【初心者】研修の復習のため、AIにPythonの練習問題を作らせて解いてみた

# Pythonデータ分析 練習問題生成プロンプト

あなたはPythonデータ分析の講師です。
以下の条件で練習問題セットを生成してください。

## 対象トピック
- pandas（DataFrame操作：読み込み・フィルタリング・集計・結合）
- NumPy（配列操作・統計計算）
- matplotlib/seaborn（データ可視化）
- データ前処理（欠損値処理・型変換・外れ値検出）

## 問題数・難易度
7問を以下のバランスで作成してください。
- ⭐（易）：2問
- ⭐⭐（中）：3問
- ⭐⭐⭐（難）：2問

## データセット
- 全問題で共通して使える架空のデータセットを1つ用意し、コードで生成できるようにしてください。
- 外部ファイルに依存しないこと（pd.DataFrameで直接定義）。

## 出力形式
以下の3つを個別に生成してください。

### 1. 問題一覧
- 共通データセットの生成コード
- 各問題：番号・タイトル・難易度（⭐）・問題文

### 2. ヒント
- 各問題に対応するヒント
- 答えは直接与えず、使うべきメソッド名・考え方・注意点を記載

### 3. 解説・解答
- 各問題の完全な解答コード（コメント付き）
- コードの後に「なぜそう書くのか」の解説

## その他
- Python 3.10以降・pandas 2.x系で動作すること
- 日本語のカラム名・値を使うこと

pip install pandas numpy matplotlib seaborn

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import matplotlib
matplotlib.rcParams['font.family'] = 'MS Gothic'

# 売上データ
sales_data = {
    '日付': [
        '2024-01-07', '2024-01-14', '2024-01-21', '2024-01-28',
        '2024-02-04', '2024-02-11', '2024-02-18', '2024-02-25',
        '2024-03-03', '2024-03-10', '2024-03-17', '2024-03-24',
        '2024-04-07', '2024-04-14', '2024-04-21', '2024-04-28',
        '2024-05-05', '2024-05-12', '2024-05-19', '2024-05-26',
    ],
    '商品名': [
        'ノートPC', 'スマートフォン', 'タブレット', 'イヤホン',
        'ノートPC', 'マウス', 'スマートフォン', 'タブレット',
        'イヤホン', 'ノートPC', 'マウス', 'スマートフォン',
        'タブレット', 'ノートPC', 'イヤホン', 'マウス',
        'スマートフォン', 'ノートPC', 'タブレット', 'イヤホン',
    ],
    'カテゴリ': [
        'PC', 'スマートフォン', 'タブレット', 'アクセサリ',
        'PC', 'アクセサリ', 'スマートフォン', 'タブレット',
        'アクセサリ', 'PC', 'アクセサリ', 'スマートフォン',
        'タブレット', 'PC', 'アクセサリ', 'アクセサリ',
        'スマートフォン', 'PC', 'タブレット', 'アクセサリ',
    ],
    '地域': [
        '東京', '大阪', '東京', '名古屋',
        '大阪', '東京', '東京', '名古屋',
        '大阪', '東京', '名古屋', '大阪',
        '東京', '大阪', '東京', '名古屋',
        '東京', '大阪', '名古屋', '東京',
    ],
    '単価': [
        98000, 65000, 45000,  8500,
        102000, 3200, 71000, 48000,
         9200, 89000,  2900, 58000,
        52000, 115000, 7800,  3500,
        68000, 108000, 43000,  8100,
    ],
    '販売数': [
        2, 3, 5, 10,
        3, 8, 2, 4,
        12, 2, 7, 4,
        3, 3, 11, 9,
        2, 2, 5, 9,
    ],
}

df = pd.DataFrame(sales_data)
df['日付'] = pd.to_datetime(df['日付'])

messy_data = {
    '商品名':   ['ノートPC', 'スマートフォン', 'タブレット', 'イヤホン', 'マウス',
                 'ノートPC', 'スマートフォン', 'タブレット', 'イヤホン', 'マウス'],
    '単価': [98000, None, 45000, 8500, None,
                 102000, 65000, None, 9200, 3200],
    '販売数':   [2, 3, None, 10, 8,
                 None, 2, 4, None, 7],
    '評価スコア': [4.5, 3.8, 4.2, None, 3.5,
                   4.7, None, 4.0, 3.9, None],
}
df_messy = pd.DataFrame(messy_data)

product_master = pd.DataFrame({
    '商品名': ['ノートPC', 'スマートフォン', 'タブレット', 'イヤホン', 'マウス'],
    '原価':   [60000, 35000, 25000, 3000, 1200],
    'ブランド': ['TechPro', 'SmartCo', 'TechPro', 'SoundX', 'PeriCo'],
})

# 1. 先頭5行を表示
print(df.head())

# 2. 行数・列数
print(df.shape)          # → (20, 6)
print(f"行数: {df.shape[0]}, 列数: {df.shape[1]}")

# 3. 各列のデータ型
print(df.dtypes)

# 4. 基本統計量
print(df.describe())

# 5. カテゴリ列のユニーク種類数と件数
print(f"カテゴリの種類数: {df['カテゴリ'].nunique()}")
print(df['カテゴリ'].value_counts())

# 1. NumPy配列に変換
arr = df['単価'].values          # または.to_numpy()
print(type(arr))                # → <class 'numpy.ndarray'>

# 2. 基本統計量を計算
print(f"合計    : {np.sum(arr):,}")
print(f"平均    : {np.mean(arr):,.1f}")
print(f"中央値  : {np.median(arr):,}")
print(f"標準偏差: {np.std(arr):,.1f}")
print(f"最大値  : {np.max(arr):,}")
print(f"最小値  : {np.min(arr):,}")

# 3. 50,000円以上をブールインデックスで抽出
mask = arr >= 50000
print(arr[mask])

# 4. 4行5列の2次元配列に変換
arr_2d = arr.reshape(4, 5)
print(arr_2d)
print(f"形状: {arr_2d.shape}")      # → (4, 5)

# 5. 各行の合計
row_sums = arr_2d.sum(axis=1)
print(row_sums)

# 1. 単価が50,000円を超える行
df_high = df[df['単価'] > 50000]
print(df_high)

# 2. 地域が東京の行
df_tokyo = df[df['地域'] == '東京']
print(df_tokyo)

# 3. 東京 かつ カテゴリがPC
df_tokyo_pc = df[(df['地域'] == '東京') & (df['カテゴリ'] == 'PC')]
print(df_tokyo_pc)

# 4. 単価の高い順に並び替えて上位5件
df_top5 = df.sort_values('単価', ascending=False).head(5)
print(df_top5)

# 5. locで単価が10,000円未満の行の商品名と単価
df_low = df.loc[df['単価'] < 10000, ['商品名', '単価']]
print(df_low)

# 1. カテゴリごとに単価の合計・平均・件数を集計
result1 = df.groupby('カテゴリ')['単価'].agg(['sum', 'mean', 'count'])
result1.columns = ['合計', '平均', '件数']   # 列名を日本語に変更
print(result1)

# 2. 地域ごとの販売数の合計（多い順）
result2 = (df.groupby('地域')['販売数']
             .sum()
             .sort_values(ascending=False))
print(result2)

# 3. カテゴリ×地域の2軸集計
result3 = df.groupby(['カテゴリ', '地域'])['単価'].sum()
print(result3)

# 4. カテゴリごとに単価が最大の行を取得
idx = df.groupby('カテゴリ')['単価'].idxmax()
result4 = df.loc[idx, ['カテゴリ', '商品名', '地域', '単価']]
print(result4)

messy_data = {
    '商品名':   ['ノートPC', 'スマートフォン', 'タブレット', 'イヤホン', 'マウス',
                 'ノートPC', 'スマートフォン', 'タブレット', 'イヤホン', 'マウス'],
    '単価': [98000, None, 45000, 8500, None,
                 102000, 65000, None, 9200, 3200],
    '販売数':   [2, 3, None, 10, 8,
                 None, 2, 4, None, 7],
    '評価スコア': [4.5, 3.8, 4.2, None, 3.5,
                   4.7, None, 4.0, 3.9, None],
}
df_messy = pd.DataFrame(messy_data)

# 1. 各列の欠損値の数
print(df_messy.isnull().sum())

# 2. 欠損値を含む行数
missing_rows = df_messy.isnull().any(axis=1).sum()
print(f"欠損値を含む行数: {missing_rows}")

# 3. 単価の欠損値を平均で埋める（元のDFを更新）
mean_sales = df_messy['単価'].mean()
df_messy['単価'] = df_messy['単価'].fillna(mean_sales)
print(f"単価の平均: {mean_sales:,.1f}")
print(df_messy[['商品名', '単価']])

# 4. 販売数の欠損値を中央値で埋める
median_qty = df_messy['販売数'].median()
df_messy['販売数'] = df_messy['販売数'].fillna(median_qty)
print(f"販売数の中央値: {median_qty}")
print(df_messy[['商品名', '販売数']])

# 5. 評価スコアに欠損値がある行を削除
df_clean = df_messy.dropna(subset=['評価スコア'])
print(f"削除前: {len(df_messy)}行 → 削除後: {len(df_clean)}行")
print(df_clean)

# フォント設定（日本語を表示するため）
import matplotlib
matplotlib.rcParams['font.family'] = 'MS Gothic' # Windowsの場合。'Yu Gothic'でも可
# Macの場合: 'Hiragino Sans' または 'AppleGothic'
# Linuxの場合: 'IPAexGothic'

# 1. 棒グラフ：カテゴリごとの単価合計
plt.figure(figsize=(8, 5))
category_sales = df.groupby('カテゴリ')['単価'].sum().sort_values(ascending=False)
plt.bar(category_sales.index, category_sales.values, color='steelblue')
plt.title('カテゴリ別 単価合計', fontsize=14)
plt.xlabel('カテゴリ', fontsize=12)
plt.ylabel('単価（円）', fontsize=12)
plt.tight_layout()
plt.show()

# 2. 折れ線グラフ：日付ごとの単価
plt.figure(figsize=(10, 5))
plt.plot(df['日付'], df['単価'], marker='o', color='tomato', linewidth=1.5)
plt.title('週次 単価推移', fontsize=14)
plt.xlabel('日付', fontsize=12)
plt.ylabel('単価（円）', fontsize=12)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

# 3. 箱ひげ図：地域ごとの単価分布
plt.figure(figsize=(8, 5))
sns.boxplot(data=df, x='地域', y='単価', palette='Set2')
plt.title('地域別 単価の分布', fontsize=14)
plt.xlabel('地域', fontsize=12)
plt.ylabel('単価（円）', fontsize=12)
plt.tight_layout()
plt.show()

# 4. 相関ヒートマップ
plt.figure(figsize=(5, 4))
corr = df[['単価', '販売数']].corr()
sns.heatmap(corr, annot=True, fmt='.2f', cmap='coolwarm', vmin=-1, vmax=1)
plt.title('相関行列ヒートマップ', fontsize=14)
plt.tight_layout()
plt.show()

plt.figure(figsize=(14, 10))

# 1. 棒グラフ（左上）
plt.subplot(2, 2, 1)
category_sales = df.groupby('カテゴリ')['単価'].sum().sort_values(ascending=False)
plt.bar(category_sales.index, category_sales.values, color='steelblue')
plt.title('カテゴリ別 単価合計')
plt.xlabel('カテゴリ')
plt.ylabel('単価（円）')

# 2. 折れ線グラフ（右上）
plt.subplot(2, 2, 2)
plt.plot(df['日付'], df['単価'], marker='o', color='tomato', linewidth=1.5)
plt.title('週次 単価推移')
plt.xticks(rotation=45)

# 3. 箱ひげ図（左下）
plt.subplot(2, 2, 3)
sns.boxplot(data=df, x='地域', y='単価', palette='Set2')
plt.title('地域別 単価の分布')

# 4. 相関ヒートマップ（右下）
plt.subplot(2, 2, 4)
corr = df[['単価', '販売数']].corr()
sns.heatmap(corr, annot=True, fmt='.2f', cmap='coolwarm', vmin=-1, vmax=1)
plt.title('相関行列ヒートマップ')

plt.tight_layout()
plt.show()

# 商品マスタ
product_master = pd.DataFrame({
    '商品名': ['ノートPC', 'スマートフォン', 'タブレット', 'イヤホン', 'マウス'],
    '原価':   [60000, 35000, 25000, 3000, 1200],
    'ブランド': ['TechPro', 'SmartCo', 'TechPro', 'SoundX', 'PeriCo'],
})

# 1. 内部結合
df_merged = pd.merge(df, product_master, on='商品名', how='inner')
print(f"結合後の行数: {len(df_merged)}")
print(df_merged.head())

# 2. 利益列を追加（単価に販売数を掛けて合計売上を求める）
df_merged['利益'] = (df_merged['単価'] - df_merged['原価']) * df_merged['販売数']
print(df_merged[['商品名', '単価', '原価', '販売数', '利益']].head(5))

# 3. ブランドごとの利益合計（多い順）
brand_profit = (df_merged.groupby('ブランド')['利益']
                          .sum()
                          .sort_values(ascending=False))
print(brand_profit)

# 4. 利益率の追加と絞り込み（合計売上 = 単価 × 販売数）
df_merged['利益率'] = df_merged['利益'] / (df_merged['単価'] * df_merged['販売数']) * 100
df_high_margin = df_merged[df_merged['利益率'] >= 30]
print(df_high_margin[['商品名', '地域', '単価', '利益', '利益率']])

# 5. ピボットテーブル（カテゴリ×地域の利益平均）
pivot = df_merged.pivot_table(
    values='利益',
    index='カテゴリ',
    columns='地域',
    aggfunc='mean'
)
print(pivot.round(0))   # 小数点以下を丸める

# pivot_tableのパラメータの意味
pivot_table(
    values='利益',      # 集計する値の列
    index='カテゴリ',   # 行（縦軸）にするカテゴリ
    columns='地域',     # 列（横軸）にするカテゴリ
    aggfunc='mean'      # 集計方法（今回は平均）
)