「pandasって名前は聞いたことあるけど、何がそんなにすごいの？」そんな疑問を持っている方、多いんじゃないでしょうか。😊
今回は海外で話題の学習シリーズ godzilla.dev の「AI x Quant Trader Series — Day 5」 で取り上げられている内容をもとに、Pythonデータ処理の最強ライブラリ pandas の基本データ構造を、日本語で丁寧に解説していきます！
対象読者は Python初〜中級者。「pandasを触ったことがない」という方でも、ざっくりとした流れがつかめるはずです。
🐼 pandasって何者？
ひと言で言うと、「Pythonで表（テーブル）データを扱うためのライブラリ」です。
イメージとしては、ExcelやGoogle スプレッドシートをPythonのコードで操作できるようにしたもの、と思ってもらうとわかりやすいです。株価データや売上データのような「行と列」で構成されたデータを扱うのが得意で、AI・機械学習の前処理には欠かせない存在なんですよね。
📦 pandasの2大データ構造
pandasには主に2つのデータ構造があります。まずここをしっかり押さえましょう。
- Series（シリーズ）：1次元のデータ。Excelの「1列分」のイメージ
- DataFrame（データフレーム）：2次元のデータ。Excelの「シート全体」のイメージ
この2つを使いこなすことが、pandasマスターへの第一歩です！
🛠️ 実際にコードを書いてみよう
ポイントをまとめるとこんな感じです。
- Series は
pd.Series()でリストや辞書から作れる - DataFrame は
pd.DataFrame()で辞書を渡すのが基本 - インデックス（行ラベル）を自分で指定できる
import pandas as pd
# ── Series の作成 ──
# 株価の終値データをSeriesで表現するイメージ
prices = pd.Series(
[150.5, 152.3, 148.9, 155.0],
index=["2026-07-01", "2026-07-02", "2026-07-03", "2026-07-04"]
)
print(prices)
# 2026-07-01 150.5
# 2026-07-02 152.3
# 2026-07-03 148.9
# 2026-07-04 155.0
# dtype: float64
# ── DataFrame の作成 ──
# 複数の銘柄の終値をまとめて1つの表にする
df = pd.DataFrame({
"date": ["2026-07-01", "2026-07-02", "2026-07-03"],
"AAPL": [190.2, 191.8, 189.5],
"GOOG": [140.1, 141.0, 139.7],
})
print(df)
# date AAPL GOOG
# 0 2026-07-01 190.2 140.1
# 1 2026-07-02 191.8 141.0
# 2 2026-07-03 189.5 139.7
Seriesが「1列」、DataFrameが「複数列をまとめた表」になっているのがイメージできたでしょうか？
🔍 基本操作もあわせて覚えよう
データ構造を作れるようになったら、次は「よく使う操作」を押さえておくと実務でもすぐに役立ちます。
df.head()— 先頭数行だけを確認するdf["AAPL"]— 列を1つ取り出す（Seriesとして返ってくる）df[df["AAPL"] > 190]— 条件を満たす行だけを絞り込むdf.describe()— 平均・最大・最小などの統計量をまとめて確認する
# AAPLが190を超えた日だけ抽出
print(df[df["AAPL"] > 190])
# date AAPL GOOG
# 1 2026-07-02 191.8 141.0
# 統計量をまとめてチェック
print(df.describe())
この「条件で絞り込む」書き方は、for文でループを回すより圧倒的に速く、コードもシンプルになります。AI・量子トレーディングのようにデータ量が多い分野ほど、この書き方の恩恵は大きくなりますよ📈
まとめ
今回のポイントを整理するとこんな感じです👇
- ✅ pandasは「Pythonで表データを扱うライブラリ」
- ✅ Series（1次元）とDataFrame（2次元）が2大データ構造
- ✅
df["列名"]や条件式で、直感的にデータを取り出せる
まずは自分の手元にあるCSVデータをDataFrameに読み込んでみるところから始めてみてください。「あ、意外と簡単かも」と感じてもらえるはずです。一緒に手を動かしていきましょう！💪
こちらも読まれています
📚 関連商品・おすすめ書籍
※本記事にはアフィリエイトリンクが含まれます。
PR
