アヤメデータの分析練習

[Take0] seaborライブラリに入っているアヤメのデータを読み込む

【書式】

【コード】

import pandas as pd

import seaborn as sns

sns.set()

　

df=sns.load_dataset("iris")

　

print("先頭5データ",df.head())

print("\n")

print(df.info())

【結果】

import pandas as pd

import seaborn as sns

sns.set()

df=sns.load_dataset("iris")

print("先頭5データ",df.head())

print("\n")

print(df.info())

先頭5データ sepal_length sepal_width petal_length petal_width species

0 5.1 3.5 1.4 0.2 setosa

1 4.9 3.0 1.4 0.2 setosa

2 4.7 3.2 1.3 0.2 setosa

3 4.6 3.1 1.5 0.2 setosa

4 5.0 3.6 1.4 0.2 setosa

<class 'pandas.core.frame.DataFrame'>

RangeIndex: 150 entries, 0 to 149

Data columns (total 5 columns):

# Column Non-Null Count Dtype

--- ------ -------------- -----

0 sepal_length 150 non-null float64

1 sepal_width 150 non-null float64

2 petal_length 150 non-null float64

3 petal_width 150 non-null float64

4 species 150 non-null object

dtypes: float64(4), object(1)

memory usage: 6.0+ KB

None

[Take1] 散布図行列で表示する～全体像を概観する

【書式】

ライブラリ：pandas,matplotlib,seaborn

書式

sns.pairplot(data=df)

plt.show()

オプション

kind="reg" : 回帰曲線を追記する

【コード】

%matplotlib inline

import pandas as pd

import matplotlib.pyplot as plt

import japanize_matplotlib

import seaborn as sns

　

df=sns.load_dataset("iris")

　

sns.pairplot(data=df)

plt.show()

【結果】

[Take2] データの相関行列を表示する

【書式】

相関行列の表示

df.corr()

特定列を削除する

df.drop("列名",axis=1)

【コード】

%matplotlib inline

import pandas as pd

import seaborn as sns

sns.set()

　

df=sns.load_dataset("iris")

　

# species 列は文字列なので落とす。

# 「corr()メソッドではデータ型dtypeがobjectの列は除外される」らしいのだが・・・

df=df.drop("species",axis=1)

　

print(df.corr())

　

sns.heatmap(df.corr(),annot=True,vmax=1,vmin=-1,center=0)

plt.show()

【結果】

sepal_length sepal_width petal_length petal_width

sepal_length 1.000000 -0.117570 0.871754 0.817941

sepal_width -0.117570 1.000000 -0.428440 -0.366126

petal_length 0.871754 -0.428440 1.000000 0.962865

petal_width 0.817941 -0.366126 0.962865 1.000000

[Take3] 散布図を描く

【書式】

Take2 の結果から、次の組み合わせの相関が高そうなので、この散布図を描いてみる。

sepal_length と petal_length

sepal_length と petal_width

df.plot.scatter(x="横軸の列名",y="縦軸の列名",color="色")

【コード】

%matplotlib inline

import matplotlib.pyplot as plt

import japanize_matplotlib

import seaborn as sns

import pandas as pd

　

df=sns.load_dataset("iris")

　

df.plot.scatter(x="sepal_length",y="petal_width",color="b")

plt.title("sepal_lengthとpetal_width")

plt.show()

　

df.plot.scatter(x="sepal_length",y="petal_length",color="b")

plt.title("sepal_lengthとpetal_length")

plt.show()

【結果】

/usr/local/lib/python3.10/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 12392 (\N{HIRAGANA LETTER TO}) missing from current font. fig.canvas.print_figure(bytes_io, **kw)

/usr/local/lib/python3.10/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 12392 (\N{HIRAGANA LETTER TO}) missing from current font. fig.canvas.print_figure(bytes_io, **kw)

[Take4] 品種(species)のリストを取得する（ユニークな列情報を取得する）

【書式】

df["列名"].unique()

【コード】

import seaborn as sns

import pandas as pd

　

df=sns.load_dataset("iris")

　

df["species"].unique()

【結果】

array(['setosa', 'versicolor', 'virginica'], dtype=object)

[Take5] 特定種類の相関行列をヒートマップで表示する

【書式】

データフレームの絞り込み

df[df["列名"]=="検索条件"]

【コード】

%matplotlib inline

import matplotlib.pyplot as plt

import japanize_matplotlib

import seaborn as sns

import pandas as pd

　

df=sns.load_dataset("iris")

　

onespecies="setosa"

　

one=df[df["species"]==onespecies]

# species 列は文字列なので落とす。

one=one.drop("species",axis=1)

　

sns.heatmap(one.corr(),annot=True,vmax=1,vmin=-1,center=0)

plt.title("onespecies",fontsize=18)

plt.show()

【結果】

[Take5-1] 特定種類の相関行列をヒートマップで表示する～ほかの品種で試してみる

【書式】

データフレームの絞り込み

df[df["列名"]=="検索条件"]

【コード】

%matplotlib inline

import matplotlib.pyplot as plt

import japanize_matplotlib

import seaborn as sns

import pandas as pd

　

df=sns.load_dataset("iris")

　

# 品種設定

onespecies="setosa"

　

one=df[df["species"]==onespecies]

# species 列は文字列なので落とす。

one=one.drop("species",axis=1)

　

sns.heatmap(one.corr(),annot=True,vmax=1,vmin=-1,center=0)

plt.title(onespecies,fontsize=18)

plt.show()

　

# 品種設定

onespecies="versicolor"

　

one=df[df["species"]==onespecies]

# species 列は文字列なので落とす。

one=one.drop("species",axis=1)

　

sns.heatmap(one.corr(),annot=True,vmax=1,vmin=-1,center=0)

plt.title(onespecies,fontsize=18)

plt.show()

　

　

# 品種設定

onespecies="virginica"

　

one=df[df["species"]==onespecies]

# species 列は文字列なので落とす。

one=one.drop("species",axis=1)

　

sns.heatmap(one.corr(),annot=True,vmax=1,vmin=-1,center=0)

plt.title(onespecies,fontsize=18)

plt.show()

【結果】

[Take6] 特定種類の散布図行列を表示する

【書式】

データフレームの絞り込み

df[df["列名"]=="検索条件"]

散布図行列描画

ライブラリ：pandas,matplotlib,seaborn

書式

sns.pairplot(data=df)

plt.show()

オプション

kind="reg" : 回帰曲線を追記する

【コード】

%matplotlib inline

import pandas as pd

import matplotlib.pyplot as plt

import japanize_matplotlib

import seaborn as sns

　

df=sns.load_dataset("iris")

　

# 品種設定

onespecies="setosa"

　

one=df[df["species"]==onespecies]

# species 列は文字列なので落とす。

one=one.drop("species",axis=1)

　

sns.pairplot(data=one,kind="reg")

plt.show()

【結果】

[Take7] 全体の散布図行列を品種ごとに色分けして描画する

【書式】

ライブラリ：pandas,matplotlib,seaborn

書式

sns.pairplot(data=df)

plt.show()

オプション

hue="列名" : 色分け基準

【コード】

%matplotlib inline

import pandas as pd

import matplotlib.pyplot as plt

import japanize_matplotlib

import seaborn as sns

　

df=sns.load_dataset("iris")

　

sns.pairplot(data=df,hue="species")

plt.show()

【結果】

[Take8] irisのデータをCSVに書き出してみる

【書式】

dfをCSVに書き出す。

df.to_csv("ファイル名（フルパス）.csv")

【コード】

import pandas as pd

import seaborn as sns

　

df=sns.load_dataset("iris")

　

df.to_csv("/content/drive/MyDrive/Python_2024/002/iris-l.csv")