5. データの傾向をつかもう¶
いよいよ、データを使って統計分析する手法を学んでいきます。
今回は、Pandas と グラフ描画を組み合わせて、データの可視化による分析を学びます。
モジュールの準備
[1]:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
try:
import japanize_matplotlib #matplotlibの日本語化
except ModuleNotFoundError:
!pip install japanize_matplotlib
import japanize_matplotlib
sns.set(font="IPAexGothic") #日本語フォント設定
5.1. データ入手¶
今回は、ポルトガルの高校生の数学の成績データを使って、データ解析をします。
データの取り寄せ
!wget https://kuramitsulab.github.io/data/student-mat.csv
wget
URLからファイルをダウンロードするUNIXコマンドです。 Colab上にファイルをアップロードするとき、重宝します。
5.1.1. データの内容確認¶
student-mat.csvをデータフレームとして読み込みます。
[2]:
data = pd.read_csv('./student-mat.csv')
data.head() #最初の5行を確認
[2]:
| school | sex | age | address | famsize | Pstatus | Medu | Fedu | Mjob | Fjob | ... | famrel | freetime | goout | Dalc | Walc | health | absences | G1 | G2 | G3 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | GP | F | 18 | U | GT3 | A | 4 | 4 | at_home | teacher | ... | 4 | 3 | 4 | 1 | 1 | 3 | 6 | 5 | 6 | 6 |
| 1 | GP | F | 17 | U | GT3 | T | 1 | 1 | at_home | other | ... | 5 | 3 | 3 | 1 | 1 | 3 | 4 | 5 | 5 | 6 |
| 2 | GP | F | 15 | U | LE3 | T | 1 | 1 | at_home | other | ... | 4 | 3 | 2 | 2 | 3 | 3 | 10 | 7 | 8 | 10 |
| 3 | GP | F | 15 | U | GT3 | T | 4 | 2 | health | services | ... | 3 | 2 | 2 | 1 | 1 | 5 | 2 | 15 | 14 | 15 |
| 4 | GP | F | 16 | U | GT3 | T | 3 | 3 | other | other | ... | 4 | 3 | 2 | 1 | 2 | 5 | 4 | 6 | 10 | 10 |
5 rows × 33 columns
[3]:
data.tail() # 最後の5行を確認
[3]:
| school | sex | age | address | famsize | Pstatus | Medu | Fedu | Mjob | Fjob | ... | famrel | freetime | goout | Dalc | Walc | health | absences | G1 | G2 | G3 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 390 | MS | M | 20 | U | LE3 | A | 2 | 2 | services | services | ... | 5 | 5 | 4 | 4 | 5 | 4 | 11 | 9 | 9 | 9 |
| 391 | MS | M | 17 | U | LE3 | T | 3 | 1 | services | services | ... | 2 | 4 | 5 | 3 | 4 | 2 | 3 | 14 | 16 | 16 |
| 392 | MS | M | 21 | R | GT3 | T | 1 | 1 | other | other | ... | 5 | 5 | 3 | 3 | 3 | 3 | 3 | 10 | 8 | 7 |
| 393 | MS | M | 18 | R | LE3 | T | 3 | 2 | services | other | ... | 4 | 4 | 1 | 3 | 4 | 5 | 0 | 11 | 12 | 10 |
| 394 | MS | M | 19 | U | LE3 | T | 1 | 1 | other | at_home | ... | 3 | 2 | 3 | 3 | 3 | 5 | 5 | 8 | 9 | 9 |
5 rows × 33 columns
5.1.2. データの属性を確認する¶
新しいデータをロードしたとき、最初に行うことはデータの属性を確認することです。
属性名 |
説明 |
|---|---|
|
学校名 |
|
性別 |
|
年齢 |
|
居住地 |
|
家族の人数 |
|
同居 |
|
母親の学歴 |
|
父親の学歴 |
|
母親の職業 |
|
父親の職業 |
|
学校を選んだ理由 |
|
保護者は誰か？ |
|
通学時間 |
|
週の勉強時間 |
|
過去の落第数 |
|
補修 |
|
家族からのサポート |
|
塾 |
|
部活動 |
|
保育園 |
|
高等教育 |
|
インターネット接続 |
|
恋人 |
|
家族関係 |
|
自由時間 |
|
友人と遊ぶ頻度 |
|
平日のアルコール量 |
|
週末のアルコール量 |
|
健康状態 |
|
欠席数 |
|
一学期の成績 (０〜２０) |
|
二学期の成績 (０〜２０) |
|
最終成績 (０〜２０) |
ポルトガルの高校なので、日本人の感覚からすると？？？なところもありますが、 上記の情報が含まれています。
ここからのミッション
高校生の各属性が数学の成績(G1, G2, G3)、特に最終成績(G3)に与える影響を調べていきましょう。 (ちなみに、G3が0.0の学生は、ドロップアウトしてしまった学生です。エラーではありません。)
5.1.3. データの形式を確認する¶
データの属性を確認したら、次は属性がどのような形式で入っているか確認します。
データの.info()を呼ぶと、属性とデータ形式のリストを表示してくれます。
[4]:
data.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 395 entries, 0 to 394
Data columns (total 33 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 school 395 non-null object
1 sex 395 non-null object
2 age 395 non-null int64
3 address 395 non-null object
4 famsize 395 non-null object
5 Pstatus 395 non-null object
6 Medu 395 non-null int64
7 Fedu 395 non-null int64
8 Mjob 395 non-null object
9 Fjob 395 non-null object
10 reason 395 non-null object
11 guardian 395 non-null object
12 traveltime 395 non-null int64
13 studytime 395 non-null int64
14 failures 395 non-null int64
15 schoolsup 395 non-null object
16 famsup 395 non-null object
17 paid 395 non-null object
18 activities 395 non-null object
19 nursery 395 non-null object
20 higher 395 non-null object
21 internet 395 non-null object
22 romantic 395 non-null object
23 famrel 395 non-null int64
24 freetime 395 non-null int64
25 goout 395 non-null int64
26 Dalc 395 non-null int64
27 Walc 395 non-null int64
28 health 395 non-null int64
29 absences 395 non-null int64
30 G1 395 non-null int64
31 G2 395 non-null int64
32 G3 395 non-null int64
dtypes: int64(16), object(17)
memory usage: 102.0+ KB
データの属性名に続いて、データの個数、さらに形式がint64かobjectか示されています。
int64: 数値データobject: 文字列データ
重要なのは、数値データ（量的データ）、カテゴリデータ（質的データ）を区別することです。
数値データ: 量が数値によって連続的に表現されるデータであり、基本的に比較可能。（例. 人数や金額など)
カテゴリデータ: カテゴリやグループを表す不連続のデータ
少し注意したいのは、カテゴリデータであっても、カテゴリの種類が数値で表現されていると、int64形式となります。 同じく、カテゴリデータであっても、論理値などの比較可能な数値に変換できるものがあります。
MeduやFeduは、カテゴリの種類が数値で入っていますが、数値データ(int64)と解釈されていますが、カテゴリデータとして処理したいなら、型をobjectに変更しておくとよいでしょう。
[5]:
data['Medu'] = data['Medu'].astype('object')
data['Fedu'] = data['Fedu'].astype('object')
カテゴリから数値データへの変換
次のように.map()を行えば、カテゴリーデータも数値データに変換できます。
data['school']=data['school'].map({'GP':0, 'MS':1})
data['sex']=data['sex'].map({'M':0 ,'F':1})
data['address']=data['address'].map({'R':0 ,'U':1})
data['famsize']=data['famsize'].map({'LE3':0 ,'GT3':1})
data['Pstatus']=data['Pstatus'].map({'A':0 ,'T':1})
data['Mjob']=data['Mjob'].map({'at_home':0 ,'services':1, 'teacher':2, 'health':3, 'other':4})
data['Fjob']=data['Fjob'].map({'at_home':0 ,'services':1, 'teacher':2, 'health':3, 'other':4})
data['famsup']=data['famsup'].map({'no':0, 'yes':1})
data['reason']=data['reason'].map({'course':0 ,'home':1, 'reputation':2, 'other':3})
data['guardian']=data['guardian'].map({'mother':0 ,'father':1, 'other':2})
data['schoolsup']=data['schoolsup'].map({'no':0, 'yes':1})
data['paid']=data['paid'].map({'no':0, 'yes':1})
data['activities']=data['activities'].map({'no':0, 'yes':1})
data['nursery']=data['nursery'].map({'no':0, 'yes':1})
data['higher']=data['higher'].map({'no':0, 'yes':1})
data['internet']=data['internet'].map({'no':0, 'yes':1})
data['romantic']=data['romantic'].map({'no':0, 'yes':1})
5.1.4. カテゴリデータの確認¶
data.dtypesがobjectあるものをカテゴリデータとみなして、 カテゴリデータの属性リストを取り出しています。
[6]:
# カテゴリデータのリストを取り出す
print(list(data.dtypes[data.dtypes == 'object'].index))
['school', 'sex', 'address', 'famsize', 'Pstatus', 'Medu', 'Fedu', 'Mjob', 'Fjob', 'reason', 'guardian', 'schoolsup', 'famsup', 'paid', 'activities', 'nursery', 'higher', 'internet', 'romantic']
各カテゴリデータがどのような値が含まれるか、調べます。
[7]:
# カテゴリデータの値の調べる
for cat_feat in data.dtypes[data.dtypes == 'object'].index:
print(cat_feat)
print(data[cat_feat].value_counts())
print()
school
GP 349
MS 46
Name: school, dtype: int64
sex
F 208
M 187
Name: sex, dtype: int64
address
U 307
R 88
Name: address, dtype: int64
famsize
GT3 281
LE3 114
Name: famsize, dtype: int64
Pstatus
T 354
A 41
Name: Pstatus, dtype: int64
Medu
4 131
2 103
3 99
1 59
0 3
Name: Medu, dtype: int64
Fedu
2 115
3 100
4 96
1 82
0 2
Name: Fedu, dtype: int64
Mjob
other 141
services 103
at_home 59
teacher 58
health 34
Name: Mjob, dtype: int64
Fjob
other 217
services 111
teacher 29
at_home 20
health 18
Name: Fjob, dtype: int64
reason
course 145
home 109
reputation 105
other 36
Name: reason, dtype: int64
guardian
mother 273
father 90
other 32
Name: guardian, dtype: int64
schoolsup
no 344
yes 51
Name: schoolsup, dtype: int64
famsup
yes 242
no 153
Name: famsup, dtype: int64
paid
no 214
yes 181
Name: paid, dtype: int64
activities
yes 201
no 194
Name: activities, dtype: int64
nursery
yes 314
no 81
Name: nursery, dtype: int64
higher
yes 375
no 20
Name: higher, dtype: int64
internet
yes 329
no 66
Name: internet, dtype: int64
romantic
no 263
yes 132
Name: romantic, dtype: int64
Pandas 力をあげるためには？
Pandas は高機能で、Google で調べるといってもなかなか求めている機能を探すことが難しいです。 最初のうちは、よくわからないコードが出てきたら、地道にひとつずつ動きを確認するようにしましょう。
data.dtypes
data.dtypes == 'object'
data.dtypes[data.dtypes == 'object']
data.dtypes[data.dtypes == 'object'].index
こういう地道な努力がプログラミング向上に繋がります。
5.1.5. 数値データの要約¶
describe()は、数値データの基礎統計量を集計するメソッドです。
基礎統計量
count: データ数mean: 平均値std: 標準偏差min: 最小値25%: 小さい方から25%目の値（第一四分位点）50%: 中央値75%: 小さい方から75%目の値（第三四分位点）max: 最大値
ざっくりと傾向をみるとき、重宝します。
[8]:
data.describe()
[8]:
| age | traveltime | studytime | failures | famrel | freetime | goout | Dalc | Walc | health | absences | G1 | G2 | G3 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| count | 395.000000 | 395.000000 | 395.000000 | 395.000000 | 395.000000 | 395.000000 | 395.000000 | 395.000000 | 395.000000 | 395.000000 | 395.000000 | 395.000000 | 395.000000 | 395.000000 |
| mean | 16.696203 | 1.448101 | 2.035443 | 0.334177 | 3.944304 | 3.235443 | 3.108861 | 1.481013 | 2.291139 | 3.554430 | 5.708861 | 10.908861 | 10.713924 | 10.415190 |
| std | 1.276043 | 0.697505 | 0.839240 | 0.743651 | 0.896659 | 0.998862 | 1.113278 | 0.890741 | 1.287897 | 1.390303 | 8.003096 | 3.319195 | 3.761505 | 4.581443 |
| min | 15.000000 | 1.000000 | 1.000000 | 0.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 0.000000 | 3.000000 | 0.000000 | 0.000000 |
| 25% | 16.000000 | 1.000000 | 1.000000 | 0.000000 | 4.000000 | 3.000000 | 2.000000 | 1.000000 | 1.000000 | 3.000000 | 0.000000 | 8.000000 | 9.000000 | 8.000000 |
| 50% | 17.000000 | 1.000000 | 2.000000 | 0.000000 | 4.000000 | 3.000000 | 3.000000 | 1.000000 | 2.000000 | 4.000000 | 4.000000 | 11.000000 | 11.000000 | 11.000000 |
| 75% | 18.000000 | 2.000000 | 2.000000 | 0.000000 | 5.000000 | 4.000000 | 4.000000 | 2.000000 | 3.000000 | 5.000000 | 8.000000 | 13.000000 | 13.000000 | 14.000000 |
| max | 22.000000 | 4.000000 | 4.000000 | 3.000000 | 5.000000 | 5.000000 | 5.000000 | 5.000000 | 5.000000 | 5.000000 | 75.000000 | 19.000000 | 19.000000 | 20.000000 |
5.2. 可視化¶
表データは、数値や統計量だけみていても、データの傾向をつかめません。
Let’s try
ここから例として、G3列を示しますが、他の属性も自分で調べてみましょう。
さて、それではMatplotlib を用いてデータの可視化していきましょう。
5.2.1. 箱ひげ図¶
箱ひげ図は、最大値、最小値、中央値、四分位範囲を視覚化してくれるグラフです。 ヒゲの上端が最大値、ヒゲの下端が最小値を示します。データの範囲がみえてきます。
最終成績(G3)の統計量
[9]:
data['G3'].describe()
[9]:
count 395.000000
mean 10.415190
std 4.581443
min 0.000000
25% 8.000000
50% 11.000000
75% 14.000000
max 20.000000
Name: G3, dtype: float64
最終成績(G3)の箱ヒゲ図
[10]:
plt.boxplot(data['G3'])
plt.grid(True)
[11]:
## G1, G2, G3 と表示する例
plt.boxplot([data['G1'], data['G2'], data['G3']])
plt.grid(True)
seaborn のboxplot()を用いれば、もう少しこった凝ったヒストグラムを描画できます。
[12]:
sns.boxplot(x=data['Fjob'],y=data['G3'])
plt.title('父親の仕事が子供の成績に与える影響')
plt.xlabel('父親の仕事')
plt.ylabel('成績')
plt.show()
[13]:
## subplot を使った凝ったグラフ
plt.figure(figsize= (15,5))
plt.subplot(1,2,1)
order_by = data.groupby('Fjob')['G3'].median().sort_values(ascending = False).index
sns.boxplot(x = data['Fjob'], y = data['G3'],order = order_by)
plt.xticks(rotation = 90)
plt.title('Fjob v/s G3')
plt.subplot(1,2,2)
order_by = data.groupby('Mjob')['G3'].median().sort_values(ascending = False).index
sns.boxplot(x = data['Mjob'], y = data['G3'],order = order_by)
plt.xticks(rotation = 90)
plt.title('Mjob v/s G3')
plt.show()
可視化の達人になるためには
皆さんから、先生のようにPandasやMatplotlibを使いこなせるようになりたいと言われますが、 過去に書いたグラフを直しながら、必要に応じてGoogleで調べて、書き直しているだけです。 とにかく、色々なグラフを書いて試してみて、 後で探しやすいようにColabのノートブックでライブラリを作っておきましょう。
5.2.2. ヒストグラム¶
おなじみのヒストグラムも描画してみましょう。
最終成績(G3)のヒストグラム
[14]:
plt.hist(data['G3'], bins=20, range=[0,21], rwidth=0.8)
plt.title('Distribution of grades average of students')
plt.xlabel('G3')
plt.ylabel('Count')
plt.show()
[15]:
sns.countplot(x=data['G3'], palette='gray_r')
sns.set_theme(style="whitegrid")
plt.xlabel('G3')
plt.ylabel('Count')
plt.show()
グループ分けされたヒストグラム
hueを追加すると、カテゴリーごとに色分けされたヒストグラムが得られます。
[16]:
sns.countplot(x='G3',hue='sex', data=data)
plt.title('Students distribution according to G3 and sex')
plt.xlabel('G3')
plt.ylabel('Count')
plt.show()
カーネル密度推定法によるヒストグラム
[18]:
sns.kdeplot(data.groupby('sex').get_group('M')['G3'], shade = True,label = 'male')
sns.kdeplot(data.groupby('sex').get_group('F')['G3'], shade = True, label = 'female')
plt.xlabel('G3')
plt.ylabel('% data distribution')
plt.show()
5.2.3. 散布図と相関係数¶
ここまでは、基本的にひとつの属性に着目してきました。 データサイエンスや機械学習では、２つの属性間の関係性がより重要になります。
属性間の関係性により注目するため、散布図と相関係数を学びます。
一学期の成績(G1)と最終成績(G3)
[19]:
plt.scatter(data['G3'], data['G1'], marker='o')
plt.xlabel('G3')
plt.ylabel('G1')
plt.grid(True)
第一学期から成績が良い学生が最終成績の成績がよくなる傾向がグラフから読み取ることができます。
この関係性を数値化する手法が、相関係数です。
1に近いほど、正の相関がある
0無相関
-1に近いほど、負の相関がある
Python では、SciPy に含まれているpearsonrを使って相関係数を算出できます。
G3とG1の相関係数
[20]:
import scipy as sp
sp.stats.pearsonr(data['G1'], data['G3'])
[20]:
(0.8014679320174141, 9.001430312277354e-90)
ひとつ目の値が相関係数です。（ふたつ目の値は、p値です。）
p値
偶然、実際に反した数値が統計量として計算される確率です。p値が低いほど、ありえないことが起きたことになります。
線形近似（予習）¶
成績G3とG1の関係を\(y = ax + b\)という線形近似をしてみます。
次回以降用いる機械学習モジュールsklearnを予習として用いて、 最小二乗法によって、\(a\)(回帰係数)と\(b\)(切片)を求めます。
線形近似
[21]:
from sklearn import linear_model
reg = linear_model.LinearRegression()
X = data.loc[:, ['G3']].values
Y = data['G1'].values
reg.fit(X, Y)
print('a=', reg.coef_, ', b=', reg.intercept_)
a= [0.58065293] , b= 4.861250211993213
[22]:
plt.scatter(X, Y)
plt.xlabel('G3')
plt.ylabel('G1')
plt.plot(X, reg.predict(X), color='red') # y=ax+bを描画
plt.grid(True)
詳しくは
第7回目 線形回帰でもう一度勉強します。
5.3. 可視化（プロの技）¶
最後に、少しデータサイエンスの可視化テクニックを紹介します。
5.3.1. 相関行列とヒートマップ¶
相関行列は、すべての属性（数値データ間）で相関係数を計算した行列です。
相関行列
[23]:
data.corr()
[23]:
| age | traveltime | studytime | failures | famrel | freetime | goout | Dalc | Walc | health | absences | G1 | G2 | G3 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| age | 1.000000 | 0.070641 | -0.004140 | 0.243665 | 0.053940 | 0.016434 | 0.126964 | 0.131125 | 0.117276 | -0.062187 | 0.175230 | -0.064081 | -0.143474 | -0.161579 |
| traveltime | 0.070641 | 1.000000 | -0.100909 | 0.092239 | -0.016808 | -0.017025 | 0.028540 | 0.138325 | 0.134116 | 0.007501 | -0.012944 | -0.093040 | -0.153198 | -0.117142 |
| studytime | -0.004140 | -0.100909 | 1.000000 | -0.173563 | 0.039731 | -0.143198 | -0.063904 | -0.196019 | -0.253785 | -0.075616 | -0.062700 | 0.160612 | 0.135880 | 0.097820 |
| failures | 0.243665 | 0.092239 | -0.173563 | 1.000000 | -0.044337 | 0.091987 | 0.124561 | 0.136047 | 0.141962 | 0.065827 | 0.063726 | -0.354718 | -0.355896 | -0.360415 |
| famrel | 0.053940 | -0.016808 | 0.039731 | -0.044337 | 1.000000 | 0.150701 | 0.064568 | -0.077594 | -0.113397 | 0.094056 | -0.044354 | 0.022168 | -0.018281 | 0.051363 |
| freetime | 0.016434 | -0.017025 | -0.143198 | 0.091987 | 0.150701 | 1.000000 | 0.285019 | 0.209001 | 0.147822 | 0.075733 | -0.058078 | 0.012613 | -0.013777 | 0.011307 |
| goout | 0.126964 | 0.028540 | -0.063904 | 0.124561 | 0.064568 | 0.285019 | 1.000000 | 0.266994 | 0.420386 | -0.009577 | 0.044302 | -0.149104 | -0.162250 | -0.132791 |
| Dalc | 0.131125 | 0.138325 | -0.196019 | 0.136047 | -0.077594 | 0.209001 | 0.266994 | 1.000000 | 0.647544 | 0.077180 | 0.111908 | -0.094159 | -0.064120 | -0.054660 |
| Walc | 0.117276 | 0.134116 | -0.253785 | 0.141962 | -0.113397 | 0.147822 | 0.420386 | 0.647544 | 1.000000 | 0.092476 | 0.136291 | -0.126179 | -0.084927 | -0.051939 |
| health | -0.062187 | 0.007501 | -0.075616 | 0.065827 | 0.094056 | 0.075733 | -0.009577 | 0.077180 | 0.092476 | 1.000000 | -0.029937 | -0.073172 | -0.097720 | -0.061335 |
| absences | 0.175230 | -0.012944 | -0.062700 | 0.063726 | -0.044354 | -0.058078 | 0.044302 | 0.111908 | 0.136291 | -0.029937 | 1.000000 | -0.031003 | -0.031777 | 0.034247 |
| G1 | -0.064081 | -0.093040 | 0.160612 | -0.354718 | 0.022168 | 0.012613 | -0.149104 | -0.094159 | -0.126179 | -0.073172 | -0.031003 | 1.000000 | 0.852118 | 0.801468 |
| G2 | -0.143474 | -0.153198 | 0.135880 | -0.355896 | -0.018281 | -0.013777 | -0.162250 | -0.064120 | -0.084927 | -0.097720 | -0.031777 | 0.852118 | 1.000000 | 0.904868 |
| G3 | -0.161579 | -0.117142 | 0.097820 | -0.360415 | 0.051363 | 0.011307 | -0.132791 | -0.054660 | -0.051939 | -0.061335 | 0.034247 | 0.801468 | 0.904868 | 1.000000 |
ご多分に漏れず、可視化しておくとデータ解析が行やすいです。
[24]:
# Correlation matrix
corr = data.corr()
plt.figure(figsize=(10,10))
sns.heatmap(corr, annot=True)
[24]:
<AxesSubplot:>
5.3.2. ヒストグラムと散布図をまとめて書く¶
seabornモジュールのpairplotを用いると、さまざまな属性の関係性を一度に確認できます。
欠席数
absencesアルコール摂取量
Dalc年齢
age最終成績
G3
[25]:
sns.pairplot(data[['absences', 'Dalc', 'age', 'G3']])
[25]:
<seaborn.axisgrid.PairGrid at 0x13f141e50>
[26]:
sns.pairplot(data[['absences', 'Dalc', 'age', 'G3', 'sex']], hue='sex')
[26]:
<seaborn.axisgrid.PairGrid at 0x13f867190>
5.3.3. カテゴリーデータを視覚化する¶
カテゴリデータの分類がどのように散らばっているか一覧を作ります。
[27]:
plt.figure(figsize = (15,15))
for i,item in enumerate(['school', 'sex', 'famsize', 'Pstatus', 'Mjob', 'Fjob',
'reason', 'guardian', 'schoolsup', 'famsup', 'paid', 'activities',
'nursery', 'higher', 'internet', 'romantic']):
plt.subplot(4,4,i+1)
sns.countplot(data=data, x=item)
plt.title(item)
plt.show()
5.4. コースワーク¶
演習（ランチボックス）
カフェフロアで販売されているお弁当の販売数のデータを可視化して、 販売数yを増やすため、特徴をつかんでみよう。
属性 |
説明 |
|---|---|
datetid |
インデックスとして使用する日付 |
y |
販売数 |
week |
曜日（月～金） |
soldout |
完売フラグ（0:完売せず、1:完売） |
name |
メインメニュー |
kcal |
おかずのカロリー（kcal） |
remarks |
特記事項 |
event |
社内イベント |
payday |
給料日フラグ（1:給料日） |
weather |
天気 |
precipitation |
降水量 |
temperature |
気温 |
販売数
yの影響を与える属性は？販売数
y
データの入手方法
SIGNATE社のコンテスト用データを 利用させていただきます。データの入手法の詳細は授業中に紹介します。