AI により変数の構成比率を可視化させてデータの構造を確認します

Copyright © 2026GotoAI株式会社gooseプロジェクトに基く

検証環境

本事例の手順は、以下の環境で動作を確認しています。

• Kari: バージョン 0.7.3 Windows
• AI プロバイダー: OpenAI ChatGPT サブスクリプション
• モデル: GPT-6.1 Sol High

説明

前のページで、生の CSV は 207,636行・28列 のテーブルになり、各列に型が付きました。しかし、どの列に何がどれだけ入っているかは、つまりデータの構造はまだ分かっていません。

分析に入る前に確認しておきたいのは、次のような点です。

• 値が1種類しかなく、分析に使えない列はどれか
• 中身が重複していて、どちらか一方で足りる列はどれか
• Null が大きな割合を占める列はどれか
• 連続数値の列は、どのあたりに値が偏っているか

これを調べるには、28列を1列ずつ集計し、分布を見ていくことになります。カテゴリの列は値ごとの件数を数え、数値の列は区切りを決めて階級に分ける必要があり、手作業では相応の時間がかかります。

Kari の 「データフロー」 を使えば、この集計を AI に一括で任せられます。データフローは、テーブルを入力として新しい集計結果を作る処理の単位です。元のテーブルは変更されません。 集計結果はそのままチャートにでき、処理の内容は Python スクリプトとして残ります。

作業の準備

• 前のページで作成した「データコレクション1:不動産価格.csv:テーブル1」が、データコレクションに登録されていることを確認します。

• チャットセッションを開きます。データフローの作成は、左のツリーからの操作ではなく、チャットでの指示から始めます。

AI に作業を指示

• 対象のテーブル、保存するデータフローの名前、そして集計の規則をまとめて、以下のように AI に作業を指示します。

AI への指示

データテーブル「データコレクション1:不動産価格.csv:テーブル1」をもとに、下記の分析を実施し、結果をデータフロー「不動産データ各変数構成」として保存し、指示に応じてチャートを作成する。

1. 各カラムの件数構成比率を集計し、積み上げ棒グラフで表示する。
2. カテゴリ変数の場合、値のままで区分値として使う。ただし、カテゴリレベル種類が30以上の場合、頻度の順で30位以下のものを一つの区分まとめる。
3. 連続数値変数の場合、分布により、5区分の程度で適宜に区切りを定義して集計する。
4. Null値があった場合、Nullを一つの区分として定義する。

この指示の組み立て方には、次のポイントがあります。

指示のブロック	ねらい
対象テーブルの指定	コレクション名:ファイル名:テーブル名の形で、入力を一意に特定します。データファイルが複数ある場合に取り違えを防げます。
データフロー名の指定	集計結果に名前を与えて保存させます。名前を指定しないと、何を集計したものか後から分からなくなります。
1. 集計とグラフの形	「件数構成比率」と「積み上げ棒グラフ」を指定します。列ごとに縦軸の単位が違うと1枚に並べられないため、構成比に揃えることが前提になります。
2. カテゴリの上限	区分が多すぎるとグラフが読めなくなります。30種類という上限と、超えた場合の扱い（頻度の低いものをまとめる）をあらかじめ決めておきます。
3. 数値の区切り	「分布により」「適宜に」と幅を持たせ、区切りの決定を AI に委ねています。 代わりに「5区分程度」という粒度だけを固定します。
4. Null の扱い	この事例で重要な指定です。 Null を除外して集計すると、欠損の多い列が「きれいな列」に見えてしまいます。Null を1つの区分として数えさせることで、欠損がグラフ上に現れます。

注意

構成比のグラフでは、Null をどう扱うかで見え方が大きく変わります。 指示に書かなければ、Null は除外されたり、空欄として落とされたりします。欠損の状況を知ることが目的であれば、必ず明示してください。

AI の作業結果を確認

• AI が集計スクリプトを書いて実行し、結果を報告します。左のツリーの「データフロー」の下に 「不動産データ各変数構成」 が現れます。

この例では、次のことが報告されています。

• データフロー「不動産データ各変数構成」と、100%積み上げ横棒グラフ「チャート1」を保存した。
• 全 207,636件・28列 を集計した。
• カテゴリは元の値を使用し、30種類以上の場合は上位29種類を保持して30位以下を統合した。
• 数値 9列は、分布に応じて5区分に分類した。
• Null は独立した区分として集計した。
• 全列で件数合計と構成比100%を確認済み。

指示と結果の差を読む

指示では「30位以下のものを一つの区分まとめる」と書きました。AI の報告は「上位29種類を保持、30位以下を統合」です。つまり、保持した29種類＋統合した1区分で、合計30区分に収まっています。指示の文面は「30位以下をまとめて31区分」とも読めるため、AI がどちらの解釈を採ったかは、報告を読んで確かめる必要があります。

• 「テーブル」には、集計結果が 341行で出力されます。「カラム」「変数種類」「区分」「件数」「構成比」「総件数」「カラム順」の列で、どの列がどの区分に分かれ、それぞれ何件あったかを1行ずつ追えます。

カラム	変数種類	区分	件数	構成比	総件数
種類	カテゴリ	中古マンション等	158,712	0.7643761197480206	207,636
種類	カテゴリ	宅地(土地と建物)			207,636
価格情報区分	カテゴリ	成約価格情報			207,636
価格情報区分	カテゴリ	不動産取引価格情報			207,636
地域	カテゴリ	住宅地			207,636
地域	カテゴリ	商業地			207,636
地域	カテゴリ	工業地			207,636
地域	カテゴリ	Null			207,636

• 「構成比」は 0.7643761197480206 のように丸めずに保持されます。 グラフのラベルは読みやすく丸められるため、資料に数値を引用する場合は、この集計表から取ってください。

• 「総件数」の列が全行で 207,636 になっていることにも注目してください。どの列の集計でも母数が元のテーブルと同じであり、特定の列だけ対象が絞られていないことが、この列で確認できます。

• 「地域」に Null の行があることにも注目してください。指示の 4. が効いており、欠損が1つの区分として集計されています。

チャートで構造を把握する

• 「チャート」を開くと、100%積み上げ横棒グラフが1枚で表示されます。28列すべてが縦に並び、各行の内訳が区分ごとの帯になります。

各帯には構成比が表示されます。1行が必ず100%になるため、列ごとに件数の桁が違っても、同じ尺度で並べて比較できます。

このグラフ1枚から、次のことが読み取れます。

読み取れること	グラフ上の見え方	分析への影響
「都道府県名」は値が1種類しかない	帯が分かれず、100% の1本になる	東京都のデータだけを取得したため当然ですが、この列は分析に使えません。 比較の軸にも、相関の変数にもなりません。
「市区町村コード」と「市区町村名」は同じ構造	2行の帯の並びが完全に一致する（8%・7%・7%・6%・5%…）	同じ情報の別表現です。どちらか一方を使えば足ります。両方を変数に入れると、相関分析では重複して効きます。
「種類」は中古マンション等に偏っている	76% と 24% の2区分	母集団の4分の3が中古マンション等です。全体の傾向は、ほぼ中古マンションの傾向になります。種類別に分けた分析が必要かを判断してください。
「価格情報区分」はほぼ半々	50% と 50%	成約価格情報と不動産取引価格情報が同程度含まれています。出所の異なる価格が混在しているため、両者を区別せずに平均を取ってよいかの判断が必要です。
欠損が大半を占める列がある	灰色の帯が大きく広がる（地域 84%、土地の形状 84%、間口 86%、延床面積（㎡）77%）	これらの列は、一部のレコードにしか値が入っていません。 条件や変数に使うと、対象が大きく絞られます。
「地区名」「最寄駅：名称」は区分が非常に多い	細い帯が多数並び、加えて 85%／80% の大きな帯が1本ある	30区分の上限に達した列です。大きな1本は、頻度の低い値をまとめた区分か Null のいずれかです。どちらであるかはグラフからは判別できないため、集計表で確認してください（下記「Human-in-the-loop のポイント」）。
連続数値の列は5区分にほぼ均等に分かれている	取引価格（総額）が 18%・20%・22%・22%・19%、面積（㎡）が 17%・22%・22%・27%・12%	分位点で区切られたことを示します。値の大小ではなく、順位による区切りである点に注意してください。

ヒント

この種のグラフの目的は、値を読むことではなく、構造を見つけることです。「使えない列」「重複した列」「欠損の多い列」を分析の前に特定できれば、以降の仮説検証で無駄な試行を減らせます。個々の数値が必要になったら、「テーブル」の集計表を参照してください。

スクリプトとデータの流れを確認する

• 「データフロースクリプト（Python）」を開くと、AI が書いた集計スクリプトがそのまま読めます。

スクリプトの上の領域には、集計の検証結果が表示されます。

元テーブル：207,636件・28列  /  集計結果：341行
連続数値：9列  /  カテゴリ：19列
検証：全列の件数合計が元件数と一致、構成比合計は100%。

続けて「カラム」「件数合計」「構成比合計」「区分数」の表が出力され、列ごとに検証結果を確かめられます。「種類」は 件数合計 207636・構成比合計 1.0・区分数 2 です。元の件数が保たれ、構成比が過不足なく100%になっていることを、列ごとにここで確認できます。

import pandas as pd
import numpy as np

# 元テーブルを変更せず、全件・全列を集計する。
df = dc_read_table("1df4f315-0629-4b51-9ead-190c5d1ba087")
total = len(df)
if total == 0:
    raise ValueError("元テーブルに行がありません。")

# 分位点と頻度を確認して設定した、読みやすい約5区分。
# 境界は「下限以上・上限未満」。最初/最後は下限/上限を設けない。

冒頭のコメントに 「元テーブルを変更せず」 と明記されています。データフローは元のテーブルを読み取るだけで、書き換えません。集計のやり直しや条件の変更を、元データを壊す心配なく繰り返せます。

区切りについても、**「分位点と頻度を確認して設定した」「境界は下限以上・上限未満」**とコメントが残されています。区切りの根拠と境界の扱いがコードに書かれているため、その判断が妥当かどうかを人が検証できます。

• 「データグラフ」を開くと、データの流れが図で表示されます。

不動産価格.csv:テーブル1 から 不動産データ各変数構成 への1本の矢印が描かれます。どのテーブルから何が作られたかが図で追えるため、データフローが増えても、集計結果の出どころを見失いません。

Human-in-the-loop のポイント

AI に任せきりにせず、次の点は人が確認してください。

• 元件数との一致を確認する
  集計で件数が増減していれば、集計そのものが誤っています。本例では「全列の件数合計が元件数と一致、構成比合計は100%」と検証結果が表示され、元テーブルの 207,636件と一致しています。この表示を、まず確認してください。

• 大きな帯が「欠損」なのか「統合された区分」なのかを見分ける
  グラフ上で大きな面積を占める帯には、Null の区分と、頻度の低い値をまとめた区分の2種類があります。見た目が似ているため、グラフだけでは区別できません。「地区名」の85%、「最寄駅：名称」の80%のような帯は、集計表の「区分」の値を見て、どちらであるかを必ず確認してください。前者なら欠損の問題、後者なら区分設計の問題であり、対処がまったく異なります。

• 「その他」に統合された区分の中身を確認する
  区分が30を超えた列では、頻度の低い値がまとめられています。 「地区名」「最寄駅：名称」のような列では、まとめられた側に分析対象が含まれている可能性があります。統合された区分を使って判断する前に、集計表の「区分定義」で中身を確認してください。

• 数値の区切りの根拠を確認する
  5区分の境界は、AI が分布を見て決めたものです。業務上の意味（たとえば「5,000万円以上」のような実務的な区切り）とは一致しません。資料に使う場合は、スクリプトの境界値を読み、必要なら書き換えて再実行してください。

• Null の意味を切り分ける
  Null には「元データで記録されていない」場合と「その物件には該当しない」場合があります。本例の「地域」「間口」「延床面積（㎡）」のように欠損が大きい列は、どちらの Null なのかを元データの仕様に戻って確認してください。 両者を同じ欠損として扱うと、以降の分析を誤ります。

• 定数列と重複列を分析から外す
  「都道府県名」のように値が1種類の列は、分析に寄与しません。「市区町村コード」と「市区町村名」のように内容が重複する列も、両方を使うと重複して効きます。このグラフは、それらを見つけるために描いています。 見つけた結果を、以降の分析の変数選択に反映してください。

• 資料に引用する数値は集計表から取る
  グラフのラベルは読みやすさのために整数に丸められます（例：「種類」の 76%）。集計表には 0.7643761197480206 のように丸めない値が保持されています。資料に数値を引用する場合は、グラフからではなく「テーブル」の集計表から取ってください。

• データフローは元テーブルを変更しないが、上書きはされる
  同じ名前のデータフローに対して再度指示を出すと、集計の内容は置き換わります。スクリプトを手で調整した場合は、控えを取ってから指示してください。

注意

使用する LLM により、区分の切り方やカテゴリの統合方法が変わることがあります。同じ指示でも、区切りの境界は実行のたびに変わり得ます。 複数回の結果を比較する場合は、同じスクリプトを再実行してください。

参考資料

本ページで集計しているデータは、前のページまでで取得・解析した国土交通省「不動産情報ライブラリ」のデータです。画面キャプチャは出所を明示した上で引用として掲載しています。AI が出力した集計・区分の定義・チャートおよびスクリプトは、GotoAI が Kari の動作例として生成したものであり、国土交通省が作成・公表したものではありません。

• 資料名: 不動産情報ライブラリ「不動産価格（取引価格・成約価格）情報の検索・ダウンロード」
• 提供元: 国土交通省
• URL: https://www.reinfolib.mlit.go.jp/realEstatePrices/
• 閲覧日: 2026年10月13日
• 利用条件: 同サイトの利用規約に従います。出典：国土交通省ウェブサイト（上記 URL）。

免責事項

• 本サイトで引用した外部の情報は、Kari の利用例を説明するためのものです。それらの情報の正確性や最新性について、本サイトは保証しません。引用元の内容は予告なく変更・削除されることがあります。
• 本サイトで示した AI の出力は、記載の検証環境で実際に得られたものです。ただし、その出力の正確性や有用性について、本サイトは保証しません。AI の出力は、使用する LLM や設定、実行のたびに変わることがあります。
• 本ページに示した区分の定義・区切りの境界は、AI が元データの分布から決めたものであり、公的に定められた区分ではありません。
• AI が生成した集計スクリプトは、利用者ご自身の責任でご確認のうえお使いください。区分の定義を誤ったまま集計すると、結果は誤ったものになります。
• 画面キャプチャは、掲載時点のバージョンの Kari で取得したものです。お使いのバージョンでは表示が異なる場合があります。
• 本ページで扱うのは実際の不動産取引価格のデータです。購入や投資の判断に用いる場合は、必ず元データと照合してください。
• 引用元の各機関・団体は、本サイトおよび Kari と提携・推奨関係にはありません。