1. はじめに

pandasを活用して Excel データを集計・分析する方法を解説します。

2. 環境準備

まずは、pandas をインストールしておきましょう。

BASH
pip install pandas openpyxl

必要なライブラリの説明

• pandas: Excel データを表形式（DataFrame）で扱い、効率的に分析できる。
• openpyxl: pandas が Excel データを読み書きするために必要。

3. Excel データを DataFrame に読み込む

Excel データは、以下のような形式を想定します。

Python でこの Excel データを DataFrame に読み込みます。

PYTHON
import pandas as pd

# Excelデータを読み込む
df = pd.read_excel("sample.xlsx", engine='openpyxl')

# データの表示
print(df)

実行結果

商品名   価格  在庫数
0  りんご  100   50
1  みかん  120   40
2  バナナ   80   60
3  ぶどう  200   30
4   もも  150   20

4. データの基本操作

4.1 列の選択

特定の列だけを抽出することができます。

PYTHON
print(df["商品名"])

実行結果

0    りんご
1    みかん
2    バナナ
3    ぶどう
4     もも
Name: 商品名, dtype: object

解説
この方法を使うと、特定の列だけを抽出して分析することができます。

4.2 データのフィルタリング

価格が 100 円以上の商品を抽出。

PYTHON
filtered_df = df[df["価格"] >= 100]
print(filtered_df)

実行結果

商品名   価格  在庫数
0  りんご  100   50
1  みかん  120   40
3  ぶどう  200   30
4   もも  150   20

解説
df[df["価格"] >= 100] のように書くことで、条件を満たすデータだけを抽出できます。

4.3 ソート（並び替え）

価格の昇順・降順で並び替え。

PYTHON
# 昇順
print(df.sort_values(by="価格"))

実行結果

商品名   価格  在庫数
2  バナナ   80   60
0  りんご  100   50
1  みかん  120   40
4   もも  150   20
3  ぶどう  200   30

解説
デフォルトでは昇順（小さい順）に並び替えられます。

PYTHON
# 降順
print(df.sort_values(by="価格", ascending=False))

実行結果

商品名   価格  在庫数
3  ぶどう  200   30
4   もも  150   20
1  みかん  120   40
0  りんご  100   50
2  バナナ   80   60

解説
ascending=False を指定することで、降順（大きい順）に並び替えられます。

5. データの集計

5.1 合計値・平均値の計算

価格と在庫数の合計や平均を計算。

PYTHON
print("価格の合計:", df["価格"].sum())
print("価格の平均:", df["価格"].mean())
print("在庫数の合計:", df["在庫数"].sum())

実行結果

価格の合計: 650
価格の平均: 130.0
在庫数の合計: 200

5.2 グループ化して集計

PYTHON
# カテゴリ列を追加
df["カテゴリ"] = ["果物", "果物", "果物", "果物", "果物"]

# カテゴリごとの平均価格
category_mean = df.groupby("カテゴリ")["価格"].mean()
print(category_mean)

実行結果

カテゴリ
果物    130.0
Name: 価格, dtype: float64

解説
groupby を使うと、特定のカテゴリごとに集計ができます。

6. ピボットテーブルを作成

pandas で Excel のピボットテーブルのような集計を行うことができます。

PYTHON
pivot_table = df.pivot_table(values="価格", index="商品名", aggfunc="sum")
print(pivot_table)

実行結果

価格
商品名
りんご  100
みかん  120
バナナ   80
ぶどう  200
もも   150

解説
pivot_table を使うことで、エクセルのピボットテーブルのような集計が可能になります。

7. 集計データを Excel に書き出す

PYTHON
# フィルタリングしたデータをExcelに保存
filtered_df.to_excel("filtered_output.xlsx", index=False, engine='openpyxl')

解説
データの集計結果を Excel ファイルとして保存し、レポート作成や共有に活用できます。

8. まとめ

• pandas を使うと、Excel のデータを簡単にフィルタリング・ソート・集計できる。
• groupby や pivot_table を使えば、より高度な集計が可能。
• 集計したデータを Excel に保存することで、レポート作成がスムーズに。

データ分析の効率を上げるために、ぜひ pandas の活用を試してみてください。