかりやすく例えるなら、「1を足す計算」を1000回行う場合と「1000を1回掛ける計算」を1回行う場合だと後者の方が効率が良いですよね。行列演算という処理で同じような事を行うのがこのライブラリになります。

実はPandasのいくつかの関数ではNumPyによる自動化されている事が多いです。ある程度データ分析のスキルがある方には必須ですが、初学者は計算量を意識せず、まずは分析を行っていくのも一つの手かと思います。

データ分析で必須のライブラリ (4) SciPy

次はSciPyというライブラリで科学技術計算を行うのに必須のライブラリになります。ちなみに「さいぱい」と読みます。例えばわかりやすい例で言うと、微分積分などの操作や、損失関数の最適化が簡単に出来ます。最適化やフーリエ変換、線形代数の一部の演算が行えるので、高度な分析や最適化を行うときに使用します。

高額なmatlabのような計算ソフトウェアでしていた処理がPythonだと無料で使用できるのは非常に便利な時代になりました。

データ分析で必須のライブラリ (5) plotly(matplotlib/seaborn)

データを可視化するための必須のツールmatplotlibです。

一番良く使われているのはmatplotlibと呼ばれるライブラリですが、matplotlib単体だときれいなグラフではないので、誰でもきれいに可視化出来るようにしたライブラリがseabornです。内部ではmatplotlibを使用していますが、seabornを使うとキレイなプロットを出力してくれます。

ただ私個人としては最近はplotlyという可視化ライブラリが便利で共有が簡単かつグラフがキレイになっているので、おすすめのライブラリになります。

データ分析で必須のライブラリ (6) pandas-profiling

こちらのライブラリは知っている人も少ないかもしれませんが、探索的データ解析(EDA)に便利なライブラリとなっています。

探索的データ解析とはデータの色んな特徴量をあらゆる角度から分析していく手法になります。1から行うとかなり大変ですが、pandas-profilingを使用すると簡単に色んな分析結果を自動で出力してくれます。

例えば、有名なタイタニック号のデータセットではデータの中に性別や年齢の情報が含まれていますが、中央値や平均値などの統計的情報や年齢のヒストグラムなどを一発で出力してくれるものになるので、とりあえずデータ分析を行う際の初手で使う場面が多いです。

まとめ

今回はデータ分析で必須のPythonライブラリの簡単な紹介をしていきました。プログラミングをした事がない方でも凄くとっつきやすい時代になってきたので、まずはColaboratoryで簡単なプログラミングやデータ分析を試していくのが良いと思います。

PA Labでは「AIを用いた自動化×サービス開発」の専門家として活動をしています。高度なデータ分析からシステム開発まで一貫したサービス提供を行っており、特に機械学習やディープラーニングを中心としたビジネス促進を得意としております。

無料で分析設計/データ活用に関するご相談も実施中なので、ご相談があればお問い合わせまで。