ビンニングとヒストグラムはデータ分析において重要な手法です。特に、pandasライブラリを用いれば、Pythonでこれらの処理を効率的に行うことができます。本記事では、pandasでのビンニングとヒストグラム作成について具体的なコード例とその解説、さらには応用例を含めてご紹介します。
目次
ビンニングとは
ビンニングとは、連続データを一定の間隔（ビン）で区切り、各ビンに含まれるデータ数を集計する手法です。これにより、データの分布や傾向を視覚的に理解しやすくなります。
ビンニングの基本的な手法
ビンニングには主に以下の手法が存在します。
- 等幅ビンニング
- 等度数ビンニング
等幅ビンニング
この手法では、ビンの幅を一定にします。例えば、0~100のデータを10の間隔でビンニングすると、0~10, 11~20といった形になります。
等度数ビンニング
この手法では、各ビンに含まれるデータ数が等しくなるようにビンを設定します。
pandasでのビンニング
Pythonのライブラリであるpandasを使えば、ビンニングは非常に簡単です。具体的なコード例を見ていきましょう。
基本的なビンニングのコード
import pandas as pd
import numpy as np
# データの作成
data = np.random.randint(0, 100, 50)
df = pd.DataFrame(data, columns=['value'])
# 等幅ビンニング
bins = [0, 20, 40, 60, 80, 100]
df['binned'] = pd.cut(df['value'], bins)
print(df)
このコードでは、0から100までのランダムな整数からなる50個のデータに対して、等幅ビンニングを適用しています。
ビンニングの結果をヒストグラムとして表示
import matplotlib.pyplot as plt
# ヒストグラム作成
plt.hist(df['value'], bins=bins, edgecolor='black')
plt.show()
このコードは、matplotlibを用いてヒストグラムを作成しています。
応用例
応用1: 等度数ビンニング
# 等度数ビンニング
df['quantile_binned'] = pd.qcut(df['value'], q=5)
print(df)
等度数ビンニングでは`pd.qcut()`を用います。`q`パラメータでビンの数を指定できます。
応用2: ビンごとの統計量を求める
# ビンごとの統計量
stats = df.groupby('binned')['value'].describe()
print(stats)
ビンごとの統計量（平均、最小値、最大値など）を求めることも可能です。
まとめ
pandasを使ってビンニングやヒストグラムの作成を行う方法について解説しました。この手法はデータ分析において非常に重要なので、ぜひ理解と実践を深めてください。
コメント