Python主要ライブラリ超入門

日付:


～pandas / numpy / matplotlib で何ができるの？～

Pythonを勉強していると、 必ず出てくる3大ライブラリ。

  • pandas

  • numpy

  • matplotlib

正直、最初はこう思う。「で、何ができるの？」ということで、まとめました。


🐼 第1章：pandas 何ができる？

Excel職人の最終進化形

pandas は、 表データ操作の最強ライブラリです。

🔹 できること

機能何が嬉しい？
Excel / CSV 読み書きファイル操作が超簡単
データ抽出条件で一発抽出
集計groupbyで一瞬
並び替えsort_values
欠損処理NaN処理が楽

👉 Excelでやってた面倒作業を全部自動化


🔹 インストール

pip install pandas

Colabなら：

!pip install pandas

🔹 超基本サンプル

import pandas as pd

df = pd.read_excel("sample.xlsx")
print(df.head())

📌 Excel読み込み → 表として扱える

🔹 実務での使い道

  • 定例レポート自動作成

  • CSV加工

  • データクレンジング

  • 売上集計

👉 仕事効率が10倍になるゾーン

🔢 第2章：numpy 何ができる？

数値計算を爆速にする職人

numpy は、高速な数値計算専用ライブラリ

🔹 できること

機能何が嬉しい？
配列処理for文ほぼ不要
行列計算線形代数が一瞬
統計計算平均・分散など
乱数高速ランダム生成

🔹 インストール

pip install numpy

🔹 超基本サンプル

import numpy as np

a = np.array([1,2,3])
b = np.array([4,5,6])

print(a + b)

📌 配列同士の計算が一瞬

🔹 いつ使う？

  • 機械学習

  • 統計解析

  • 大量データ処理

👉 pandas や AI系ライブラリの 土台

📊 第3章：matplotlib 何ができる？

グラフ職人

matplotlib は、グラフ描画の定番ライブラリ

🔹 できること

グラフ用途
折れ線時系列
棒グラフ比較
円グラフ割合
散布図相関

🔹 インストール

pip install matplotlib

🔹 超基本サンプル

import matplotlib.pyplot as plt

x = [1,2,3,4]
y = [10,20,25,30]

plt.plot(x, y)
plt.show()

📌 グラフが一発で出る

🔹 実務での使い道

  • レポート用グラフ作成

  • データ分析結果の可視化

  • KPI可視化

🎨 第4章：seaborn 何ができる？

matplotlibをおしゃれにするデザイナー

seaborn は、美しい統計グラフを簡単に描ける可視化ライブラリ

matplotlib を内部で使っているので、 上位互換・ラッパー的存在。

🔹 できること

グラフ用途
ヒートマップ相関分析
箱ひげ図分布確認
散布図（高機能）相関関係
回帰線付きグラフ傾向分析

🔹 インストール

pip install seaborn

Colab：

!pip install seaborn

🔹 超基本サンプル

import seaborn as sns
import matplotlib.pyplot as plt

sns.set()

x = [1,2,3,4,5]
y = [2,4,6,8,10]

sns.lineplot(x=x, y=y)
plt.show()

📌 matplotlibより一瞬でおしゃれ

🔹 seabornが本気を出す瞬間

import seaborn as sns
import pandas as pd

# サンプルデータ
df = sns.load_dataset("iris")

sns.pairplot(df, hue="species")

📌 データ分析感が一気に出る

🧠 第5章：4兄弟の役割まとめ

ライブラリ役割例え
numpy計算エンジン電卓
pandas表データ処理Excel
matplotlibグラフ図表作成
seabornおしゃれデザイナー

黄金パターン：

pandasで処理 → numpyで計算 → seabornで可視化

🚀 第6章：最小構成まとめ

pip install pandas numpy matplotlib seaborn

これだけ入れれば：

👉 実務Pythonスターターキット完成