Fredit Flow
Fredit Flow 公式サイト

data cleaning python: 確認してテストできるスクリプト

Fredit Flow 2.9.26 は、ご自身の CSV と JSON ファイルに対して Python のクリーニングスクリプトを作成して実行し、結果を新しいファイルに保存して diff を表示する Windows エージェントです。

Fredit Flow をダウンロード ↗クリーニングのワークフローを見る
バージョン

2.9.26

2026年11月2日リリース

プラットフォーム

Windows 10/11

64 ビット (x64) のみ

セットアップ

約 34 MB

ポータブル版 .exe は約 25 MB

表示言語

13 言語

アプリに内蔵

アカウント

不要

登録するものはありません

モデル

クラウドまたはローカル

内蔵モデルも使えます

Python によるクリーニング

ここでの data cleaning python スクリプトの仕組み

data cleaning python のスクリプトは、分析の前にデータセットの誤りを見つけて直します。対象は、誤った型、余分な空白、大文字と小文字の混在、重複した行、欠損値です。Fredit Flow はそのようなスクリプトを作成して実行し、あなたは各ルールを承認して diff を読みます。元のファイルには触れません。整えたデータは新しいファイルに入り、下の 4 つの手順例で流れを確認できます。

01

自分のショップの顧客エクスポートを整える

ショップから出力した customers.csv には、余分な空白、大文字小文字が混在したメールアドレス、重複した顧客、文字列で保存された年齢があります。Fredit Flow はまず read_file で先頭の数行を確認し、次に write_file で clean_customers.py を保存します。このスクリプトは空白を削除し、メールアドレスを小文字にし、重複したアドレスを飛ばし、年齢を数値に変換します。Shell はあなた自身の Python コマンドで実行し、実際の終了コードと出力された行数を報告します。出力は customers_clean.csv です。元の customers.csv はそのまま残ります。Ask first モードでは、ファイルを保存する前にカードが一時停止し、結果に頼る前に両方のファイルから 10 行を手作業で抜き取り確認します。

ツールの履歴
read_file  ./customers.csv  → first rows
write_file  ./clean_customers.py  → saved
Shell  your Python command clean_customers.py  → exit 0
read_file  ./customers_clean.csv  → 8 rows
02

欠損値の扱いを決める

欠損値に唯一の正解はなく、データクリーニングの工程でここはあなたの判断になります。sales.csv では grep が連続する 2 つのカンマを探しますが、これで見つかるのは行の途中の空欄だけです。そのため、スクリプトは行末の空欄や n/a のような仮の値も扱う必要があります。列ごとにルールを選びます。行を削除する、固定値で埋める、中央値で埋める、または空欄を残して印を付ける、のいずれかです。write_file が clean_sales.py を作成し、edit_file がそのスクリプトを変更し、Ask first モードでは diff を読みます。選択はすべて記録してください。その後、sales_clean.csv で印の付いた 5 行を自分で読みます。

ツールの履歴
grep  ,,  ./sales.csv  → 6 lines
write_file  ./clean_sales.py  → saved
edit_file  ./clean_sales.py  → +9 lines
Shell  your Python command clean_sales.py  → exit 0
03

Python でのデータラングリング: 2 つのファイルをキーで結合する

ご自身のショップの orders.csv と customers.csv があり、1 つの表にしたいとします。read_file が両方のヘッダー行を表示するので、エージェントは共通の顧客 ID を特定でき、write_file が merge_orders.py を保存します。Shell はあなた自身の Python コマンドでスクリプトを実行し、顧客が見つかった注文の数と見つからなかった注文の数を出力します。一致しなかった行は一覧になります。それらは消えずに別のファイルへ出力され、結合した表も新しいファイルに出力されます。2 つの行数を元のファイルと比べ、結合された数行を開いて、各注文が正しい顧客と結び付いているか確認します。

04

何かが実行される前に計画を読む

Plan only モードはクリーニングの手順を書き出すだけで何も実行しないので、コマンドは起動せず、ファイルも変わりません。エクスポートが入ったフォルダーでは、計画に read_file が調べる内容、スクリプトが適用するルール、各出力ファイルの保存先が並びます。計画は再起動後も残ります。計画を読み、チャットで別のルールを頼み、実行するには Ask first に切り替えます。後で Cron がスクリプトをスケジュールどおりに再実行でき、新しい 1 件のエクスポートにも同じルールが適用されます。保存された Python スクリプトはプレーンテキストの CSV クリーナーです。読んで、コピーに対して実行し、保管できます。

クリーニングのワークフローを見る

一般的なチャットアシスタントとの違い

チャットアシスタントは手順を提案します。Fredit Flow 2.9.26 はツールを自分で実行し、すべての操作が、コマンドの出力やファイルの diff といった実際の結果付きのカードとしてチャットに表示されます。

一般的なチャットアシスタントFredit Flow
操作スクリプトを提案し、実行はあなたに任せるツールを実行し、各結果をカードで表示する
あなたのファイルチャットに貼り付けたテキストで作業するチャットの作業フォルダー内のファイルを読む
変更編集内容を手作業でコピーするAsk first では編集を承認する前に diff を表示する
データのプライバシー貼り付けたテキストはプロバイダーに送られるローカルモデルなら、データは PC の外に出ない

始め方

  1. セットアッププログラム（約 34 MB）をダウンロードし、その SHA-256 チェックサムを公開されているマニフェストと比べます。
  2. Windows 10 または 11 で実行し、モデルを接続します。クラウドプロバイダー、ローカルで動くモデル、内蔵モデルから選べます。
  3. ご自身の CSV や JSON ファイルが入ったプロジェクトフォルダーを選びます。ファイルツールはチャットの作業フォルダー内で動作します。
  4. Ask first または Plan only モードでクリーニングの作業を 1 つ頼み、diff を読み、コピーに対してスクリプトを実行し、出力を抜き取り確認します。

誰が、いつ使うか

最初のグループは、乱雑なエクスポートを抱えるアナリスト、ショップの運営者、アンケートの管理者です。CSV や JSON のファイルには、余分な空白、混在した日付形式、重複した顧客が含まれており、読んで、再実行して、保管できるスクリプトが求められます。元のファイルはそのまま残ります。

2 つ目のグループは、機械学習用にデータを準備する学生とエンジニアです。乱雑な実世界のデータはモデルを壊し続けますが、データの前処理とは、クリーニングのあとにカテゴリのエンコードや数値のスケーリングといった工程が続くことを指します。先に分割してください。Fredit Flow 2.9.26 がスクリプトを書き、分割の確認はあなたが行います。

ファイルに個人情報が含まれる場合は、さらに 1 つ手順があります。プロンプトと、エージェントが読むファイルのテキストは、あなたが選んだモデルのエンドポイントに送られます。そのため、PC 上でローカルに動くモデルを使うか、先に個人情報の列を取り除いてください。プロンプトの送信先を把握しておきましょう。ご自身のデータ、または処理する権利のあるデータだけを扱ってください。

よくある質問

「data cleaning python」とは何ですか？

分析の前にデータセットの誤り、たとえば誤った型、余分な空白、重複した行、欠損値を見つけて直す Python スクリプトを書くことを指します。Fredit Flow は、そのスクリプトをあなたと一緒に作成して実行することで役立ちます。すべてのルールはあなたが承認します。

freditcode.com は Fredit Flow の公式サイトですか？

はい、freditcode.com は Fredit Flow の公式サイトです。インストーラーには署名がありません。実行する前に、ダウンロードしたファイルの SHA-256 チェックサムを公開されているマニフェストと比べてください。質問はアプリ内の Send feedback ボタンから送れます。

過去のデータは、いつクリーニングする価値がありますか？

古い記録がいまもレポート、判断、モデルに使われていて、その誤りがスクリプトで表せるルールに従っている場合は、クリーニングする価値があります。そうでなければ手を加えずに保管します。いずれの場合も元のコピーは残してください。ルールをやり直せるのは、元のファイルがある間だけだからです。

データクリーニングのベストプラクティスは、何から始めればよいですか？

まず 5 つの習慣です。ルールを書く前に元のデータを見る、各ルールを書き留める、元のファイルを上書きせず結果を新しいファイルに保存する。そのうえで、前後の行数を比べ、出力を手作業で抜き取り確認します。

エージェントは元のファイルを上書きしますか？

いいえ、新しい出力ファイルを頼めば上書きしません。ここにある例はすべてそうしています。Ask first モードではエージェントが何かを変更する前に一時停止するので、diff を読み、元のファイルへの書き込みを拒否できます。バックアップも取ってください。

ファイルは PC の外に出ますか？

それはあなたの選択しだいです。クラウドモデルでは、エージェントが読むファイルのテキストを含むプロンプトがそのプロバイダーに送られますが、PC 上でローカルに動くモデルは何も外に送りません。そのため、個人情報にはローカルモデルが必要です。

結果はいつも正しいのですか？

いいえ。エージェントはあなたが承認したルールを適用するだけで、値が正しいかどうかは判断できません。自動クリーニングで完全なものはありません。結果に頼る前に、diff を読み、コピーでスクリプトをテストし、整えたファイルを手作業で抜き取り確認してください。

始めましょう

ご自身のデータのコピーで試す

Fredit Flow 2.9.26 を Windows 10 または 11 向けにダウンロードし、モデルを接続して、ご自身のファイルのコピーを指定します。アカウントは不要です。すべての diff を読んでください。

Windows 版 Fredit Flow をダウンロード ↗

Fredit Flow について詳しく

すべてのページが 20 言語で利用できます。

エージェントがファイルに対してできること ↗ クラウド、ローカル、内蔵モデル ↗ 手順ごとのクリーニングワークフロー ↗ インストーラーのダウンロードと検証 ↗ 質問と回答 ↗ プライバシーとデータの扱い ↗