TechAcademy（テックアカデミー） プログラミング Python pandasで株価のデータを取得する方法【初心者向け】
オーダーメイドコース
icon
icon
Python

pandasで株価のデータを取得する方法【初心者向け】

初心者向けにpandasで株価のデータを取得する方法について解説しています。pandasはデータ分析や数値計算を支援のライブラリですが、WebスクレイピングのようにHTMLページを解析することもできます。DataFrame形式をCSVに変換してみましょう。

テックアカデミーマガジンは受講者数No.1のプログラミングスクール「テックアカデミー」が運営。初心者向けにプロが解説した記事を公開中。現役エンジニアの方はこちらをご覧ください。 ※ アンケートモニター提供元：GMOリサーチ株式会社　調査期間：2021年8月12日～8月16日　 調査対象：2020年8月以降にプログラミングスクールを受講した18～80歳の男女1,000名　 調査手法：インターネット調査

pandasで株価のデータを取得する方法について解説します。

そもそもPythonについてよく分からないという方は、Pythonとは何なのか解説した記事を読むとさらに理解が深まります。

 

なお本記事は、TechAcademyのオンラインブートキャンプPython講座の内容をもとに紹介しています。

 

田島悠介

今回は、Pythonに関する内容だね！

大石ゆかり

どういう内容でしょうか？

田島悠介

pandasで株価のデータを取得する方法について詳しく説明していくね！

大石ゆかり

お願いします！

 

pandas.read_html関数の使い方

pandasはデータ分析や数値計算を支援する、Pythonのモジュールです。

pandas.read_html関数はWebページにアクセスし、表形式のデータ(tableタグ)を探索し、DataFrame形式のデータとして読み込みます。戻り値はDataFrameのリストになります。

詳細は公式のドキュメントを参照してください。
 

株価のデータの取得先

この記事では、日経新聞のWebサイトの公開しているデータを利用します。
以下URLで、各企業の株価データ過去1ヶ月分を参照できます。

 

https://www.nikkei.com/nkd/company/history/dprice/?scode=<証券コード>&ba=1

 

[PR] 未経験からWebエンジニアを目指す方法とは

実際に書いてみよう

前提

pipコマンドでpandasモジュールをインストールしておきます。

 

pip install pandas

 

サンプルコード

import pandas

frame = pandas.read_html('https://www.nikkei.com/nkd/company/history/dprice/?scode=7203&ba=1')[0]
csv = frame.to_csv()

with open('toyota_stock.csv', 'w') as f:
  print(csv, file=f)

 

実行結果

カレントディレクトリに株価データ一覧のtoyota_stock.csvファイルが保存されました。

 

解説

1行目でpandasモジュールをインポートしました。
3行目で日経新聞のWebページにアクセスし、株価データを取得しました。例としてトヨタ自動車を指定しました。
4行目でpandas DataFrame形式をCSV形式に変換しました。
6,7行目でCSVデータをファイルに書き込みました。

 

留意事項

このプログラムは日経新聞のWebページをスクレイピングしています。
WebページのURL、記述内容、レイアウトなどが変化すると、動作しなくなる可能性があります。
 

監修してくれたメンター

橋本紘希

システムインテグレータ企業勤務のシステムエンジニア。

開発実績: Javaプログラムを用いた業務用Webアプリケーションや、基幹システム用バッチアプリケーションなどの設計構築試験。

 

大石ゆかり

内容分かりやすくて良かったです！

田島悠介

ゆかりちゃんも分からないことがあったら質問してね！

大石ゆかり

分かりました。ありがとうございます！

 

TechAcademyでは、初心者でもPythonを使った人工知能（AI）や機械学習の基礎を習得できるオンラインブートキャンプPython講座を開催しています。

挫折しない学習方法を知れる説明動画や、現役エンジニアとのビデオ通話とチャットサポート、学習用カリキュラムを体験できる無料体験も実施しているので、ぜひ参加してみてください。

記事を検索

関連するキーワード

関連する記事

Pythonで仮想環境を作成する方法を現役エンジニアが解説【初心者向け】

Pythonで仮想環境を作成する方法について解説します。 そもそもPythonについてよく分からないという方は、Pythonとは何なのか解説した記事を読む...
Python

BytesIO（およびStringIO、cStringIO）の使い方【初心者向け】

BytesIO（およびStringIO、cStringIO）の使い方について解説します。 そもそもPythonについてよく分からないという方は、Pytho...
Python

Pythonで現在時刻を取得する方法を現役エンジニアが解説【初心者向け】

Pythonで現在時刻を取得する方法について、TechAcademyのメンター（現役エンジニア）が実際のコードを使用して、初心者向けに解説します。 &nb...
Python

Pythonのglobモジュールで特殊文字をエスケープする方法を現役エンジニアが解説【初心者向け】

Pythonのglobモジュールで特殊文字をエスケープする方法について、TechAcademyのメンター（現役エンジニア）が実際のコードを使用して、初心者向けに...
Python

PythonでSlackのBotを作成する方法を現役エンジニアが解説【初心者向け】

PythonでSlackのBotを作成する方法について、TechAcademyのメンター（現役エンジニア）が実際のコードを使用して、初心者向けに解説します。 ...
Python

Pythonのprint関数で出力値の書式を設定する方法を現役エンジニアが解説【初心者向け】

Pythonのprint関数で出力値の書式を設定する方法について、TechAcademyのメンター（現役エンジニア）が実際のコードを使用して、初心者向けに解説し...
Python

あわせてよく読まれている記事

データ分析のライブラリ！Pandasとは【初心者向け】｜現役エンジニアが解説

今回は、Pythonのデータ解析用ライブラリであるPandasについて解説します。 Pandasを使うと、データの統計量を表示したり、グラフ化するなど、データ分析（データサイエンス）や機械学習で必要となる作業を簡単に行うことができるようになります。 Pythonでデータ分析を行うには、必須のライブラリなので、ぜひこの記事を参考に、Pandasの使い方を覚えましょう。   なお本記事は、TechAcademyのAIオンライン講座の内容をもとに作成しています。   目次 Pandasとは Pandasの特徴 Pandasでできること Pandasを使うメリット Pandasを利用するには ダウンロード手順 初期設定 Pandasの使い方 Pandasをより便利に使う方法 Pandasの勉強方法   大石ゆかり 田島メンター！Pandasというのは何でしょうか？ 田島悠介 Pythonのデータ解析用のライブラリだよ。Pythonでデータ分析や機械学習を行うには、必須のライブラリなんだ。 大石ゆかり どのような機能があるのですか？ 田島悠介 例を見ながら説明していくね！ Pandasとは Pandasは、Pythonでデータ分析を効率的に行うためのライブラリです。Pandasはオープンソース(BSDライセンス)で公開されており、個人／商用問わず、誰でも無料で利用することができます。 Pandasを使うと、 データの読み込みや統計量の表示 グラフ化 データ分析 に関する作業を容易に行うことができるようになります。また主要なコードはPythonまたはC言語で書かれており、Pythonだけでデータ分析を行うのと比較して、非常に高速に処理を行うことができます。 データ分析（データサイエンス）は、機械学習を行うまでの前処理（データの読み込み、クリーニング、欠損値の補完、正規化など）が、全ての作業の8〜9割を占めると言われています。Pandasを使うとそのような処理が効率的に行えるようになるため、Pythonで機械学習を行うには、Pandasは必須のライブラリとなっています。   [PR] 未経験からWebエンジニアを目指す方法とはPandasの特徴 Pythonによるデータ分析で多く使われているライブラリといえば、PandasやMatplotlib、NumPyなどがあげられます。これらのライブラリはそれぞれ以下のような特徴があります。   Pandas Pandasはデータの読込や並べ替え、欠損値（欠けている項目値）の補完などを行うことができるライブラリです。データ分析の前処理段階でとても多く利用されています。 データの読込はCSVやテキストだけでなく、エクセルやインターネット上で提供されている株価情報など、多様な形式のデータを読み込むことが出来ます。 また、Pandasの特徴はDataFrameという多機能な「表」にあります。DataFrameにはデータの平均値や行数などの概要的な特徴を把握する機能や、並べ替えや列名の変更などのデータを整形する機能があります。 またキーを指定しての集計やMatplotlibと連携してのグラフによる可視化など、データ分析のデータ前処理の段階で便利な多くの機能が提供されています。データ分析の過程では、Pandasである程度データをきれいに整えてから、NumPyで数値計算を行うようといったように、使い分けて利用することが多いでしょう。   Matplotlib MatplotlibはPythonで代表的なグラフを描画するライブラリです。2Dだけでなく3Dも含めた多くの種類のグラフを描画することができます。 Matplotlibは慣れると使いやすいのですが、はじめは使い方がやや難しく感じると思います。そのような場合、PandasやSeabornなどのライブラリと組み合わせることで、見た目の良いグラフを簡単に描画することができます。 Matplotlibはデータ分析の様々な段階で、NumPyやPandasと組み合わせてデータの概要を把握したり、特徴を可視化するような目的で使用します。   NumPy NumPyは数値計算や行列演算を行うライブラリです。複数の数値を配列としてまとめて扱ったり、行列演算を行ったりするのが得意です。 特にコンピューターで小数点以下を扱う際の標準的な形式である浮動小数点型の行列演算を高速に行うことが出来ます。また三角関数や平方根などの数値計算の機能も豊富です。 NumPyはある程度データの前処理が終わり、きれいに整ったデータに対して数値計算を行うのに向いているライブラリと言えます。   Pandasでできること Pandasには多くの機能があります。主に利用する機能を確認してみましょう。なお以下でDataFrameと記載しているのはDataFrameオブジェクトを指しています。 データの読込 CSV形式のデータの読込：read_csv() Excelファイルの読込：read_excel() JSON文字列の読込：read_json() pickle形式(Pythonオブジェクトを保存する形式)によるデータの読込/書込：read_pickle()、to_pickle() インターネット上で提供されている株価情報の読込：pandas-datareader データの特徴を把握 データの特徴を表示：DataFrame.info() 要約統計量を表示：DataFrame.describe() データの一部を表示：DataFrame.head()、DataFrame.tail() データの形状を表示：DataFrame.shape 行数を取得：DataFrame.index.values 列名を取得：DataFrame.columns.values それぞれの列の型を取得：DataFrame.dtypes データの切り出し（スライス） データのスライス：DataFrame[]、DataFrame.iloc[]、DataFrame.loc[] フィルタリング：DataFrame.query() データの並べ替え 値による並べ替え：DataFrame.sort_values() インデックスによる並べ替え：DataFrame.sort_index() 列名の変更：DataFrame.rename() 集計 列の集計：DataFrame.value_counts() 表の集計：DataFrame.groupby() ※groupby().sum()で合計、groupby().mean()で平均値得ることができる 可視化 Matplotlibのimportが必要 ヒストグラム：DataFrame.hist() 散布図、線グラフ：DataFrame.plot() 棒グラフ：DataFrame.bar() 箱ひげ図：DataFrame.boxplot() 欠損値の扱い 欠損値の確認：DataFrame.isnull().sum() 欠損値に値を埋める：DataFrame.fillna() 欠損値のある行を削除する：DataFrame.dropna() その他 カテゴリー変数の展開：get_dummies() 列同士の相関を確認：DataFrame.corr()   Pandasを使うメリット データ分析であればExcelなどの表計算ソフトを使えば十分という方も多いでしょう。Pandasを使うと、大量データに対して何度でも同じ処理をプログラムを実行するだけで行うことができるというメリットがあります。 大量データの処理が可能 Pandasではパソコンのメモリ容量が許す限り、大量のデータをDataFrameに読み込んで処理を行うことが出来ます。動作速度も表計算ソフトほど遅くはなりません。 同じ処理を何度も再実行できる 1つ1つの作業を人間が操作して行うのではなく「プログラム」として記述することで、何度でも全く同じ処理を繰り返し実行することが可能となります。 データ分析では再現性が重要であり、手順書をもとにした人間の操作よりも、プログラムで処理自体を記述したほうが、確実に同じ処理を再実行することができます。 また、大量データに対する処理は数時間～数日も時間を要することがあります。このような場合でも、人間はプログラムを実行して結果を待つだけです。表計算ソフトのように、付きっきりで操作し続ける必要はありません。 さらにパソコンを複数台数用意して、条件を少し変えたプログラムを同時並行で実行して結果を比較する、といったことも容易に実現可能です。 他のライブラリと連携し多彩な機能を実現できる 他のライブラリと連携することで、プログラムを実行してグラフを描画したり、加工した結果を表計算ソフトのファイルとして出力するなど、Pandasだけでは行えない多くのことを実現することができます。   Pandasを利用するには Pandasを利用するには、Anacondaなどの「ディストリビューション」と呼ばれる開発環境をまとめたパッケージを使うのが簡単です。Anacondaは、データ分析やグラフ描画など、Pythonでよく利用されるライブラリを含んだ開発環境です。 ここではAnacondaを例にダウンロード手順と初期設定について確認しましょう。   ダウンロード手順 Anacondaの公式サイトからProducts > Individual Edition > Downloadを表示します。 Anaconda – Individual Edition – Download Windows、Mac共に「Python 3.7 – 64-Bit Graphical Installer」をクリックしてダウンロードします。なお、Python2.7は古いバージョンであり、サポート期間が2020年4月とすでに終了しています。どうしても必要な場合を除き、利用することは無いでしょう。 ダウンロードしたファイルを実行することでインストールを行うことが出来ます。選択肢などは既定値のままで良いでしょう。   初期設定 インストールが終わったら、Anaconda Navigatorを起動します。はじめに初期設定として必要なライブラリをインストールしましょう。 ライブラリのインストールはEnvironmentsから行います。Environmentsを開き、「Not installed」を選択して検索ボックスに「pandas」と入力します。 一覧にPandasが表示されますので、チェックボックスで選択し、画面右下のApplyボタンを押すことでインストールすることができます。 また、今回は説明用にscikit-learnのサンプルデータセット（トイデータセット）を使用します。同様にscikit-learnとnumpy、matplotlibもインストールしておきましょう。 インストールが終わったらHomeに戻ります。プログラムはJupyter Notebookで作成します。画面の「jupyter notebook」と書かれた部分の「Launch」ボタンをクリックします。 初回は「Install」ボタンになっており、クリックするとJupyter Notebookがインストールされます。 以降は、Jupyter Notebookをもとに、Pandasの使い方を説明します。   Pandasの使い方 Pandasを使う際は、初めにPandasライブラリをインポートします。併せてサンプルデータセットも利用できるようにしておきましょう。 # Pandas、及び必要なライブラリのインポート import pandas as pd from pandas import DataFrame import numpy as np # サンプルデータセットを取得する from sklearn import datasets boston = datasets.load_boston() 実行結果は特にありません。エラーがでなければ、正しくインポートされています。 次に、サンプルデータセットをPandasのDataFrame型に変換しておきます。なお、今回はサンプルデータセットを使いましたが、CSVデータを読み込むread_csvという命令も用意されています。 # PandasのDataFrame型に変換 df = DataFrame(boston.data, columns = boston.feature_names) # 目的変数をDataFrameへ追加 df['MEDV'] = np.array(boston.target) 準備が整いました。それではPandasの命令を幾つか見ていきましょう。   データの概要を確認する 先頭5行を表形式で表示する df.head() 実行結果は以下のようになります。 行列数を表示する df.shape 実行結果は以下のようになります。 (506, 14) 細かい情報を表示する dataset.info() 実行結果は以下のようになります。 <class 'pandas.core.frame.DataFrame'> RangeIndex: 21613 entries, 0 to 21612 Data
機械学習

Pythonのpandasライブラリの使い方について現役エンジニアが解説【初心者向け】

Pythonのpandasライブラリの使い方について、TechAcademyのメンター（現役エンジニア）が実際のコードを使用して初心者向けに解説します。 そもそもPythonについてよく分からないという方は、Pythonとは何なのか解説した記事を読むとさらに理解が深まります。   なお本記事は、TechAcademyのオンラインブートキャンプPython講座の内容をもとに紹介しています。   田島悠介 今回は、Pythonに関する内容だね！ 大石ゆかり どういう内容でしょうか？ 田島悠介 Pythonのpandasライブラリの使い方について詳しく説明していくね！ 大石ゆかり お願いします！   目次 pandasとは pandasの使い方 pandasを利用してCSVデータを取得してみよう まとめ   pandasとは pandasとはPythonライブラリの一つでデータを効率的に処理する為に開発されたライブラリです。 PandasではCSV等の様々なデータフォーマットの読み込み・削除・追加・書き出し等の処理ができます。また、pandasのデータフレーム機能を利用する事で、python上で一次元や二次元のデータ処理を簡単に実行できます。 Python上でExcelのようなデータ操作ができるイメージです。Pythonを使ったデータサイエンス等の分野においても欠かすことのできないライブラリの1つとなってます。   [PR] 未経験からWebエンジニアを目指す方法とはpandasの使い方 pandasを使ってCSVデータを読み込む場合は下記のようなコードを使用します。 # pandasライブラリのimport import pandas as pd # CSVデータをpandasを使用して読み込む data = pd.read_csv('csvパス',index_col='インデックスとして使用する列番号')   pandasを利用してCSVデータを取得してみよう それではサンプルコードを参考にpandasを利用してCSVデータを取得してましょう。 サンプルコードで使用するCSVはこちらからダウンロードしてください。 [sample.csv] ID 商品名 価格 1 りんご 150 2 みかん 100 3 ぶどう 300 4 ばなな 200 5 もも 500   サンプルコード # pandasライブラリのimport import pandas as pd # csvデータをpandasを使用して読み込む data = pd.read_csv('sample.csv',index_col=0,encoding='shift_jis') # 取得したデータを出力してみよう print(data)   実行結果 ID 商品名 価格 1 りんご 150 2 みかん 100 3 ぶどう 300 4 ばなな 200 5 もも 500   解説 コード2行目では、pandasライブラリを読み込んでいます。コード5行目では、pandasを利用してsample.csvを変数dataにデータフレームとして読み込んでいます。 今回はサンプルコードと同じディレクトリにsample.csvを配置しているのでCSVファイルのパスはファイル名のみになります。また、今回用意しているsample.csvはshift-jisで保存されているのでencordingを使って文字コードを揃えるようにしましょう。 コード8行目では、読み込んだCSVデータをデータフレーム形式で出力しています。 実行結果では読み込んだCSVデータがデータフレーム形式で出力されている事が確認できます。   まとめ 今回は、Pythonのpandasライブラリの使い方について紹介しました。 Pythonのpandasライブラリを使用する事で様々なデータ処理を簡単に行うことができます。 今回紹介した内容以外にもpandasには様々な便利な機能が用意されているので、興味のある方はそちらも是非学習してみて下さい。   監修してくれたメンター 菅繕久（すがよしひこ） 現在はフリーランスのエンジニアをしていてプログラミング歴は8年目になります。 普段は Python、FileMaker等を使って様々な業務で活用できるIoTプロダクトRPAツールを作成しています。 開発実績としては、業務自動化ツール(在庫管理・発注・ファイル操作 etc)、電子カルテシステム、ロボット用プログラムなどがあります。 TechAcademyではPythonコースを担当しております。   大石ゆかり 内容分かりやすくて良かったです！ 田島悠介 ゆかりちゃんも分からないことがあったら質問してね！ 大石ゆかり 分かりました。ありがとうございます！   TechAcademyでは、初心者でもPythonを使った人工知能（AI）や機械学習の基礎を習得できるオンラインブートキャンプPython講座を開催しています。 挫折しない学習方法を知れる説明動画や、現役エンジニアとのビデオ通話とチャットサポート、学習用カリキュラムを体験できる無料体験も実施しているので、ぜひ参加してみてください。
Python

PythonのPandasのDataFrameについて現役エンジニアが解説【初心者向け】

PythonのPandasのDataFrameについて、TechAcademyのメンター（現役エンジニア）が実際のコードを使用して、初心者向けに解説します。 Pythonについてそもそもよく分からないという方は、Pythonとは何なのか解説した記事を読むとさらに理解が深まります。   なお本記事は、TechAcademyのオンラインブートキャンプ、Python講座の内容をもとに紹介しています。   田島悠介 今回は、Pythonに関する内容だね！ 大石ゆかり どういう内容でしょうか？ 田島悠介 PythonのPandasのDataFrameについて詳しく説明していくね！ 大石ゆかり お願いします！   目次 Pandasとは PandasのDataFrameについて 実際に書いてみよう まとめ   Pandasとは Pandasとは、データ分析を効率的に行うための外部ライブラリです。 Pandasをインストールするにはターミナル上に以下のようにcondaやpipなどのコマンドを打ちます。（この辺りはご自身の環境でどちらのパッケージマネージャーを使っているかによって異なります。） pip install pandas もしくは conda install pandas これでPandasがインストールできたかと思います。Pandasは一般的に以下のようにpdという名前を付けてimportします。（この記事を執筆するにあたってはjupyter notebookを用いています。） import pandas as pd Pandasを使うと、データの読み込みや表示だけでなく、データのグラフ化なども簡単に実現できます。CSVファイルを読み込んでPythonで扱うこともできるので非常に便利です。 ちなみにCSVファイルはread_csv()メソッドにCSVファイルのパスを渡して以下のように読み込みます。 data = pd.read_csv("test.csv") 変数dataにはCSVファイルのデータが格納されました。実際に結果を表示してみます。（jupyter notebookではdataと変数名を打つと変数に格納されている中身を確認できます。） 各生徒のテストの点数が科目ごとに表示されましたね。 [PR] 未経験からWebエンジニアを目指す方法とはPandasのDataFrameについて 次に、Pandasを扱う際に必ず抑えておくべきDataFrameという概念についてご説明します。 DataFrameとは、Pandasで表形式のデータを扱うためのデータ型のことです。先ほどの例で言えば、変数dataにはDataFrameが格納されています。 念のためデータ型をtype()関数で確認してみます。 【出力結果】 type(data) 【実行結果】 pandas.core.frame.DataFrame これで、変数dataはDataFrame型であると確認できましたね。 実際に書いてみよう それでは読み込んだデータを実際に扱っていきましょう。 ここではDataFrameのスライスを実施してみます。スライスはDataFrame名.loc[行][列]の形で実施します。例えば[2,3]のようにリスト形式で行を、[“japanese”, “social_study”]のように列を指定することも可能です。 #2行目のデータを取得 data.loc[2] #2行目と3行目のデータを取得 data.loc[[2,3]] #2行目の"japanese"列にあるデータを取得 data.loc[2]["japanese"] #2,3行目の"japanese","social_study"列にあるデータを取得 data.loc[[2,3]][["japanese","social_study"]] 自由自在にスライスすることができたかと思います。この他にも色々な指定方法があるので、是非ご自身で試してみてください。 まとめ この記事ではPandasでDataFrameを扱う方法についてご紹介しました。 Pandasを使うとデータの操作が効率良くできるようになり、非常に快適です。是非使いこなせるようになりましょう。 監修してくれたメンター 柴山真沙希（しばやままさき） 大手IT企業などでエンジニアとして2年ほど勤務した後、個人事業主としてプログラミングスクール「エンペサール」を経営。子供から大人まで幅広い層を対象にプログラミングを教えている。 得意言語はPython, HTML, CSSで、機械学習やデータ分析、スクレイピングなどが得意。サッカー観戦や読書が趣味である。   大石ゆかり 内容分かりやすくて良かったです！ 田島悠介 ゆかりちゃんも分からないことがあったら質問してね！ 大石ゆかり 分かりました。ありがとうございます！   TechAcademyでは、初心者でも、Pythonを使った人工知能（AI）や機械学習の基礎を習得できる、オンラインブートキャンプを開催しています。 また、現役エンジニアから学べる無料体験も実施しているので、ぜひ参加してみてください。
Python

Pythonのpandasを利用してcsvファイルを操作する方法を現役エンジニアが解説【初心者向け】

Pythonのpandasを利用してcsvファイルを操作する方法について、テックアカデミーのメンター（現役エンジニア）が実際のコードを使用して初心者向けに解説します。 目次pandas.read_html関数の使い方株価のデータの取得先実際に書いてみよう監修してくれたメンター そもそもPythonについてよく分からないという方は、Pythonとは何なのか解説した記事を読むとさらに理解が深まります。   田島悠介 今回は、Pythonに関する内容だね！ 大石ゆかり どういう内容でしょうか？ 田島悠介 Pythonのpandasを利用してcsvファイルを操作する方法について詳しく説明していくね！ 大石ゆかり お願いします！   1. pandasモジュールとは？ pandasは、データ解析を支援する機能を提供するPythonライブラリです。 効率的な二次元データ操作のためのDataFrameという形式のオブジェクトを使って、データを整形したり、集計・結合させたりすることができるライブラリになっています。 pandasの機能としてcsvのデータを読み書きする機能も提供されています。 今回は数多く存在するpandasの機能の中からcsvを操作する方法を紹介していきます。 2. pandasモジュールの使い方 2-1. ライブラリのインストール pipでインストールできますので、以下の1行を実行します。 pip install pandas 2-2. pandasにおけるDataFrame形式 pandasでcsvを読みこむ場合、DataFrame形式に変換して扱います。 pandasでcsvを操作する前にDataFrame形式について説明します。 DataFrameオブジェクトは、下の図のように、複数の行と列から成る表形式のデータです。 列名と、行名（インデックス）の情報と、中身であるデータの情報を持っています。 列名や行名を使って特定のデータを抽出したり、集計したりすることができるため、pythonで表形式のデータを扱う際に非常に有用です。 2-3. csvの読み込み インストールできたらPython上では以下のようにライブラリをインポートします。 import pandas as pd csvを読み込む際には以下のように記述します。 df = pd.read_csv("ファイル名") オンライン上にあるcsvデータを参照する場合はそのcsvのリンクを引数に指定しても参照できます。 上記のコードによって、csvデータの内容からpandasで処理可能なDataFrameオブジェクトが作成されます。 ただし、そのまま読み込むとcsvの1行目が列名として扱われます。 使用するデータに列名がない場合は、以下のように引数にheader=Noneとして列名のない設定にすれば、列名の代わりに自動的に0始まりの列番号を各列に割り振ることができます。 df = pd.read_csv('data/src/sample.csv', header=None)   2-4. csvの書き込み 次にDataFrameをcsvとして書き込む方法です。 書き込みたいDataFrameに対して、以下のコードでcsvを書き込みできます。 df.to_csv("ファイル名") [PR] 未経験からWebエンジニアを目指す方法とはpandasモジュールを利用してcsvファイルを操作してみよう それでは、実際にcsvファイルを操作してみましょう。 今回は以下のcsvを使用します。 テキストエディタに以下の文字列を保存してください。 ファイル名はsample.csvとします。 name, age Taro, 24 Ken, 21 Ichiro, 32 データの準備ができたら、以下のコードを実行してみてください。 import pandas as pd df = pd.read_csv("sample.csv") df["work"] = ["Engineer", "Student", "Baseball Player"] df.to_csv("out.csv") df = pd.read_csv("sample.csv")でsamlpe.csvを読みこみ, DataFrame型に変換し変数dfに格納しています。 df["work"] = ["Engineer", "Student", "Baseball Player"]で、DataFrameに新しい列workを追加し、値を入れています。 df.to_csv("out.csv")でwork列が追加されたDataFrameをout.csvという名前で出力しています。 出力されたout.csvを確認すると、以下のようにwork列が追加されたcsvが出力されます。 ,name, age,work 0,Taro,24,Engineer 1,Ken,21,Student 2,Ichiro,32,Baseball Player   まとめ 今回はpandasでcsvを取り扱う方法について紹介しました。 標準ライブラリを使うよりも簡単にcsvを読み込むことができ、csv形式のデータ解析を行う際には大変便利な機能なのでおすすめです。   大石ゆかり 内容分かりやすくて良かったです！ 田島悠介 ゆかりちゃんも分からないことがあったら質問してね！ 大石ゆかり 分かりました。ありがとうございます！   Pythonを学習中の方へ これで解説は終了です、お疲れさまでした。 つまずかず「効率的に」学びたい 副業や転職後の「現場で使える」知識やスキルを身につけたい プログラミングを学習していて、このように思ったことはありませんか？ テックアカデミーのPythonコースでは、第一線で活躍する「プロのエンジニア」が教えているので、効率的に実践的なスキルを完全オンラインでしっかり習得できます。 合格率10%の選考を通過した、選ばれたエンジニアの手厚いサポートを受けながら、人工知能（AI）や機械学習の基礎を学べます。 まずは一度、無料体験で学習の悩みや今後のキャリアについて話してみて、「現役エンジニアから教わること」を実感してみてください。 時間がない方、深く知ってから体験してみたい方は、今スグ見られる説明動画から先に視聴することをおすすめします！
Python

PythonでCSVファイルの指定した行を削除する方法を現役エンジニアが解説【初心者向け】

PythonでCSVファイルの指定した行を削除する方法について、TechAcademyのメンター（現役エンジニア）が実際のコードを使用して、初心者向けに解説します。 Pythonについてそもそもよく分からないという方は、Pythonとは何なのか解説した記事を読むとさらに理解が深まります。   なお本記事は、TechAcademyのオンラインブートキャンプ、Python講座の内容をもとに紹介しています。   田島悠介 今回は、Pythonに関する内容だね！ 大石ゆかり どういう内容でしょうか？ 田島悠介 PythonでCSVファイルの指定した行を削除する方法について詳しく説明していくね！ 大石ゆかり お願いします！   Pandasとは Pandasとは、Pythonでデータを簡単に扱うためのライブラリです。 特にCSVファイルなどのファイルを扱う際によく用いられます。CSVファイルとは、Commma Separated Valueの略で、コンマで区切られたデータを表します。 この記事では説明のために以下のようなデータを例に用います。各行がテストを受けた生徒の名前、各列がテストの科目名に対応しています。 pandas_test.csv 名前,国語,社会,数学,理科,英語 A,78,80,76,56,72 B,66,91,48,88,90 C,90,84,94,81,94 D,65,73,63,52,70 E,97,62,84,80,72 F,96,91,78,92,90 G,66,72,71,78,81 Pandasで読み込んだファイルはDataframeというPandas固有のオブジェクトとしてPython上で扱うことができます。Dataframeは追加・変更・削除といった基本操作が簡単に行えます。 ところで、機械学習を実施する際に必要なデータの前処理は作業全体の8割ほどを占めています。Pandasを使えばこれらの処理が簡単にできるため、Pythonで機械学習を行う際にもPandasは必要不可欠なライブラリとなっています。PythonでCSVファイルを扱うためには、まず最初にPandasをimportする必要があります。 Pandasはimportしてからはpdという略称で用いるのが一般的です。また、CSVファイルの読み込みは、pd.read_csv()というメソッドで行います。引数にはカレントディレクトリから見たCSVファイルのパスを記載します。 このコードでは実行ファイルと同じ階層にpandas_test.csvというファイルがあることを想定しています。 import pandas as pd #CSVファイルの読み込み df = pd.read_csv("pandas_test.csv") print(df) print(type(df)) print()やtype()を使って、CSVファイルがきちんと読み込めていることや、読み込んだオブジェクトの型がDataframeであることが確認できましたね。 Pandasのdrop関数による指定行の削除方法 次にdrop関数を用いてDataframe内の指定した行を削除していきます。drop関数の第一引数には削除したい行のインデックスを、第二引数にはaxis=0を指定します。2次元データではaxis=0は行を、axis=1は列を表します。 それではコードを書いていきましょう。 df = df.drop(2, axis=0) print(df) 再度Dataframeを出力すると、指定した行が削除できているのが確認できます。ちなみに、列を削除したいときは列名を指定して以下のようにコードを書きます。 df = df.drop("数学", axis=1) print(df) さらに数学の列が消えたことが確認できましたね。 [PR] 未経験からWebエンジニアを目指す方法とは実際に書いてみよう 最後に、Pandasを使ったCSVファイルの行削除の流れをもう一度まとめて書いていきましょう。 import pandas as pd df = pd.read_csv("pandas_test.csv") df = df.drop(2, axis=0) print(df)   まとめ この記事ではPandasでのCSVファイルの扱い方について簡単にご説明しました。 ここでご紹介したのはPandasの機能のほんの一部です。他の様々な関数を使いこなせるようになることで、データの操作性がグッと高まります。 データサイエンスや機械学習に興味のある方は、是非Pandasの使い方についてもっと詳しく勉強してみましょう。 監修してくれたメンター 柴山真沙希（しばやままさき） 大手IT企業などでエンジニアとして2年ほど勤務した後、個人事業主としてプログラミングスクール「エンペサール」を経営。子供から大人まで幅広い層を対象にプログラミングを教えている。 得意言語はPython, HTML, CSSで、機械学習やデータ分析、スクレイピングなどが得意。サッカー観戦や読書が趣味である。   大石ゆかり 内容分かりやすくて良かったです！ 田島悠介 ゆかりちゃんも分からないことがあったら質問してね！ 大石ゆかり 分かりました。ありがとうございます！   TechAcademyでは、初心者でも、Pythonを使った人工知能（AI）や機械学習の基礎を習得できる、オンラインブートキャンプを開催しています。 また、現役エンジニアから学べる無料体験も実施しているので、ぜひ参加してみてください。
Python

Pythonのpandasライブラリにおけるlocの利用方法について現役エンジニアが解説【初心者向け】

Pythonのpandasライブラリにおけるlocの利用方法について、テックアカデミーのメンター（現役エンジニア）が実際のコードを使用して初心者向けに解説します。   目次pandas.read_html関数の使い方株価のデータの取得先実際に書いてみよう監修してくれたメンター   そもそもPythonについてよく分からないという方は、Pythonとは何なのか解説した記事を読むとさらに理解が深まります。   田島悠介 今回は、Pythonに関する内容だね！ 大石ゆかり どういう内容でしょうか？ 田島悠介 Pythonのpandasライブラリにおけるlocの利用方法について詳しく説明していくね！ 大石ゆかり お願いします！   この記事では、Pythonにおけるデータ解析のためのライブラリであるpandasのlocの使い方について解説します。   pandasとは まずは、pandasについて簡単に説明しておきます。 pandasというのは、Pythonにおいて表形式のデータ解析を効率的に行うためのライブラリです。 CSVなどのデータの読み込みや集計、データの加工、グラフ化、処理結果の保存などの処理ができます。 また、機械学習においてもデータの前処理などで頻繁に使われています。 データ解析、機械学習では必須のライブラリで、非常に便利で簡単に使うことができるため重宝されています。 詳しい解説はデータ分析のライブラリ！Pandasとはなどを参考にしてください。   locとは pandasでは表形式のデータを扱う際に、DataFrameというデータ型を用います。 このDataFrame型は、下の画像のような行(インデックス)と列から成る二次元のデータです。   locとは、行と列のラベルを指定して、各データである要素を参照するための方法の1つです。 locでは、行と列のラベル名を指定して、1つの要素を参照するだけでなく、範囲を指定して複数の要素を参照できます。 具体的には、下記のように記述することで、指定した行、列についての要素が返ってきます。 DataFrameオブジェクト.loc['行ラベル名', '列ラベル名']   複数の行、列を指定したい場合には、下のように行ラベル名のリスト、列ラベル名のリストを用います。 DataFrame型オブジェクト.loc[['行ラベル名1', '行ラベル名2', ...], ['列ラベル名1', '列ラベル名2', ...]]   また、ラベルの指定の部分では、下記のようにスライス表記で範囲を指定することも可能です。 DataFrame型オブジェクト.loc['行ラベル名1' : '行ラベル名2', '列ラベル名1':'列ラベル名2']   [PR] 未経験からWebエンジニアを目指す方法とはlocを利用してCSVデータの値を取得してみよう それでは、実際にlocを使ってデータの値を取得してみましょう。 なお、出力結果はJupyter Notebookでの結果を載せています。 今回は、機械学習の練習の際によく使われるデータであり、scikit-learnに含まれているアヤメに関するデータを例として使います。 まずはデータをダウンロードして、pandasで扱うDataFrame型に変換し、内容を確認してみましょう。 # ライブラリのインポート import pandas as pd from sklearn import datasets # 使うデータをダウンロード iris = datasets.load_iris() # データをDataFrameに変換 df = pd.DataFrame(iris.data, columns= iris.feature_names) # DataFrameの先頭の5行を表示 df.head(5)   読み込んだデータをDataFrame型に変換し、headメソッドで先頭5行を表示しています。 下の画像のような出力結果になり、sepal length, sepal width, petal length, petal widthの4列から構成されるデータであることがわかります。 出力   それではlocを使って、このデータから一部の要素を抽出して取得してみましょう。 # locを用いて行が1、列が'sepal width (cm)'の要素を取得 df.loc[1, 'sepal width (cm)'] 出力 3.0   # locを用いて行が1,3,5、列が'sepal width (cm)', 'petal width (cm)'の要素を取得 df.loc[[1,3,5], ['sepal width (cm)', 'petal width (cm)']] 出力   # locを用いて行が1から5まで、列が'sepal
Python

あなたの目的に合わせて学べるコース

副業したい方

Web制作の力を身につけ
副業までサポート

はじめての副業コース

転職したい方

未経験から
Webエンジニアに

Webエンジニア転職保証コース

スキルアップしたい方

AIも統計解析もできる
Pythonを学ぶ

Pythonコース

※ 経済産業省の行うリスキリングを通じたキャリアアップ支援事業の補助金対象コースです。条件を満たすことで支払った受講料の最大70％がキャッシュバックされます。詳しくは こちら のページをご確認ください。

TechAcademyから
現役エンジニアの方へ
お知らせ

オーダーメイドコース
TechAcademy（テックアカデミー） プログラミング Python pandasで株価のデータを取得する方法【初心者向け】