seabornでカテゴリ別の要約統計

Pythonでの金融データのインポートと管理

Stefan Jansen

Instructor

seabornのカテゴリプロット

  • カテゴリ変数と数値変数の組合せを描く専用手法
  • カテゴリごとの要約統計の推定を可視化
  • カテゴリが数値に与える影響を把握
  • 分布の主要指標で比較
  • 例: セクター別やIPO年別の平均時価総額（分散の目安付き）
Pythonでの金融データのインポートと管理

基本: countplot

sns.countplot(x='Sector', data=nasdaq)
plt.xticks(rotation=45)

countplot.png

Pythonでの金融データのインポートと管理

countplotの並べ替え

sector_size = nasdaq.groupby('Sector').size()
order = sector_size.sort_values(ascending=False)
order.head()

Sector
Health Care          645
Finance              627
Technology           433
...

order = order.index.tolist()

['Health Care', 'Finance', ..., 'Energy', 'Transportation']
Pythonでの金融データのインポートと管理

countplotの並べ替え

sns.countplot(x='Sector', data=nasdaq, order=order)
plt.xticks(rotation=45)
plt.title('# Observations per Sector’)

countplot_sorted.png

Pythonでの金融データのインポートと管理

countplotの複数カテゴリ

recent_ipos = nasdaq[nasdaq['IPO Year'] > 2014]
recent_ipos['IPO Year'] = recent_ipos['IPO Year'].astype(int)
sns.countplot(x='Sector', hue='IPO Year', data=recent_ipos)

countplot_mc.png

Pythonでの金融データのインポートと管理

PointPlotで統計を比較

nasdaq['IPO'] = nasdaq['IPO Year'].apply(lambda x: 'After 2000' if x > 2000 else 'Before 2000')
sns.pointplot(x='Sector', y='market_cap_m', hue='IPO', data=nasdaq)
plt.xticks(rotation=45); plt.title('Mean Market Cap')

pointplot.png

Pythonでの金融データのインポートと管理

練習しましょう！

Pythonでの金融データのインポートと管理

Preparing Video For Download...