科学の箱

科学・IT・登山の話題

Python

seabornをEDAに応用する

投稿日:2018年3月27日 更新日:

seabornを利用すれば基本となるビジュアルと分布、regressionをすぐに取得できる。


import seaborn as sns

tips = sns.load_dataset('tips')

tips.info()

tips.head()

tips.describe()

sns.pairplot(tips, hue='sex', palette='coolwarm')

以上で基本の調査ができる。

 

データについてトレンドを見る場合にはvalue_counts()を利用する


df['zip'].value_counts().head(5)

 

カテゴリーのユニークを見る

df['zip'].unique()

 

ある一つの項目について分布をみるならば


sns.distplot(tips['total_bill'], kde=False)

 

 

2つ以上の変数に関連性を見るためにはjointplotを利用する。


sns.jointplot(x='total_bill', y='tip', data=tips, kind='kde')

 

カテゴリカル変数で違いがあるかを見るためにはまずcountplotでデータの件数を把握してbarplotで各変数に違いがあるかを確認する。


sns.countplot(x='sex', data=tips)

sns.barplot(x='sex', y='total_bill', data=tips)

 

メタ情報

inarticle



メタ情報

inarticle



-Python
-

執筆者:


comment

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です

関連記事

no image

automated the boring – day5

さて、ここまででフロー、文字列、型、ファイル等を扱い、基礎プログラミングとしては一段落できた。 今日からは後半戦にはいり、開発をするうえで実践で必要になる技術を学んでいく。 まずはデバッグからである。 …

no image

numpy.random.standard_normal()を使って標準分布の配列を生成する

numpy.random numpyにはいろいろな種類の分布関数から配列をランダムに生成するモジュールが用意されている。このモジュールはnumpy.randomと呼ばれる。 マニュアルはこちら : R …

no image

condaでjupyter notebookが使えないとき

condaで環境を作るとjupyter notebookはインストールされていない。 この場合には個別にjupyterをインストールすればよい。   conda install jupyte …

no image

Pythonまとめ

環境設定 環境設定 基本 Hello Worldを実行 数字、計算、文字列を画面出力   文字列 Pythonで文字列を生成するときの方法についてまとめる 制御フロー if ループ イテレー …

no image

SIGNATE お弁当の需要予測-5

相関の概要を見てみる。これによりどの変数を利用して回帰するかを考える。 sns.heatmap(d_train_w.corr(),cmap=’coolwarm’) Related posts:auto …

2018年3月
« 2月   4月 »
 1234
567891011
12131415161718
19202122232425
262728293031  

side bar top



アーカイブ

カテゴリー