ビジュアライゼーションツールであるSeabornを使って3グループのそれぞれ2値の比較を棒グラフとデータラベルで可視化を行う方法をまとめました。 ターゲット画像 このページで作成する画像は、以下の図となります。 サンプルデータセットの紹介 データセットを利用しながら、説明をします。 Sample Datasetで紹介した、HRデータ（データセット3）の一部のカラムを利用して具体的に説明したいと思います。

Pythonを使って複数のexcelファイルの同じ場所のセルの値を一つのシートにまとめる入力作業機械化方法を解説します。 自動化の手段としてEXCEL マクロ(vba)で組むのも一つの方法ですが、Openpyxl のモジュールを使えば簡単に実現できる場合があります。複数のexcelファイルの内容を一つのシートにまとめる作業の時短について、Blogにまとめました。旧ページの紛らわしい記述を修正しています。

データ解析において、最も時間のかかる作業は次の2つです。 データセットの各列および各行を理解する。 欠損値（NaN）や入力ミスなどの不要なデータを取り除くなど、「クリーニング」作業を行う。 この2つの作業には異論がないと考えられます。さらに、これらの作業の厄介な点は、両方の作業を繰り返し行う必要があることです。一連のデータクリーニング作業を一律に手順化することができないところが、特に難しいところではないでしょうか。

データセットの準備は、データセットの理解で始まり、クレンジングで終わると言えます。このブログではデータ分析の一丁目一番地である データセットの理解のためのスクリプト4選をご紹介いたします。 サンプルデータセットの紹介 データセットを利用しながら、説明をした方が分かりやすいと思いますので、今回は Sample Datasetで紹介した、HRデータ（データセット3）の一部のカラムで 4選スクリプトを紹介いたします。　

この記事では、Jupyter NotebookのPandasを使用してデータ分析を行う際に、 sqlite3で提供されるSQL文を使用してデータの読み込みと抽出操作をまとめました。 このブログがPythonプログラムでSQL操作を行う際に役立つことを願っています。