PR：この記事にはアフィリエイトリンクが含まれます。
ChatGPTとPythonのpandasを組み合わせると、CSVの読み込みから集計、グラフ化まで一つの流れにできます。分析に不慣れでも、問いを小さく分けて処理すれば業務で使えます。
ChatGPTに表を見せて答えをもらうだけでは、計算の根拠を追いにくいもの。pandasで手順を残し、可視化で傾向を確かめると、結果を説明しやすくなります。
5冊の早見表
| 書籍 | 学べる範囲 | 税込参考価格 |
|---|---|---|
 データ分析者のためのChatGPTデータ分析・可視化術 効率的なプロンプトで分析力・表現力アップ！ | ChatGPTを使った分析と高度な可視化 | 2,750円 |
 よくわかるPythonデータ分析入門 ～はじめてでもつまずかないNumPy、Pandas、Matplotlib～ | Python環境、pandas、Matplotlibの基礎 | 2,310円 |
 Pythonではじめるオープンデータ分析 経済統計の取得から、データハンドリング・可視化・分析まで | CSV取得、pandas、Plotly、公的統計の分析 | 3,630円 |
 Pythonデータ分析 実践ハンドブック 実務で使えるデータ加工のテクニック | 多様な形式のデータ加工と評価 | 3,300円 |
 pandasライブラリ活用入門［第2版］ データクリーニング／前処理など一連の分析プロセスをマスター！ | pandasによる前処理から統計モデルまで | 4,180円 |
価格は税込の参考価格です。販売価格は時期や店舗で変わるため、購入時に表示を確かめてください。書籍によって扱う範囲は異なり、基礎、CSVの実習、業務向けの加工、ChatGPTを使った可視化などに分かれます。
CSVが仕事を左右する
売上CSVを例にすると、日付、商品、数量、金額の列から月ごとの売上を集計できます。月次報告で知りたいのは、どの商品が伸びたか、どの部署の数字が変わったか。具体的な問いが出発点ですよね。
Excelのフィルターや集計を毎月繰り返しているなら、Pythonに処理の手順を残せます。元データを読み込み、必要な列を整えてから条件に沿って集計する。この流れを再利用できるのが利点です。
CSVは行と列で構成されたシンプルな形式ですが、文字コードや日付、空欄の扱いで困ることがあります。同じ「2026年4月」でも、日付と文字列が混ざれば時系列の集計に影響します。
集計結果とあわせて、元の行数や対象期間、除外したデータを記録しておきましょう。計算条件をあとから確かめられるため、数字の変化を説明するときに根拠を示せます。
ChatGPTの役割
分析の問いを整理したり、pandasのコード案を作ったり、エラーの原因を調べたりする場面でChatGPTを活用できます。目的や列名、集計条件を伝えると、欲しい処理が相手に伝わりやすくなります。
たとえば、売上CSVから月別・商品別の売上合計を出し、折れ線グラフを作るコードを依頼します。日付列は 注文日、金額列は 売上 のように指定しましょう。必要な出力まで伝えると、提案を業務に合わせられます。
生成されたコードは、実行して確かめてください。列名の取り違えや税込・税抜の混同もありえます。行数と合計を元データに照らし、小さなサンプルでも計算結果を確認することが欠かせません。
社内データを入力するときは、社内規程と利用環境を確認しましょう。顧客名や個人情報を含む表を許可なく貼り付けず、必要なら架空データでコードを作ってから社内環境で実行してください。
pandasの土台
pandasでは表形式のデータをDataFrameとして扱います。Excelのシートに似た行と列に対し、抽出、並べ替え、計算、集計をPythonコードで実行できます。表計算に慣れている人にはイメージしやすいですね。
CSVの読み込みには pd.read_csv('sales.csv') を使います。まず head() で先頭行を見て、info() で列の型や欠損の有無を確かめれば、想定と違うデータに早く気づけます。
商品別の売上合計なら、df.groupby('商品')['売上'].sum() のように集計できます。部署別や月別にも同じ表から処理を組み立てられるので、問いに合わせて集計単位を変えられます。
ChatGPTには分析一式を一度に頼まず、読み込み、不要列の削除、月別集計と順に依頼するとコードを確認しやすくなります。手順が短ければ結果の変わった箇所を追えますし、修正も進めやすいでしょう。
前処理の品質
欠損値を見つけたら、まず理由と件数を確かめます。金額が空欄なら集計対象から外すこともありますが、住所の一部が欠けている場合は分析の目的に応じて残す判断もあります。
注文の重複や、金額が文字列として記録されていないかも点検しましょう。pandasの isna() や duplicated() を使えば、空欄や重複の有無を調べられます。処理を決める前に件数を見ておくと安心です。
表記の統一も大切です。「営業部」と「営業」が別の分類になると、部署別の集計が実態とずれることがあります。日付や商品名も確認し、表記のゆれを見つけたら置換ルールを決めて整えます。
複数ファイルを結合するときは、共通の顧客番号や商品コードが正しく対応しているか確かめます。結合前後で行数が大きく変わった場合は、その理由を調べてください。件数の確認が集計ミスの防止につながります。
可視化で伝える
グラフの形は、知りたい内容に合わせて決めます。月ごとの推移には折れ線、商品同士の比較には棒、金額の分布にはヒストグラム。数字の関係を見たい場合は、散布図も使えます。
Matplotlibでは、軸の名前や単位、期間を添えてグラフを作れます。月別売上の縦軸に単位がなければ、円か千円か読者が迷いますよね。タイトルを含め、図だけで内容が伝わるか確かめておきましょう。
平均値を棒グラフにすると、データのばらつきや極端な値が見えない場合があります。分布や外れ値の確認には箱ひげ図、複数項目の濃淡を見るにはヒートマップ。示したい特徴に応じて図を選びます。
グラフだけから原因まで決めつけるのは避けましょう。売上と広告費が同時に増えても、それだけで広告が売上を伸ばしたとは言えません。可視化で仮説を見つけたら、ほかの判断材料も合わせて考えます。
本で補う知識
『よくわかるPythonデータ分析入門』は、PythonやJupyter Labの環境構築から始まり、NumPy、pandas、Matplotlibへ進みます。242ページで各章に実習問題と解答例があり、学習用データも使えます。初学者が手を動かして基礎を学ぶ本です。
『Pythonではじめるオープンデータ分析』は336ページ。CSVなどの取得から、pandasでの読み書き、整形、結合、欠測値処理まで扱います。Plotlyのグラフや地図、公的統計・企業データを使った分析例もあり、データ収集から学べます。
Pythonとpandasの基礎を身につけた人には、『Pythonデータ分析 実践ハンドブック』が適しています。424ページで、CSV、Excel、JSON、HTML、XMLの読み込みから、結合や変形、欠損値・外れ値の確認まで扱います。時系列や地理空間データも収録しています。
『pandasライブラリ活用入門［第2版］』は520ページの初中級向けです。DataFrameや整然データ、groupby、欠損値、日付・時刻などをコードを試しながら学べます。基本的な作図に加えて統計モデルも収録。pandasの前処理を幅広く扱う本です。
ChatGPTのプロンプトや可視化を学ぶなら、『データ分析者のためのChatGPTデータ分析・可視化術』。288ページで、箱ひげ図、ヒートマップ、バブルチャートなどを扱います。不動産取引価格や都道府県別テニス人口の例も掲載。pandasの基礎を学ぶ本ではなく、ChatGPT活用を補う内容です。
税込参考価格は、入門書が2,310円、ChatGPT活用本が2,750円、実務加工本が3,300円、オープンデータ分析本が3,630円、pandas活用本が4,180円です。実際の価格は時期や店舗で変わるため、購入時の表示を確認してください。
結論
Pythonやpandasが初めてなら、環境構築と演習がある『よくわかるPythonデータ分析入門』を最初の一冊にしてください。CSVの読み込み、集計、Matplotlibまで順に試せて、業務データ分析の基礎を固められます。
CSVの取得から公的統計の分析まで学びたい人には、『Pythonではじめるオープンデータ分析』がおすすめです。pandasをすでに使えるなら、データ加工の幅を広げる実践ハンドブックか、前処理を深めるpandas活用入門を選ぶとよいでしょう。
ChatGPTのプロンプトや表現力を伸ばしたい場合、専門書は分析と可視化を学んだ後の補助教材として加えてください。まずPythonで再現できる集計を身につければ、AIの提案を業務に生かせます。
Amazon の PC をスコア化してみた
Amazonにある8〜14インチの小型WindowsタブレットやノートPCを、スペック別にスコア化して比較・ランキング。
