3.0 学習ガイドとタスクリスト：データ分析と可視化

主な学習ルートは 第 3 章の入口 にまとめました。このページは、練習中に見る短いチェックリストとして使います。

一行モデル

読み込む→確認する→整える→集計する→可視化する→説明する

グラフを一文で説明できないなら、データの質問に戻ります。

残す証拠

このページを終えたら、この evidence card を残します。

データソース

生レコードまたは使用した小規模データセット

処理ステップ

純 Python、NumPy、Pandas、可視化、または SQL の操作

出力

cleaned data、statistic、chart、query result、またはreport note

失敗確認

データ不足、形状不一致、誤った集計、または不明確な質問

期待される成果

信頼性を支える証拠があるデータアーティファクト

練習チェックリスト

チェック	証拠
行、列、型、欠損値を確認できる	df.info() と欠損メモ
重複、欠損、明らかな外れ値を処理できる	クリーニングログ
groupby で質問に答えられる	集計表
具体的な質問に合うグラフを選べる	3 つのグラフファイル
結論と限界を書ける	report.md
再現可能なワークショップを完了できる	ch03_output/

確認の考え方と解説

• このチェックリストは最終的な証拠監査として使います。各プロジェクトで、生ファイル、クリーン済みファイルまたはクリーニングスクリプト、要約表、グラフ、短い結論を指し示せる状態にします。
• 各結論には、支える証拠を 1 文、限界を 1 文で書きます。この習慣により、小さく汚いデータから言いすぎることを防げます。
• 別の学習者が新しいフォルダから notebook や script を再実行できないなら、次章へ進む前にパス、依存関係、README 手順を直します。

証拠基準

成果物	答えるべきこと
データ辞書	各列は何を意味し、単位は何で、どこから来たか。
クリーニングログ	どの行や値を変え、その規則がなぜ受け入れられるか。
集計表	どの数値パターンが答えを支えているか。
グラフ	この可視化は 1 つのどの問いに答えるか。
限界メモ	欠損データ、サンプリング、時間、リークにより、まだ何が間違いうるか。

次へ進めるサイン

1 つの CSV を、元データからクリーニング済みデータ、集計表、グラフ、短い結論まで進められたら、第 4 章へ進めます。