Step3. 実践編
1. データの整理と可視化

1-3. 基本統計量とヒストグラム

次のデータは、「Step0. 初級編　1-1. データをとってみよう」で用いたデータです。このデータを使って、基本統計量の計算とヒストグラム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_1nensei.csv
（英語）neko_1nensei_eng.csv

■Excelによる解析例

データ > データ分析 > 基本統計量を選択

※「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。

「入力元」と「出力オプション」を図のように設定 > [OK]をクリック

基本統計量が出力される

「体長」のヒストグラムを作成するためのデータ区間を作成

※ここでは2cm刻みのデータ区間を作成しています。

※このデータ区間は次のような範囲を意味します。

データ区間	範囲
26	26cm以下
28	26cmより大きく28cm以下
30	28cmより大きく30cm以下
32	30cmより大きく32cm以下
34	32cmより大きく34cm以下
36	34cmより大きく36cm以下

データ > データ分析 > ヒストグラムを選択

「入力元」と「出力オプション」を図のように設定 > [OK]をクリック

デフォルトのヒストグラムが出力される

※「次の級」はデータ区間が36よりも大きいもの、すなわち36cmより大きいサンプルの度数を表します。

デフォルトのグラフを加工

※棒グラフの隙間を埋めるために次の処理を行います：棒グラフの棒部分を選択 > 左クリック > データ系列の書式設定 > 要素の間隔を0%にする　

■Rによる解析例（基本統計量の算出）

library(psych)

dat <- read.csv("neko_1nensei_eng.csv", header=T)  #データの読み込み

#データの分布を算出
summary(dat[,2:3])

#基本統計量の算出
describe(dat[,2:3])

summary関数の出力結果

min：最小値
1st Qu.：第1四分位数
Median：中央値
Mean：平均値
3st Qu.：第3四分位数
max：最大値

describe関数の出力結果

vars：何番目のデータか
n：データ内のサンプル数
Mean：平均値
sd：標準偏差
Median：中央値
trimmed：データを小さい順に並べ、小さい側（下位）と大きい側（上位）から指定した個数の値を除き、残ったデータから求める平均値（デフォルトでは上位10%、下位10%のデータが除かれます）
mad：[中央値からデータの各値を引いた値]の絶対値の中央値（中央絶対偏差）
min：最小値
max：最大値
range：最大値から最小値を引いた値
skew：歪度
kurtosis：尖度
se：標準誤差

■Rによる解析例（ヒストグラムの作成）

#パッケージを使わない場合
hist(dat[,2],  #データを設定 
     main="",  #グラフタイトルの削除 
     xlab="length",  #x軸ラベルの設定 
     col="skyblue",  #ヒストグラムの色を指定 
     breaks = seq(24, 36, by=2))  #データ区間の指定（24から36まで2刻み）

#ggplot2を使う場合
G <-ggplot(dat, aes(x = length)) +  #x軸のデータを設定
  geom_histogram(closed = "right", breaks=seq(24, 36, by=2),  #ヒストグラムを指定、区間境界の指定（right：～より大きく、～以下）、データ区間の指定（24から36まで2刻み）
                 fill="skyblue", colour="black") +  #ヒストグラムの色を指定、ヒストグラムの輪郭の色を指定 
  scale_x_continuous(breaks = seq(24, 36, by=2)) +  #x軸の目盛を指定（24から36まで2刻み）
  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))  #グラフのラベルのフォントサイズを指定
plot(G)

■Pythonによる解析例（基本統計量の算出）

import pandas as pd

dat = pd.read_csv("neko_1nensei_eng.csv")

#基本統計量の算出
print(dat[["length","weight"]].describe())

■Pythonによる解析例（ヒストグラムの作成）

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

dat = pd.read_csv("neko_1nensei_eng.csv")

#matplotlibを使う場合
fig, ax = plt.subplots()  #グラフの大枠の作成
ax.hist(dat["length"],  #ヒストグラムを指定、データを指定 
        color="skyblue",  #ヒストグラムの色を指定
        ec="black",  #ヒストグラムの輪郭の色を指定（ec：edge colorを意味します） 
        bins = np.linspace(26, 36, 6))  #データ区間の指定（26から36までを6分割）
ax.set_xlabel("length")  #x軸のラベルの設定
ax.set_ylabel("count")  #x軸のラベルの設定
plt.show()

#matplotlib + seabornを使う場合
sns.histplot(x="length",  #ヒストグラムを指定、列名を指定  
             data=dat,  #データを指定  
             color='skyblue',  #ヒストグラムの色を指定 
             bins = np.linspace(26, 36, 6))  #データ区間の指定（26から36までを6分割）
plt.show()