科学の箱

科学・IT・登山の話題

Python

SIGNATE お弁当の需要予測-3

投稿日:2018年5月15日 更新日:

Seabornを利用してデータをビジュアル化してみる。

まずは売り上げの分布図から


sns.distplot(d_train['y'], kde=False, rug=False, bins=50)

次に気温の分布を確認する


sns.distplot(d_train['temperature'], kde=False, rug=False, bins=30)

 

売上の時系列トレンドを確認


fig=sns.pointplot(x="datetime", y="y", data=d_train, markers=[""])
fig.set_xlabel("Date")
fig.set_ylabel("Sales")

曜日別に売上分布を確認する。


fig=sns.boxplot(x="week", y="y", data=d_train)


曜日別の売上を天気別にみて統計的に変化があるかを確認する


fig=sns.barplot(x="week", y="y", hue="weather", data=d_train)

fig=sns.pointplot(x="week", y="y", hue="weather", data=d_train)

 

 

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

kaggle Titanic Tutorial – 3

DecitionTreeのパラメータを調整する。 まずはMaxDepthから from sklearn.model_selection import LeaveOneOut from sklearn. …

no image

kaggle Titanic Tutorial – 2

決定木を利用して分析する。 データの作成 y_train = d_train["Survived"].values x_train = d_train[["Pclass& …

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

Hello Worldを実行

環境設定を完了したらまずはお約束のHello Worldからである。 変数helloに文字列”Hello Python!”を代入する。Pythonにおいては型の指定は最初のうち …

no image

GCP google translatorの利用

こちらが詳しい https://cloud.google.com/translate/docs/reference/libraries#client-libraries-usage-python &n …

2018年5月
« 4月   6月 »
 123456
78910111213
14151617181920
21222324252627
28293031  

side bar top



アーカイブ

カテゴリー