Seabornを使ってデータ相関を見てみる
Seabornとは
matplotlibではできないようなグラフを簡単に作ることができる。
なので、データ解析の際にあたりを見る際に使うのに便利なライブラリだ。
今回はsklearnのデータセットを使って自分でもグラフ作成をやってみた。
ちなみにsklearnとはscikit-learnのことで、機械学習のライブラリである。
このライブラリにはサンプルのデータが含まれている。
今回使うのは、その中の１つのサンプルデータだ。
早速、講座の復習がてら、いろいろを試してみた。
bostonのデータをつかって、住宅価格のとの相関するデータを見つけてグラフを見てみた。
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.datasets import load_boston
#データの読み込み
bs = load_boston()
このbsのデータ型を調べるとsklearn.utils.Bunchというものらしい。
下記によると、dictionaryを拡張して、obj["member"], obj.member の両方でアクセスできるようにしたものらしい。
https://scikit-learn.org/stable/modules/generated/sklearn.utils.Bunch.html
データの中身を見てみよう。
bs.keys()
=> dict_keys(['data', 'target', 'feature_names', 'DESCR', 'filename'])
data ：データ
target ：予測対象（住宅価格）
feature_names：予測に用いられる変数（下記参照）
DESCR：データの説明
filename：ファイルパス
●feature_namesのそれぞれの要素の意味
CRIM： 町別の一人当たりの犯罪率
ZN： 25,000平方フィートを超える区画にゾーニングされた住宅用地の割合。
INDUS： 町ごとの非小売業のエーカーの割合
CHAS： チャールズ川のダミー変数（路が川に接している場合は1、それ以外の場合は0）
NOX： 一酸化窒素濃度（1000万分の1）
RM： 住居あたりの平均部屋数
AGE： 1940年より前に建てられた持ち家の割合
DIS： 5つのボストン雇用センターまでの加重距離
RAD： 放射状高速道路へのアクセスの指標
TAX： 全額固定資産税-10,000ドルあたりの税率
PTRATIO： 町別の生徒と教師の比率
B： 1000（Bk-0.63）^ 2ここで、Bkは町ごとの黒人の割合
LSTAT： 人口の％低いステータス
MEDV： 1000ドルの持ち家の中央値
住宅の価格に相関しそうな要素はどれだろうか？
少なくとも、部屋の数（RM）は住宅の価格に相関していそうだ。
data, target：予測対象（住宅価格）を入れたデータフレームを作成する。
#pandas dataframe生成
bsdf = pd.DataFrame(np.c_[bs['target'],bs['data']] ,columns= np.append('target',bs['feature_names']))
データ：
Heatmap
まず、heatmapで相関があるものを見つける。
plt.figure(figsize=(10,10))
sns.heatmap(bsdf.corr(),annot=True)
結果：
予想通りの左端列のtargetと"RM(0.7)", "LSTAT(-0.74)"が相関（逆相関）が強いのがわかる。
散布図
散布図のグラフも確認しておこう。scatterplotで表示させてみる。
sns.scatterplot(x='RM',y='target',data=bsdf)
結果：
sns.scatterplot(x='LSTAT',y='target',data=bsdf)
結果：
なるほど、相関があるのが確認できた。
次はようやくファイナンシャルデータの分析に入る。
このコースへのリンク
Python & Machine Learning for Financial Analysis
全般ランキング
【このカテゴリーの最新記事】
-
- no image
- no image
- no image
- no image
