ここでは Google Colab で Python を使って、データベースのクエリ（query、問合せ）の練習をしてみましょう。
まず、データを操作するための pandas（パンダズ）というライブラリを pd という省略名でインポートする決まり文句です：
import pandas as pd
この pd で定義されている read_csv() という関数でデータを読みます。データは Web で公開されている CSV ファイルを URL で指定します。このように Web で機械可読なデータをもらってくる仕組みを一般に Web API といいます。ここでは2022年1月1日現在の住民基本台帳に基づく都道府県別・男女別人口データを扱います（元データはe-Statの住民基本台帳に基づく人口、人口動態及び世帯数調査 / 調査の結果）。読み込んだデータを df という名前の変数（データフレーム）に格納します。2行目は単に df とだけ打ち込んで、データの中身を表示しています：
df = pd.read_csv("https://okumuralab.org/~okumura/stat/data/pop2022.csv")
df
Google Colab での表示は次のようになります：
右の鉛筆マークをクリックすると、interactive table（マウスで操作できるテーブル）になります。ここでは説明しませんが、興味があったら試してみてください。
「番号」は本来は北海道が01、青森が02のような2桁の文字列の都道府県コードですが、数値化されて、頭の0が消えてしまっています。以下ではこの欄は使わないのでこのままにしていますが、「番号」を文字列として読むには
df = pd.read_csv("https://okumuralab.org/~okumura/stat/data/pop2022.csv", dtype={"番号": str})
のようにします。
ここでクエリを投げてみましょう。SQL なら select * from df where 都道府県='東京'; と打つべきところを、Python では次のようにします：
df.query("都道府県 == '東京'")
東京の行だけが表示されました。男女の人口だけを表示させたいなら、SQL では select 男, 女 from df where 都道府県='東京'; としますが、Python では次のように最後に [[ ]] で囲んで指定します：
df.query("都道府県 == '東京'")[["男", "女"]]
男女の人口はわかりましたが、合計の人口もほしいですね。「計」という欄を追加しましょう：
df["計"] = df["男"] + df["女"]
これで再度 df 全体を表示してみてもいいのですが、スペースを食いますので、頭の数件だけ表示してみましょう：
df.head()
以下でも、ときどき df.head() や、データの末尾を見る df.tail() をしてみるとわかりやすいと思います。
df["計"] = df["男"] + df["女"] と同じことをする別の方法として df = df.assign(計 = df["男"] + df["女"]) があります。df["計"] = ... は既存のデータに列を直接追加し、df.assign() は列を追加した新しいデータを作成します。
すべて 0 の列を作るには df["計"] = 0 と打ち込みます。
列を消すには、del df["計"] と打ち込みます。
全国の合計も知りたいですね：
df[["男", "女", "計"]].sum()
男 61420626 女 64507276 計 125927902 dtype: int64
この時点での日本の人口は 125927902 人でした。男より女のほうが多いようですね。
都道府県別に男女比が知りたくなりました。「男女比」という欄を追加しましょう。
df["男女比"] = df["男"] / df["女"]
男が少ない都道府県、例えば男女比が 90% 未満のデータを抽出しましょう：
df.query("男女比 < 0.9")
and や or も使えます。
df.query("男女比 < 0.9 and 計 >= 1000000")
抽出されたものは、元の順番（都道府県コード順）に並んでいます。これを男女比の昇順（小さい順）に並べ替えてみます：
df.query("男女比 < 0.9").sort_values("男女比")
これは次のように分けて書いてもかまいません：
df1 = df.query("男女比 < 0.9")
df1.sort_values("男女比")
降順（大きい順）にするには ascending=False というオプションを付けます：
df.query("男女比 < 0.9").sort_values("男女比", ascending=False)
データ全体を人口の合計でソートし、大きい順に並び替えて、頭の3行を表示しましょう：
df.sort_values("計", ascending=False).head(3)
もう一つデータを読み込んでみます。こちらは各都道府県の面積です：
df2 = pd.read_csv("https://okumuralab.org/~okumura/stat/data/area.csv")
df と df2 をマージ（結合、join）したものを df に代入します：
df = pd.merge(df, df2)
人口密度を求めてみましょう：
df["人口密度"] = df["計"] / df["面積_km2"]
問題：人口密度の大きい順に並べて、上位10件（.head(10)）、下位10件（.tail(10)）を表示してください。
ここでは行の追加・変更（SQL の insert や update に相当すること）は行いませんでしたが、簡単な方法として、行をインデックス（表示した際に一番左に現れるもので、デフォルトでは 0 から始まる番号）で指定して追加・変更できます。追加なら例えば
df.loc[df.index.max() + 1] = [0, "全国", 61420626, 64507276]
のようにすればいいのですが、インデックスは番号でなくてもよく、例えば
df.loc["total"] = [0, "全国", 61420626, 64507276]
でも行が追加できます。既存のインデックスを指定すれば行を上書きできます。行の削除は
df.drop(インデックス, inplace=True)
でできます。なお、同じインデックスが複数あるようなデータフレームを作ることは可能です。その場合、上書きすると両方が変わります。インデックスはクエリで df.query("index == 3") または略して df.query("3") のように指定することもできます。
おまけ：水平棒グラフ（horizontal bar plot）を描いてみましょう（Google Colaboratory ならあらかじめ !pip install japanize-matplotlib しておきます。詳しくはプロット参照）：
import matplotlib.pyplot as plt
import japanize_matplotlib # Google Colabの場合
df3 = df.sort_values("人口密度")
plt.figure(figsize=(8, 10))
plt.barh(df3["都道府県"], df3["人口密度"])
plt.xlabel("人口密度（人/km2）")
男女比については、棒グラフではなく、「Cleveland（クリーブランド）のドットプロット」と呼ばれるグラフ（散布図の一種）が妥当です。次のように描きます：
df4 = df.sort_values("男女比")
plt.figure(figsize=(8, 10))
plt.scatter(df4["男女比"], df4["都道府県"])
plt.grid()
plt.xlabel("男女比")
