# 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。

## 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](https://support.microsoft.com/ja-jp/office/excel-specifications-and-limits-1672b34d-7043-467e-8e27-269d656771c3)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。

## 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。

```{figure} images/3_report.png
:alt: 東京の月平均気温（2025年）のグラフ

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](https://www.data.jma.go.jp/stats/etrn/view/monthly_s3.php?prec_no=44&block_no=47662)」を加工して作成
```

## 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。

## 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。

* [](4_jupyter.md)
* [](5_pandas.md)
* [](6_matplotlib.md)

スクレイピングや機械学習などの応用は、[](7_extend.md)で紹介します。