ChatGPTによるお手軽データ分析 / Easy data analysis with ChatGPT

© 2024 Yayoi Co., Ltd. All rights reserved. 2 自己紹介
| R&D室紹介 Name: 飯田頌平 Team: R&D室 Roll: MLエンジニア Skill: ML, NLP Hobby: アウトドア About me About Team Established: 2023/10/1 Department: 次世代本部 Members: Mission: AI/MLによる価値創出 Work: 企画立案～PoC実施～MVP作成

© 2024 Yayoi Co., Ltd. All rights reserved. 3 0.
もくテクでの公開にあたって 1. 概要 2. 環境構築 1. VS Code のインストール 2. Python のインストール 3. Jupyter のインストール 3. 分析 1. Jupyter Notebookの使い方 2. 分析テーマの紹介 - Titanic 3. 分析のいろは 4. ChatGPTを駆使してお手軽に分析 5. 自習 4. まとめアジェンダ

© 2024 Yayoi Co., Ltd. All rights reserved. 4 この資料は、6/21に社内で実施したデータ分析ハンズオン
「Pythonを使ったデータ分析はじめの一歩」において使用したものです。 3時間のハンズオンで実施した内容をもくテクの発表枠の中ですべてお伝えすることは難しいため、主な流れと要点だけ説明させていただき、詳細についてはお手元で振り返っていただく形にしたいと思います。 0. もくテクでの公開にあたって

© 2024 Yayoi Co., Ltd. All rights reserved. 5 1.
概要背景 Pythonを使ったデータ分析はとても簡単！業務に役立て弥生の分析力を底上げしたい。本日の趣旨ハンズオンという場でリラックスしてはじめの一歩を踏み出してほしい。ゴール JupyterとPythonを使用したデータ分析を自分で実施できるようになること。

© 2024 Yayoi Co., Ltd. All rights reserved. 6 普段みなさんがお使いである、会社支給のWindows
PC上に環境構築していきたいと思います。必要となるツールは主に次の３点です。 2. 環境構築 VS Code いわば高機能なメモ帳で、コードを書くツールです。 Python Pythonコードをプログラムとして実行するソフトです。 Jupyter Pythonコードの実行結果を見やすくするためのものです。

© 2024 Yayoi Co., Ltd. All rights reserved. 7 2.1.
VS Codeのインストール – Step. 1 次のURLにアクセスし、上記のページを開いてください。 ➢ https://code.visualstudio.com/download

VS Codeのインストール – Step. 2 ① 「Windows」ボタンをクリックしてください。インストーラーのダウンロードが開始されます。ダウンロードが終了したら、次の手順に進んでください。 ①

VS Codeのインストール – Step. 3 ① 前の手順でダウンロードしたファイル「VSCodeUserSetup-x64- 1.89.1.exe」を実行し、セットアップ画面を表示してください。なお、バージョン（1.89.1）は時期によって異なる可能性があります。 ①

VS Codeのインストール – Step. 4 ①「同意する」を選択して、②「次へ」をクリックしてください。 ① ②

VS Codeのインストール – Step. 5 ①「次へ」をクリックしてください。 ①

VS Codeのインストール – Step. 8 ①「インストール」をクリックしてください。 ①

VS Codeのインストール – Step. 9 ①「完了」をクリックしてください。なお、初回はこのままVS Codeが立ち上がりますが、二回目以降はスタートメニューから「Visual Studio Code」と検索するとアプリケーションを実行できます。 ①

VS Codeのインストール – Step. 10 ①「Open Folder」をクリックしてください。なお、初回はこのままVS Codeが立ち上がりますが、二回目以降はスタートメニューから「Visual Studio Code」と検索するとアプリケーションを実行できます。 ①

VS Codeのインストール – Step. 11 ユーザーフォルダの下のフォルダが開かれます。ここに今回のハンズオンで使用する作業用フォルダを作成しましょう。①エクスプローラー上の何もない場所で右クリックしてください。 ①

VS Codeのインストール – Step. 12 ①「新規作成」②「フォルダー」とクリックして「新しいフォルダー」を作成してください。 ① ②

VS Codeのインストール – Step. 13 ①「新しいフォルダー」の名前を「workspace」に変更します。この際、フォルダ名は半角の英語で記述し、またスペースが入らないように注意してください。NG例:「ｗｏｒｋｓｐａｃｅ」「ワークスペース」 ①

VS Codeのインストール – Step. 14 ①「workspace」フォルダをクリックして ②「フォルダーの選択」をクリックしてください。 ① ②

VS Codeのインストール – Step. 15 上記のようなウインドウが表示されたら ①「Yes, I trust the authors」をクリックしてください。以上でVS Codeのインストールは完了しました。 ①

Pythonのインストール – Step. 1 次のURLにアクセスし、上記のページを開いてください。 ➢ https://www.python.org/downloads/windows/ （注）Windows Storeからはインストールしないでください。

Pythonのインストール – Step. 2 「Stable Releases」の欄にある①「Windows installer (64 bit)」を選択してください。なお、図におけるPythonのバージョンは「3.12.3」ですが、実行する時期によってはアップデートされる可能性があります。 ①

Pythonのインストール – Step. 3 ① 前の手順でダウンロードしたファイル「python-x64-3.12.3- amd64.exe」を実行し、セットアップ画面を表示してください。なお、バージョン（3.12.3）は時期によって異なる可能性があります。 ①

Pythonのインストール – Step. 4 ① 「Use admin privileges when installing py.exe」②「Add python.exe to PATH」にチェックを入れた後、③「Install Now」をクリックしてください。その後、許可を求められたら「はい」をクリックしてください。 ① ② ③

Pythonのインストール – Step. 5 ① 「Close」を押してください。これでPythonのインストールが完了し、 VS Codeからも利用できるようになりました。 ①

Jupyterのインストール – Step. 1 ①「New File」をクリックしてください。 ①

Jupyterのインストール – Step. 2 ①「Jupyter Notebook」をクリックしてください。すると、新たなノートブックファイル「Untitled-1.ipynb」が作成されます。 ①

Jupyterのインストール – Step. 3 ①「Select Kernel」をクリックしてください。 ①

Jupyterのインストール – Step. 4 ①「Browse marketplace for kernel extensions」をクリックしてください。その後、画面左側に使用できるカーネルが表示されます。 ①

Jupyterのインストール – Step. 5 ①Jupyterの欄で「Install」をクリックしてください。 ①

Jupyterのインストール – Step. 6 図の画面が表示されたらJupyterのVS Code拡張機能のインストールが完了しました。次のステップではJupyter本体をインストールします。①先程作成したファイル「Untitled-1.ipynb」へと戻ってください。 ①

Jupyterのインストール – Step. 7 ①再び「Select Kernel」をクリックしてください。 ①

Jupyterのインストール – Step. 8 ①「Python Environments」をクリックしてください。するとしばらく時間をかけ、Jupyterのインストールが自動的に実行されます。 ①

Jupyterのインストール – Step. 9 ①「Python 3.12.3」をクリックしてください。 ①

Jupyterのインストール – Step. 10 ①ノートブックのセル（欄）をクリックすると、セルに文字を記入できるようになります。ここでは動作確認のため「1+1」と書き込んでください。 ①

Jupyterのインストール – Step.11 ①「▹」をクリックしてください。 ①

Jupyterのインストール – Step. 12 計算結果として「２」が表示されていれば、Jupyterのインストールが完了しました。以上の手順で、環境構築は無事に成功しました。

© 2024 Yayoi Co., Ltd. All rights reserved. 39 環境構築が一通り完了したため、今度はJupyterの使い方を学
びましょう。詳細な手順については追って紹介するとして、まずはJupyterについて紹介します。 3.1. Jupyterについて & Jupyterの使い方 Jupyterとは Pythonによるデータ分析の支援ツールです。主に表やグラフを見える化することが得意です。さらに実行結果をインタラクティブに表示できます。 →次ページ以降で説明… https://jupyter.org/

Jupyterの使い方 – Step. 1 まずは今のノートブックを保存しましょう。①のアイコンをクリックし、左側の画面をエクスプローラーにしてください。 ①

Jupyterの使い方 – Step. 2 ①の「File」（または「三」アイコン）をクリックし、続けて②「Save」をクリックしてください。するとファイルを保存する画面となるので、「sample.ipynb」という名前で保存してください。 ① ②

Jupyterの使い方 – Step. 3 保存に成功すると、ファイル名が「sample.ipynb」に代わり、画面左のエクスプローラー上にも表示されるようになります。

Jupyterの使い方 – Step. 4 今度は新たなPythonコードを実行しましょう。マウスカーソルを「1+1」と記述したセルの下側（①の周辺）にあてると、セルを追加するためのボタンが表示されます。その後「+ Code」をクリックし、セルを追加します。 ①

Jupyterの使い方 – Step. 5 ①追加されたセルに「uriage = 100」と記入してください。②その後、セルを実行してください。③最後に、新たなセルを作成してください。 ① ② ③

Jupyterの使い方 – Step. 6 現在は「uriage」という名前に100という数字が割り当てられています。試しに、新たなセルに「print(uriage)」と記入し、実行してください。

Jupyterの使い方 – Step. 7 すると「uriage」は数値の100として認識されていることがわかります。 Jupyterでは、このようにセルごとにインタラクティブに実行結果を確認できます。これでJupyterの基本的な使い方をマスターできました。

© 2024 Yayoi Co., Ltd. All rights reserved. 47 今回取り上げるお題は「Titanic」と呼ばれるもので、沈没し
たタイタニック号の乗客に関するデータセットを用い、どのような乗客が生存したのかを分析します。 3.2. 分析テーマの紹介・分析の準備 https://www.kaggle.com/c/titanic

分析の準備 - Step. 1 まずは https://www.kaggle.com/c/titanic/overview にアクセスします。そして①の[Sign In]をクリックしてください。 ①

分析の準備 - Step. 2 ログインページではお好きな方法でログインいただいて構いませんが、ここではGoogleアカウントを使う方法を推奨します。①をクリックして Googleの認証を実施すると、Kaggleにログインできます。 ①

分析の準備 - Step. 3 ログイン後は①の[Data]タブをクリックし、画面を一番下までスクロールしてください。 ①

分析の準備 - Step. 4 ダウンロードしたデータ「titanic.zip」を解凍して、フォルダを先程作成した「workspace」」フォルダの下に置いてください。

分析の準備 - Step. 5 次にVSCodeへ移り、ファイル・フォルダの一覧が並んでいる場所（①）で右クリックしてください。表示されるメニューの中から②の[New File] を選択し「titanic.ipynb」という名前でファイルを作成してください。 ① ②

分析の準備 - Step. 6 セル①に「!pip install pandas」と打ち込み、実行ボタン②を押してください。冒頭の「!」はPythonコードではなくコマンドプロンプトで動作するコードを実行するという意味で、今回だけ付与します。 ① ②

分析の準備 - Step. 7 セル①に「import pandas as pd」と打ち込み、実行ボタン②を押してください。これにより、データ分析のためのパッケージ「pandas」をこの Notebook上で利用できるようになりました。 ① ②

分析の準備 - Step. 8 セル①に「df=pd.read_csv("titanic/train.csv")」と打ち込み、実行ボタン ②を押してください。以後、「df」という変数からTitanicの訓練データを参照することができるようになります。（注）データと同じ階層にtitanic. ipynbを作成した場合「df=pd.read_csv("train.csv")」としてください。 ① ②

分析の準備 - Step. 9 最後に確認のため、データの中身を見てみましょう。セル①に「df」と打ち込み、実行ボタン②を押してください。表形式でデータが表示されれば、分析の準備が完了しました。 ① ②

© 2024 Yayoi Co., Ltd. All rights reserved. 57 ここからは実際に分析に入りますが、まず基礎的なポイント
だけは抑えていこうと思います。分析において重要なものは、主に次の３点です。 3.3. 分析のいろは課題の整理目的を言語化し、要件定義のできる状態にします。目的変数の定義課題解決のコアとなる情報を定義しデータから抽出します。基礎集計平均値、中央値、欠損値、異常値などを確認します。

© 2024 Yayoi Co., Ltd. All rights reserved. 58 通常はみなさんが抱えているデータ分析の課題を整理する、
という作業が必要となりますが、今回はデータ分析コンペのプラットフォーム「Kaggle」で提供されているお題を使用しているので、事前に定義された課題を掲載します。 3.3. 分析のいろは - 課題の整理 https://www.kaggle.com/c/titanic use machine learning to create a model that predicts which passengers survived the Titanic shipwreck. 機械学習を使用して、タイタニック号の沈没でどの乗客が生き残ったかを予測するモデルを作成します。この教材では機械学習モデル作成のところはスコープアウトして、生き残った乗客を分析することに集中しましょう。

© 2024 Yayoi Co., Ltd. All rights reserved. 59 データを見ると下記のような変数（列）が存在します。今回
の課題は「生存者の予測」なので、ふさわしい目的変数は「Survived」であると判断されます。 3.3. 分析のいろは - 目的変数の定義 Survived PassengerID Pclass Name Sex Age Parch SibSP Ticket Fare Cabin Embarked 生存フラグ乗客ID 等級氏名性別年齢乗船した両親/子供の人数乗船した兄弟/配偶者の人数チケット番号運賃船室番号乗船地

© 2024 Yayoi Co., Ltd. All rights reserved. 60 テーブルデータにおいては、主に次の集計を実施します。数
値変数とは年齢などの連続値であり、カテゴリ変数は性別などの離散値で表されるものです。 3.3. 分析のいろは - 基礎集計数値変数カテゴリ変数平均値四分位数欠損値頻度〇〇〇〇〇また四分位数とは25%の値・中央値・75％の値の総称で、頻度は同じものをカウントした数、欠損値は入力されていないデータを指します。最大/最小値

© 2024 Yayoi Co., Ltd. All rights reserved. 62 下記のプロンプトを用いてChatGPTに質問してみましょう。
3.4. ChatGPTを駆使してお手軽に分析 - Step. 1 ◼ データ分析のためのPythonコードを作成してください。 ◼ ## データの概要 ◼ データの形式：DataFrame ◼ データの変数名：df ◼ ## 分析の目的 ◼ 実行したい分析の種類：平均値の集計 ◼ ## 具体的なリクエスト内容 ◼ Ageカラムの平均値の数を集計したい（注）GPTの生成するコードにはサンプルのdfが含まれるのでTitanicの dfに置き換えてください。

3.4. ChatGPTを駆使してお手軽に分析 - Step. 2 データ分析のためのPythonコードを作成してください。 ## データの概要データの形式：DataFrame データの変数名：df ## 分析の目的実行したい分析の種類：各数値変数カラムの平均値を求めたい ## 具体的なリクエスト内容カテゴリ変数のカラムを無視すること

3.4. ChatGPTを駆使してお手軽に分析 - Step. 3 データ分析のためのPythonコードを作成してください。 ## データの概要データの形式：DataFrame データの変数名：df ## 分析の目的実行したい分析の種類：等級別に生存者数を見てみたい ## 具体的なリクエスト内容生存者フラグは"Survived", 等級カラムは"Pclass", Seabornで描画（注）もしエラーが発生したら次のStepに進んでください

© 2024 Yayoi Co., Ltd. All rights reserved. 65 もしStep.3で生成されたプロンプトを実行したところ、モ
ジュールの読み込みに失敗した場合には、下記のプロンプトを用いてChatGPTに質問してみましょう。 3.4. ChatGPTを駆使してお手軽に分析 - Step. 4 Jupyterで次のようなエラーメッセージが出力されました。 Jupyter上のセルから解決するための方法を教えてください。 ---------- ModuleNotFoundError Traceback (most recent call last) Cell In[9], line 1 ----> 1 import matplotlib.pyplot as plt ModuleNotFoundError: No module named 'matplotlib' （注）matplotlibとseabornで２回発生すると思われるので、都度実行してください。

© 2024 Yayoi Co., Ltd. All rights reserved. 67 これまで、ChatGPTを用いた分析の一例をご紹介しました。
残りの時間では、これまでご説明したツールやプロンプトを使用して、ご自由に分析していただければと思います。 3.5. 自習さきほどの例で「裕福な乗客ほど有利な状況だった」ということが明らかになったように、データを分析することで物事の思わぬ一面を明らかにしたり、直感を客観的に裏付けることができるようになります。みなさんも独自に仮説を立てて集計し、自分だけの分析結果というものを得られるよう手を動かしてみましょう。

© 2024 Yayoi Co., Ltd. All rights reserved. 68 本日は冒頭で、ゴールを次のようにご説明しました。
4. まとめ JupyterとPythonを使用したデータ分析を自分で実施できるようになること。ハンズオンという形でみなさんに手を動かしていただいたことで、個人差はあれどある程度の目標は達成できたのではないでしょうか。この講義を通して、みなさんはデータ分析のはじめの一歩を踏み出すことに成功しました。今後は自信をもって自由なテーマで自分なりの分析をしていただければと思います。

ChatGPTによるお手軽データ分析 / Easy data analysis with Ch...

ChatGPTによるお手軽データ分析 / Easy data analysis with ChatGPT

More Decks by yayoi_dd

Other Decks in Technology

Featured

Transcript