Name: Gemini AIとGoogle ColabによるPythonデータ分析 (Python Data Analysis with Gemini AI & Google Colab)
Uploaded: 2025-04-18T05:17:53.000Z
Duration: 34 min 26 s
Description: VoiceTubeの動画で発音を聞きながら英語表現を覚えよう！学べる英語：

to 不定詞

In this video, we're going to cover how to do data analysis using Python.

このビデオでは、Pythonを使ったデータ分析の方法を説明します。

命令形

And if you're not a programmer, don't worry, it's not going to be scary.

もしあなたがプログラマーでなくても、心配はいらない。

未来形

We'll use Google Colab for our environment.

And the reason I'm using Google Colab here is, of course, we can install all of this on our local computers and have all the libraries installed and everything.

ここでGoogle Colabを使っているのは、もちろん、このすべてをローカル・コンピューターにインストールし、すべてのライブラリをインストールすることができるからだ。

But for a typical user, if you're just starting out, it's probably going to be a lot of things to do and a lot of things to learn.

しかし、一般的なユーザーにとって、もしあなたがまだ始めたばかりなら、おそらくやるべきこと、学ぶべきことがたくさんあるはずだ。

So that's why you can simply just go to colab.research.google.com and that will take you to Google Colab.

だから、colab.research.google.comにアクセスすれば、Google Colabに飛ぶことができる。

And you can basically just start a new notebook.

そして、基本的には新しいノートブックを始めるだけでいい。

And this basically gives you a virtual server with Python installed with all the necessary libraries so you can do everything right away and get to the most interesting part.

これは基本的に、Pythonがインストールされた仮想サーバーを提供し、必要なライブラリーをすべて提供するので、すぐにすべてを実行し、最も興味深い部分に取りかかることができる。

And to top all of that, it also has Gemini, which is basically Google's AI, built into it, which will help you with a lot of the code.

さらに、基本的にグーグルのAIであるジェミニも内蔵されており、コードの多くを助けてくれる。

Now, first of all, to analyze data, we need some data.

さて、まずデータを分析するには、いくつかのデータが必要だ。

では、さっそくデータを取ってみよう。

Now, you could get this data from a lot of different sources.

さて、このデータはさまざまなソースから得ることができる。

You could get it from Excel, from Google Sheets, from SQL databases.

エクセル、グーグル・シート、SQLデータベースから取得できる。

ここでは、シンプルにいこうと思う。

We'll just use a CSV file, which you could, of course, get it from Excel and Google Sheets too.

もちろん、エクセルやグーグル・シートからも取得できる。

では、CSVをダウンロードしてみよう。

So what I'm going to do here, I'm going to go to data.cityofchicago.org.

data.cityofchicago.orgにアクセスしてみよう。

There are some good datasets you can download here and use.

ここからダウンロードして使える良いデータセットがいくつかある。

And if we scroll down a little bit here, you can see here there's this browse the data section.

そして、ここで少し下にスクロールすると、データセクションを閲覧することができる。

I'm going to go to this transportation section here.

この交通機関のセクションに行ってみるよ。

And here on the left side, I'm going to narrow this down to datasets.

左側で、データセットを絞り込む。

And see the first one that comes up here, at least right now, is this traffic crashes.

そして、少なくとも今、ここで最初に出てくるのが交通事故だ。

So I'm just going to go ahead and click on this.

では、これをクリックしてみます。

And if I scroll down a little bit, we're going to see how big of a dataset this is.

少し下にスクロールすると、このデータセットの大きさがわかるだろう。

So you can see here, this is 925,000 rows and 48 columns.

行数は925,000行、列数は48列です。

So this is the dataset I'm going to use to give you an example how we can use this Google Colab to actually run some data analysis on this.

このデータセットを使って、Google Colabを使って実際にデータ分析を行う例をお見せしましょう。

Now, first of all, let's download this data.

さて、まずはこのデータをダウンロードしてみよう。

And here there is this download file, as you can see, as an option.

そしてここに、ご覧のようなダウンロードファイルがオプションとして用意されている。

すべてのデータが欲しいんだ。

ダウンロードをクリックします。

This may take a little bit, so I'm just going to pause this video for a little bit.

少し時間がかかるかもしれないので、少しビデオを一時停止します。

よし、これでダウンロードは完了だ。

Over here, you can see it's 479 megabyte file.

こっちを見ると、479メガバイトのファイルであることがわかる。

これは超大規模なデータセットではない。

You could use datasets much bigger than this for this analysis.

この分析には、これよりはるかに大きなデータセットを使うことができる。

But I'm just going to use this one as an example.

でも、これは例として使うだけだよ。

Now, first, what I'm going to do, I'm going to basically upload this file to Google Colab environment.

まず、このファイルをGoogle Colabの環境にアップロードします。

And on the left side here, see, we have a few different sections.

左側にはいくつかのセクションがある。

If I open this first one, it gives me this.

この最初のものを開くと、こう表示される。

Then there are a few different sections like this.

それから、このようにいくつかの異なるセクションがある。

If I go to this folder icon, this is where we can actually upload a file.

このフォルダー・アイコンをクリックすると、実際にファイルをアップロードすることができる。

Now, if you want to continuously run analysis on this data going forward, you typically wouldn't want to upload this here to Google Colab because this is a temporary environment and it's going to remove this file once you refresh this.

なぜなら、これは一時的な環境であり、このファイルをリフレッシュすると削除されてしまうからだ。

So typically, you would probably upload it to your Google Drive and then mount that Google Drive to this project so you can next time just come back to it and use it.

そのため、通常はGoogle Driveにアップロードし、そのGoogle Driveをこのプロジェクトにマウントする。

Here, for simplicity, I'm just going to go ahead and upload it the regular way.

ここでは簡単のため、通常の方法でアップロードすることにする。

アップロードをクリックします。

Here you can see this is that file traffic.

これがそのファイルのトラフィックだ。

これをクリックして、「開く」をクリックする。

And this is warning me about what I just told you about that this is a temporary environment.

そしてこれは、私が今話したように、これは一時的な環境であるということを警告しているのだ。

Once you stop this runtime, it's basically going to remove the file, which is fine.

このランタイムを止めると、基本的にファイルは削除される。

Now, down here, if you look, it's basically creating this little circle.

さて、この下を見ると、基本的にこの小さな円を作っている。

ここでファイルをアップロードしている。

だから、これを待つつもりだ。

繰り返しますが、これはかなり大きなファイルです。

Once again, I'll pause this and resume once this is done uploading this file.

もう一度、一時停止して、このファイルのアップロードが終わったら再開します。

ここにアップロードして完了だ。

So let's get to doing some data analysis.

では、データ分析をしてみよう。

So if you do any data analysis using Python, you are going to end up dealing with a library called pandas.

Pythonを使ってデータ分析をする場合、pandasというライブラリを扱うことになる。

And that's the first thing we're going to do.

We're going to start by adding a line here.

pandasライブラリをインポートする。

And typically, when people import pandas library, they rename it as PD.

そして、一般的にpandasライブラリをインポートする場合、PDという名前に変更する。

And basically, what this does, it makes it easy later on to just type PD instead of typing pandas.

そして基本的に、これは何をするかというと、後でパンダとタイプする代わりにPDとタイプするだけでよくなる。

では、このコードを実行してみよう。

And you could keep listing multiple lines in this code block.

そして、このコード・ブロックに複数の行を列挙し続けることができる。

But typically, sometimes I like to separate different blocks here.

でも通常、私はここでブロックを分けるのが好きなんだ。

では、このコードをクリックしてみます。

And it's going to add another block of code right here.

そして、ここに別のコード・ブロックを追加する。

So now we ended up importing this pandas library under variable PD.

結局、このpandasライブラリを変数PDの下にインポートすることになった。

So the next part is going to be to actually grab that CSV file and all the data that's in that CSV file, which is this.

次のパートでは、CSVファイルとCSVファイル内のすべてのデータを取得します。

さて、このファイルにはこんなおかしな名前がついている。

So I'm going to just go ahead and rename this.

だから、このまま先に進んで名前を変えようと思う。

だから、ここをクリックして名前を変えるよ。

And I'll just basically just rename this to something easier, something like that.

そして、基本的にはこの名前をもっと簡単なものに変更するだけだ。

And that should be the name of the file now.

これがファイル名になるはずだ。

So now this point, to get to that file, we're going to do PD dot, which is this PD variable from here.

つまり、このファイルにアクセスするために、PDドットを実行することになる。

And you can see here it suggests read CSV.

そして、CSVの読み込みを示唆しているのがわかるだろう。

Now, there are many different file types you can do here.

さて、ここでできるファイルの種類はたくさんある。

So if I type read, you can see there's like read Excel, CSV, clipboard, HTML, JSON.

readと入力すると、Excel、CSV、クリップボード、HTML、JSONの読み込みがあるのがわかる。

And there are all these different formats.

そして、さまざまなフォーマットがある。

So I'm going to go read CSV, open parentheses.

というわけで、CSVを読みに行き、括弧を開く。

And then in parentheses, in quotes, we're going to basically enter the name of this file right here.

そして、括弧の中に、引用符の中に、このファイル名を入力する。

You want to make sure you match it exactly.

正確に一致することを確認したい。

So this is the file name, traffic crashes from here.

これがファイル名で、ここから交通事故が発生する。

そして、これを変数に保存する必要がある。

だから、このラインの前に行こう。

And we're going to make some variable name and make it equal this.

変数名を作って、これと同じにするんだ。

Now, typically, the variables people call here is going to be something like DF, short for data frame.

さて、一般的にここで呼ばれる変数は、データ・フレームを略してDFのようなものになる。

字幕リスト動画再生

Gemini AIとGoogle ColabによるPythonデータ分析 (Python Data Analysis with Gemini AI & Google Colab)

bunch

grab

basically

typically