PyLadiesCaravan in 愛媛（Python入門データ分析編）

Transcript

1. 大人のためのPython入門
   PyLadies Caravan in Ehime
   データ分析編
   

   View Slide

2. ■自己紹介■
   ▶ PyLadies Caravan STAFF
   ▶ お仕事は分析屋さん
   ▶ お酒が好き、あと焼き鳥も好き
   ▶ 今年の趣味は海と山のダブルコンボ
   かなん　　@Addition_quince
   福岡出身/東京在住
   

   View Slide

3. ※ 今日やること ※
   ■Pythonってどんな言語？
   ■jupyter notebookを使ってみよう
   ■データ分析のことはじめ
   　　＋データの読み込み
   　　＋データの形式を把握
   　　＋要約統計量の算出
   　　＋データの可視化
   

   View Slide

4. Jupyter Notebookを使って
   　　データ分析をやってみよう！
   

   View Slide

5. 今回はJupyter Notebookを使用します
   Jupyter Notebookとは、
   ブラウザ形式のテキストエディタ。
   ノートブックと呼ばれる形式でプログラムを作成でき、
   実行結果を確認しながら作業を進めるためのツールです。
   <実行画面>
   結果表示
   処理記載
   

   View Slide

6. データ分析で大事なこと
   データ分析っていうと、
   多変量解析とか機械学習とかってすぐやりたくなる
   でもとても大事なのはデータを理解すること。
   そのデータがどんな姿をしているのかを
   数値化とグラフ化で泥臭く地道に
   解き明かす過程がデータ分析の大半を占めたりする
   

   View Slide

7. （参考）describe：要約統計量
   count ：件数
   mean ：平均
   std ：標準偏差
   min ：最小値
   25% ：25%点（第１四分位数）
   50% ：50%点（第２四分位数、中央値）
   75% ：75%点（第３四分位数）
   max ：最大値
   

   View Slide

8. （参考）平均と中央値（50%点）
   ・平均は少数の外れ値（異常値）に大きな影響を受ける統計量！！
   ・平均は全体の中心を表す統計量としてよく利用されるけど、
   　外れ値を含んだデータでは、外れ値に影響を受けやすいので
   　注意が必要。
   ユーザー スマホゲーム月課金額
   A 200円
   B 50円
   C 300円
   D 250円
   E 600円
   F 5,000円
   平均　：1,067円
   中央値： 275円
   

   View Slide

9. （参考）パーセンタイル値
   10g 50g 180g
   85g 200g 800g 1,000g 2,000g 5,000g
   重さ
   25%値 50%値 75%値
   パーセンタイル値とは、データを昇順に並べた時の位置を表します。
   ※百分位で位置を表す場合にパーセンタイル値となる。
   　データを昇順に並べ等分した時の位置を分位数（quantile）という。
   　よく使われるのは4等分する四分位数（quartile）である。
   【四分位数】
   25%値：全データの25%が入る値　第1四分位点（Q1）
   50%値：全データの50%が入る値　第2四分位点（中央値）（Q2）
   75%値：全データの75%が入る値　第3四分位点（Q3）
   30g
   中央値：190.0g／平均値：935.5g
   

   View Slide

10. （参考）箱ひげ図
    Ω
    25%の
    データ
    25%の
    データ
    25%の
    データ
    25%の
    データ
    最大値
    第3四分位
    75%点
    中央値
    50%点
    第1四分位
    25%点
    最小値
    

    View Slide

11. 10g 50g 180g
    85g 200g 800g 1,000g 2,000g 5,000g
    重さ
    25% 50% 75%
    30g
    おさらい
    代表値
    count 10
    mean 935.5
    std 1,482.2
    min 10
    25% 50
    50% 190
    75% 1,000
    max 5,000
    ヒストグラム 箱ひげ図
    min max
    mean
    

    View Slide

12. 本日のLET'S TRY
    

    View Slide

13. sample_data.csv
    項目名 数値/カテゴリ 内容
    No 数値 通し番号
    地方 カテゴリ 8地方名（漢字）
    chihou カテゴリ 8地方名（アルファベット）
    都道府県 カテゴリ 都道府県（漢字）
    todouhuken カテゴリ 都道府県（アルファベット）
    area_km2 数値 面積（単位：㎢）
    population_k 数値 人口（単位：千人）
    female_k 数値 女性人口（単位：千人）
    ramen_shop 数値 ラーメン店舗数（単位：軒）
    sake_l 数値 総アルコール消費量（単位：㍑）
    sake_l_person 数値 20歳以上1人あたりアルコール消費量（単位：㍑）
    mcdnald_shop 数値 マクドナルド店舗数（単位：軒）
    yakitori_shop 数値 焼き鳥屋店舗数（単位：軒）
    name_sato 数値 苗字が「佐藤」さんの人数（単位：人）
    source_ml 数値 2人以上の世帯の年間ソース消費量（単位： ml）
    mikan_g 数値 2人以上の世帯の年間みかん消費量（単位： g）
    orange_g 数値 2人以上の世帯の年間オレンジ消費量（単位： g）
    

    View Slide

14. challenge
    問題１：
    name_satoは、佐藤さんの人数です。その都道府県にどのくらい佐藤さんの
    割合が多いのかを確認してみよう。
    ※注意：都道府県の人口（population_k）は千人単位です。
    問題２：
    佐藤さん比率が多ければ多いほど、ラーメン店の数は多くなるのか検証し
    みよう！
    問題３：
    自分の出身（もしくは縁のある）都道府県について、データから得られる知見
    を探してみましょう。
    

    View Slide

15. はじめようPython Life★
    

    View Slide