- Step3. 実践編
- 1. データの整理と可視化
1-2. 相関係数と散布図
次のデータは、「Step0. 初級編 7-2. データの相関を見てみよう」で用いたデータです。このデータを使って「相関行列の算出」と「参加匹数と競技時間の散布図の作成」を行ってみましょう。
ファイルのダウンロードはこちらから
- （日本語）neko_sports.csv
- （英語）neko_sports_eng.csv
■Excelによる解析例
- 「neko_sports.csv」のデータのうち、A列を除くすべてのデータを選択（B1セルからD8セルまで）
- データ > データ分析 > 相関を選択 > [OK]をクリック
- 「入力元」と「出力オプション」を図のように設定
- 相関行列（相関係数の行列）が出力される
- 再び「neko_sports.csv」データに戻り、B列とC列を選択（B1セルからC8セルまで）
- 挿入 > 散布図の絵 > 散布図を選択（デフォルトのグラフが出力されます）
- デフォルトのグラフを加工
※「データ分析」が見当たらない方はこちらを参考に設定を行ってください。
※この結果から、「参加匹数と競技時間」の相関係数は0.768、「参加匹数と怪我した猫」の相関係数は0.929、「競技時間と怪我した猫」の相関係数は0.930であることが分かります。
散布図からも、「参加匹数と競技時間」の間に強い正の相関があることが確認できます。
■Rによる解析例
・その1（packageを使わない場合）
1 2 3 4 5 6 7 8 9 | dat <- read.csv("neko_sports_eng.csv", header=T)#相関行列の算出cor(dat[,2:4])#散布図の作成n <- dat[,2]time <- dat[,3]plot(n, time, pch = 19, col = "blue") |
・その2（ggplot2とpsychを使う場合）
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 | library(ggplot2)library(psych)#相関行列の算出pairs.panels(dat[,2:4])#デフォルトのグラフの出力G1 <-ggplot(dat, aes(x = n, y = time)) + #x軸とy軸のデータを設定 geom_point() #散布図を指定plot(G1)#加工後のグラフの出力G2 <-ggplot(dat, aes(x = n, y = time)) + geom_point(col = "blue", size=4) + #散布図を指定＆点の色を指定＆点の大きさを指定 theme(panel.grid.major = element_blank(), #背景のgridの削除 panel.grid.minor = element_blank(), #背景のgridの削除 panel.background = element_blank(), #背景色の削除 axis.line=element_line(colour = "black"), #グラフの線の色を指定 axis.ticks=element_line(colour = "black"), #グラフの目盛（ticks）の色を指定 axis.text=element_text(size=14), #グラフの目盛のフォントサイズを指定 axis.title=element_text(size=16)) #軸ラベルのフォントサイズを指定plot(G2) |
■Pythonによる解析例
・その1（matplotlibを使う場合）
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 | import pandas as pdimport matplotlib.pyplot as pltdat = pd.read_csv("neko_sports_eng.csv")#相関行列の算出dat.corr()#散布図の出力fig, ax = plt.subplots() #グラフの大枠の作成ax.scatter(dat["n"], dat["time"], c="blue") #点の色を指定plt.xlabel("n", fontsize=14) #x軸ラベルとフォントサイズを指定plt.ylabel("time", fontsize=14) #y軸ラベルとフォントサイズを指定plt.show() #グラフを表示 |
・その2（matplotlib + seabornを使う場合）
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 | import pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsdat = pd.read_csv("neko_sports_eng.csv")#散布図行列の出力sns.set() #グラフの設定を初期化sns.set(font_scale=1.2) #フォントサイズを指定sns.set_style("white") #グラフのスタイルを指定sns.pairplot(dat) plt.show()#散布図の出力sns.set()sns.set(font_scale=1.2)sns.set_style("white")sns.jointplot('n', 'time', data=dat, color="blue") #データと点の色を指定plt.show() |
