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

■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

※ 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

Jupyter Notebookを使って 　　データ分析をやってみよう！

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

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

（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

（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

（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

（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

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

本日のLET'S TRY

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）

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。

はじめようPython Life★