Python 実践 データ分析入門 キホンの 5 つの型

これがデータ分析の基本の型だ!
〜基本型のパターンを正しく身に着ければどんな応用も怖くない〜

ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
データを扱うビジネスに携わる全ての人に!
“データ人材”必読のデータ分析の教科書!
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
やさしいパターンを覚えるだけで、思い通りの分析や
ビジュアライゼーションができるようになる
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー

Google Colab & Google Looker Studio (Data Portal) の活用で、5 分でデータ分析はじめられます。
無償の BI ツールでのデータ可視化!! Python プログラムで自由なデータ分析!!
■第 1 章 データ分析は「型」を身につけることから始めよう
○1-1 「技術」で広がる可能性
○1-2 データ分析のカギを握る「業務理解」
○1-3 データ分析の「キホンの 5 つの型」を身につけよう
プログラミングの型
データ加工の型
データ可視化の型
AI モデル構築の型
ツール化の型

■第 2 章 プログラミングの型を身につけよう
○2-1 プログラミングの事前準備
環境/エディタの準備
フォルダ構成の準備
○2-2 プログラミングの型
ライブラリの読み込み
初期定義
データの読み込み
メイン処理
データの出力

■第 3 章 データ加工の型を身につけよう
○3-1 データ加工の型とは?
データの状態確認
データの加工
加工結果の確認
○3-2 データ加工の型を実践しよう
事前準備
データの状態を確認しよう
データを加工しよう & 加工結果を確認しよう
○3-3 演習

■第 4 章 データ可視化の型を身につけよう
○4-1 データ可視化の型とは?
全体像の可視化
様々な切り口での可視化
○4-2 データ可視化の型を実践しよう
事前準備
データの全体像を可視化しよう
様々な切り口でデータを可視化しよう
BI ツールでデータを可視化してみよう
○4-3 演習

■第 5 章 AI モデル構築の型を身につけよう
○5-1 AI モデル構築の型とは?
学習用データ加工
モデルの学習
モデルの評価
モデルの解釈
○5-2 AI モデル構築の型を実践しよう
事前準備
学習用にデータを加工しよう
モデルの学習をしよう
モデルの評価をしよう
モデルの解釈をしよう
データを出力しよう
○5-3 演習

■第 6 章 ツール化の型を身につけよう
○6-1 ツール化の型とは?
つくるものを決める
つくってみる
あててみる
運用へ
○6-2 ダッシュボードをつくってみよう
Looker Studio の準備
グラフをつくろう
フィルターを追加しよう
レイアウトを調整しよう
○6-3 演習

■第 7 章 応用編 データ分析は「型」を使って何をするのか
○7-1 「型」を学んだいま、何をすればよいのか

Python の文法とライブラリを一通り学んでも、実際のデータを前にすると、どこから手を付けてどの順で進めればよいのかが分からない。『Python 実践 データ分析入門 キホンの 5 つの型』 (中村智、下山輝昌、川又良夫 著、秀和システム、2022 年 12 月発売) は、データ分析やプログラミングの初心者に向けて、Python プログラミングとデータ分析の基本を、実際の分析作業で押さえておくべき観点から解説する本です。版元は本書を実践教科書と位置づけ、5 つの基本の型を覚えることで思いどおりの分析ができるようになると案内しています。刊行時の略歴によれば、下山輝昌氏は NEC の中央研究所でデバイスの研究開発に従事したのち独立し、データ分析コンサルタント、AI エンジニアとして案件に携わってきた人物で、『Python 実践 データ分析 100 本ノック』などの共著があります。共著者の中村智氏は業務効率化のプロジェクトを、川又良夫氏は戦略支援のプロジェクトを手がけてきた経歴の持ち主です。

5 つの型と全 7 章の構成、プログラミングからツール化まで

第 1 章は、技術で広がる可能性と、データ分析の鍵を握る業務理解を述べたうえで、プログラミングの型、データ加工の型、データ可視化の型、AI モデル構築の型、ツール化の型という 5 つの型を示します。続く第 2 章から第 6 章が型ごとの章です。第 2 章は環境とエディター、フォルダー構成の準備から入り、ライブラリの読み込み、初期定義、データの読み込み、メイン処理、データの出力という、分析プログラムの骨組みを扱います。第 3 章はデータの状態確認、加工、加工結果の確認を、第 4 章は全体像の可視化とさまざまな切り口での可視化に BI ツールでの可視化を加えて扱い、第 5 章は学習用データの加工、モデルの学習、評価、解釈を順に実践します。第 6 章は「つくるものを決める」「つくってみる」「あててみる」「運用へ」という流れを示したうえで、Looker Studio の準備からグラフ、フィルター、レイアウトの調整までのダッシュボードづくりに進みます。第 3 章から第 6 章の章末には演習が置かれ、最後の第 7 章は応用編として、型を学んだあとに何をすればよいのかを考える章です。

加工から AI モデル構築まで、手順を型として固定する意味

データ分析 のコードは、試行錯誤を重ねるうちに、どのセルをどの順で実行すれば同じ結果が出るのか分からない状態になりがちです。ライブラリの読み込み、定数や設定の定義、データの読み込み、処理、出力という骨組みを毎回そろえておくと、他人が読んでも自分が数か月後に読み返しても、どこを直せばよいのかがすぐに分かります。加工の前後で必ずデータの状態を確かめる手順も同じ考え方で、欠損値の数や列の型、重複の有無を加工の前と後で見比べる習慣があれば、集計の段階で数字が合わない原因を早く突き止められます。モデル構築では、学習に使ったデータとは別のデータで評価しなければ、手元のデータにだけ当てはまる過学習を見逃します。さらに、どの特徴量が予測に効いているのかを解釈する工程は、分析の結果を業務の判断につなげる説明の材料になります。機械学習 の手法そのものより、学習、評価、解釈という順序を崩さないことが、初心者が早い段階で身につけておきたい作法です。

データ分析の初心者向け、Colab と Looker Studio で始める前提

版元の紹介文は、Google Colab と Google Looker Studio を活用して手早くデータ分析を始められること、無償の BI ツールで可視化できることを案内しています。手元の PC に分析環境を一から組み立てる手間をかけずに始めたい人にとっては、環境の準備の手間を減らせる組み合わせです。ただし、どちらもクラウドのサービスなので、画面や操作の細部は 2022 年 12 月の刊行時点のものを前提に読む必要があります。一方で、統計学の理論を数式から積み上げたい人や、1 つの手法を深く掘り下げたい人は、別の専門書を組み合わせるほうが目的に合います。Python の文法そのものを一冊かけて固めたい場合は、Python 本の選び方 を参考に入門書を一冊通してから戻ってくると、型の章をより速く進められます。

業務でデータを扱う立場になったものの、分析の手順を自己流で組み立てていて毎回やり方がぶれてしまう人、あるいは加工と可視化に加えてモデル構築やダッシュボードまで一通りの流れを体験しておきたい人にとって、5 つの型を章ごとに実践しながら確かめられる本書は、分析の進め方の土台を作る一冊になります。