3. データ分析で何ができるか（10分）#
この章では、Pythonでデータ分析をすると何ができるのかを紹介します。 具体的な実例は、講座の中でスライドを使って説明します。
3.1. Excelと比べたPythonの強み#
Pythonのデータ分析ライブラリpandasは、Excelでは扱いにくい大規模なデータも処理できます。 Excelの1つのワークシートに入る行数は最大1,048,576行ですが、pandasではPCのメモリに収まる範囲でこれより多くの行を扱えます。
また、処理をコードとして残せるため、同じ処理を何度でも同じ手順で実行でき、手作業によるミスを防いだり、定期的に自動で実行したりできます。
3.2. ほかのシステムとの組み合わせ#
Pythonを使うと、データ分析をほかの機能やシステムと組み合わせられます。 Webページからデータを集めるスクレイピング、ほかのシステムからデータを受け取るAPI連携、集計結果をグラフにして共有する自動レポート作成などです。
以下のグラフは、気象庁のWebページから東京の月平均気温のデータを取得し、Pythonプログラムで1991〜2020年の月ごとの平均を計算して、2025年の値と一緒にグラフ表示したものです。
自動レポートの例: 東京の月平均気温（2025年）#
出典: 気象庁「観測開始からの毎月の値」を加工して作成
3.3. AI・機械学習でのデータ活用#
AI・機械学習の結果は、入力するデータの質に大きく左右されます。 そのため、学習の前に表記ゆれや欠損値（値が入っていない箇所）などを整える前処理（クリーニング）が必要です。 pandasは、この前処理にもよく使われます。
3.4. 本講座で扱う範囲#
本講座では、データ分析の基本プロセスである入力 ➔ 加工 ➔ 可視化を体験します。それぞれ以下の章で行います。
スクレイピングや機械学習などの応用は、応用への道（20分）で紹介します。