- 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
- 「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
- 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
- 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 |
※「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。
※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）
1 2 3 4 5 6 7 8 9 | 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）
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 | #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）
1 2 3 4 5 6 | import pandas as pddat = 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）
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 | import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsdat = 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() |
