【pythonで統計学】ヒストグラムとpythonでの作成方法〜サンプルコード多め〜

統計学の教科書を読んでいると、一番最初に度数分布とヒストグラムなどが記載されています

どちらも統計学を学んでいく上で、大切な項目になるので、ぜひ一緒に勉強をしていきましょう

これまでの【pythonで統計学】同様、csvファイルを読み込んでヒストグラムを作成するサンプルコードもお伝えします！

pythonで統計学を学ぶ流れは以下の記事を参考にしてください

pythonで統計学を学ぶメリット〜実際の学習手順を紹介〜近年、データサイエンティストの需要が高まってきていますが、データサイエンティスト必須能力として、「プログラミング言語」「統計学」が挙げられています。pythonで統計学を扱えれば、データサイエンティストとしての道も開けるでしょう。今回はpythonで統計学を学ぶメリットや実際にどのように学習していくべきかを解説していきたいと思います。...

ヒストグラムとは？

ヒストグラムとは、ある特定のデータを区間ごとに区切り、各区間の個数や数値のばらつきを棒グラフ様の図で作られているグラフです

ヒストグラムを作成することで、数値で集めた度数分布表を視覚的にわかりやすく表現することができます

度数分布表とは

度数分布表とは、収集したデータをある幅ごとに区切って、その中に含まれるデータの個数を見るための数値をまとめた表です

1つの区間を階級と呼びますが、binと呼ぶこともあります

pythonのコードではbin,binsを用いています

上記の様な身長を集めたデータがあったとします

これだけではデータの羅列であり、このデータの特徴をパッと見ただけでは把握することができません

そこで、まずは身長が低い順番に並べ替えていきます

小さい順に並べ替えたら、150cm代,160cm代…というふうに分けていきます

今回の場合だと、

• 黄色：28個
• オレンジ：33個
• 水色：31個
• 白：13個

というふうになり、これをまとめると以下のようになります

階級は「データを区切る範囲」、度数は「データの個数」を表しています

このように度数分布表としてまとめることで、階級と度数の関係性がわかりやすくなります

さらにデータを加工していくと以下のようになります

それぞれの言葉の意味は以下のようになります

• 階級：データを区切る範囲
• 度数：データの個数
• 累積度数：その階級までのすべての度数の合計
• 相対度数：それぞれの階級の度数が全体に占める割合
• 累積相対度数：その階級までのすべての相対度数の合計

このような度数分布表だけでも、データの分散度合いや中央値を知ることができますが、ヒストグラムを作成すれば、数値だけではなく、視覚的にも理解しやすくなります

pythonでヒストグラムを作成する方法

ではここからはpythonでヒストグラムを作成する方法について解析していきたいと思います

ヒストグラムを作成する場合には、matplotlib.pyplot.histを使用します

コードはこちら

matplotlib.pyplot.hist(x, bins=None, range=None, density=False, weights=None, 
cumulative=False, bottom=None, histtype='bar', align='mid', 
orientation='vertical', rwidth=None, log=False, color=None, 
label=None, stacked=False, *, data=None, **kwargs)

パラメータが多めです

import numpy as np
import matplotlib.pyplot as plt
 
x = np.random.normal(50, 10, 1000)
plt.hist(x)

seabornを使用してヒストグラムを作成する方法

matplotlibでヒストグラムを作成するのもいいですが、seabornを使用するとより綺麗なグラフを作成することができます

コードはこちら

seaborn.distplot(a=None, bins=None, hist=True, kde=True, rug=False, 
fit=None, hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None, 
color=None, vertical=False, norm_hist=False, axlabel=None, label=None, 
ax=None, x=None)

パラメーターが多いですが、覚えておきたいのは以下の数種類

それ以外は公式サイトを参考にしてください

seaborn.distplot

#seabornをインポート.sns.set()はグラフを綺麗にするおまじない
import seaborn as sns; sns.set()

seabornにはあらかじめ用意されているデータがあり、ここからはそちらを使っていきたいと思います

#あらかじめ用意されているirisのデータを使用
iris = sns.load_dataset('iris') 

sns.distplot(
    iris['sepal_width'], bins=13, label='data',
    kde=False,
    rug=False
)
plt.legend() # 凡例を表示
plt.show()   # ヒストグラムを表示

#色の指定なしのヒストグラム
from matplotlib import pyplot as plt
import seaborn as sns; sns.set()
iris = sns.load_dataset('iris') 
sns.distplot(
    iris['sepal_width'], bins=13, label='data',
    kde=False,
    rug=False
)
plt.legend() # 凡例を表示
plt.show()   # ヒストグラムを表示

#別色ヒストグラム
from matplotlib import pyplot as plt
import seaborn as sns; sns.set() 
iris = sns.load_dataset('iris') 
sns.distplot(
    iris['sepal_width'], bins=13, color='#A0522D',label='data',
    kde=False,
    rug=False
)
plt.legend() # 凡例を表示
plt.show()   # ヒストグラムを表示

seabornで色を変える場合には、以下のサイトを参考にしてみてください

Choosing color palettes

seabornのヒストグラムに正規分布を加える

seabornにfit=normを加えることで、正規分布を描画することができます

from matplotlib import pyplot as plt
import seaborn as sns; sns.set() 
from scipy.stats import norm

iris = sns.load_dataset('iris') 
sns.distplot(
    iris['sepal_width'], bins=13, color='#A0522D',label='data',
    kde_kws={'label': 'kde','color':'k'},
    fit=norm,fit_kws={'label': 'norm','color':'red'},
    rug=False
)
plt.legend() # 凡例を表示
plt.show()   # ヒストグラムを表示

csvから読み込んだデータでヒストグラムを作る

from matplotlib import pyplot as plt
import seaborn as sns; sns.set() 
from scipy.stats import norm
import os
from tkinter import filedialog 

type = [("all file","*")] 
file_path_stastics = filedialog.askopenfilename(filetypes = type, initialdir = os.getcwd ())  
stasticsdata = pd.read_csv(file_path_stastics, engine="python",index_col=None)
A_list=stasticsdata.iloc[:,2]
iris=list(A_list)

sns.distplot(
    iris['sepal_width'], bins=13, color='#A0522D',label='data',
    kde_kws={'label': 'kde','color':'k'},
    fit=norm,fit_kws={'label': 'norm','color':'red'},
    rug=False
)
plt.legend() # 凡例を表示
plt.show()   # ヒストグラムを表示

読み込みたいcsvデータを選択し、選択したcsvデータの好きな列(今回の場合は3列目)をirisとして代入すれば、同じようなグラフを描画することができます

まとめ

• ヒストグラムは度数分布の視認性を高める
• グラフを描画する場合にはmatplotlibもしくはseaborn
• seabornは簡単に綺麗なグラフを作成できる
• ヒストグラム+正規分布も可能

統計学やpythonについて学んだ書籍一覧

Pythonで学ぶあたらしい統計学の教科書

posted with ヨメレバ

馬場 真哉 翔泳社 2018年04月19日頃

楽天ブックス

Amazon

Kindle

完全独習統計学入門

posted with ヨメレバ

小島寛之 ダイヤモンド社 2006年09月

楽天ブックス

Amazon

Kindle

統計学入門

posted with ヨメレバ

東京大学 東京大学出版会 1991年07月01日頃

楽天ブックス

Amazon

Kindle

pythonの書籍を読むならkindleがおすすめ

Python学習を進めていく上で、

「ひとまず何かしらの書籍に目を通したい」

「webで調べても全くわからない」

という状況が何度も何度でも出てくるかと思います。

そういう時に便利なのが、kindleとテラテイルです。

Kindleはご存知の通り、電子書籍です。

Kindleには多くのpython学習本が用意されており、無料で読むことができます。(たまに有料もあります)

ひとまずどういった書籍があるのか？

もしものために、書籍に目を通しておこう

という場合には、kindleの利用がおすすめです。

kindleでpythonの書籍を無料で読んでみる