カテゴリ変数でのEDA

Power BIで学ぶ探索的データ分析（EDA）

Maarten Van den Broeck

Content Developer at DataCamp

カテゴリ変数と度数

3つの年齢層（x軸）における参加者数（y軸）の棒グラフ。年齢層は「18-29」「30-39」「40-49」で、サンプルでは「40-49」が最多。

Power BIで学ぶ探索的データ分析（EDA）

カテゴリ変数と割合

3つの年齢層（「18-29」「30-39」「40-49」）における参加者の割合の円グラフ。「40-49」が39.4%で最多。

Power BIで学ぶ探索的データ分析（EDA）

複数カテゴリ間の比率

100%積み上げ棒グラフ。x軸は年齢層「18-29」「30-39」「40-49」。y軸は参加者割合。各棒はInstagram、LinkedIn、TikTok、Twitterの割合で分割。

Power BIで学ぶ探索的データ分析（EDA）

カテゴリ変数と記述統計

年齢区分 SNSの1日中央値（時間）
18-29 6
30-39 3
40-49 3
Power BIで学ぶ探索的データ分析（EDA）

ボックスプロットとは？

人の身長のボックスプロット。y軸は身長（cm）。

Power BIで学ぶ探索的データ分析（EDA）

ボックスプロットとは？

人の身長のボックスプロット。y軸は身長（cm）。箱ひげ図の中央の線（中央値）を赤枠で強調。

Power BIで学ぶ探索的データ分析（EDA）

ボックスプロットとは？

人の身長のボックスプロット。y軸は身長（cm）。箱ひげ図の「箱」部分を赤枠で強調。

Power BIで学ぶ探索的データ分析（EDA）

ボックスプロットとは？

人の身長のボックスプロット。y軸は身長（cm）。箱から上下に伸びるひげ部分を赤枠で強調。

Power BIで学ぶ探索的データ分析（EDA）

ボックスプロットとは？

人の身長のボックスプロット。y軸は身長（cm）。外れ値（点）を赤枠で強調。

Power BIで学ぶ探索的データ分析（EDA）

カテゴリ変数で分布を比較する

男女それぞれの身長分布を示す2つのボックスプロット。大きさは同等だが、「male」の方がy軸で高い位置。

Power BIで学ぶ探索的データ分析（EDA）

新しい変数の作成

データの変換：分析や可視化を洗練させる新しい変数の作成

Power BIで学ぶ探索的データ分析（EDA）

新しい変数の作成

データの変換：分析や可視化を洗練させる新しい変数の作成

年齢 年齢区分
18 ティーン
19 ティーン
20 若年成人
21 若年成人
30 成人
31 成人
40 中年
41 中年

$$ $$ $$

コース名 コース種別
Introduction to Power BI Power BI
Unsupervised Learning in R R
DAX in Power BI Power BI
Introduction to Python Python
Power BIで学ぶ探索的データ分析（EDA）

練習しましょう！

Power BIで学ぶ探索的データ分析（EDA）

Preparing Video For Download...