Python初心者向け：最頻値を基本から解説

▶ まずデータの概要をつかむなら、以下の記事を参考にしてください。基本統計量をまとめて算出する方法をご紹介しています。

Python初心者でも簡単にデータの概要を把握できるように基本から解説します。分析を始める前にデータの概要を把握することが大切です。やみくもにデータと向き合うのではなく、どのような特徴があるのか概要をつかむことで、データ分析の方針をたてることができます。

▶ 分散/標準偏差に関する解説はこちらの記事を合わせてお読みください。

Python初心者向け：分散/標準偏差を基本から解説します

Python初心者の方向けに分散と標準偏差について基本から説明します。分散には標本分散と不偏分散、標準偏差には標本標準偏差と不偏標準偏差とがあります。使うライブラリによってdefaultで計算するものが異なるので、これを意識して整理しておきましょう。

はじめに

今回は最頻値を扱います。いまになって「最頻値」という感じもしますが、一度整理しておきましょう。pandas.Seriesを対象とする場合、pandas.DataFrameを対象とする場合で考えることにしましょう。

最頻値をもとめる

サンプルデータの作成

まずはサンプルデータをつくりましょう。何度か使った、動物園のデータを使うことにしましょう。つぎのコードでデータを作成してください。

# サンプルデータの作成
df_sample=pd.DataFrame({
    'なまえ':['らくだ','らいおん','ぱんだ','しまうま','きりん','うさぎ','ねこ','いぬ','おおかみ','かば'],
    '動物園':['上野動物園','旭山動物園','上野動物園','こどもどうぶつえん','ズーラシア','ズーラシア','旭山動物園','旭山動物園','ズーラシア','こどもどうぶつえん'],
    '年齢':[23,32,18,21,23,18,18,18,31,32]
})
df_sample

全レコードを対象にある特徴量の最頻値を求める

ある特徴量の最頻値を求めたい場合は、次のようにデータフレームから、最頻値を求めたい特徴量を指定してpandas.Seriesのメソッドmode()を使って求めることができます。たとえば、動物園の最頻値を確認するなら次のようになります。

df_sample['動物園'].mode()

このように同数のものが複数ある場合は、いずれも表示されます。年齢で試すと次のようになります。

df_sample['年齢'].mode()

データフレームにある特徴量のすべての最頻値を調べたければ、このように一つずつ指定する必要はありません。次のように、データフレームに対してmode()メソッドを適用すると、まとめて表示させることができます。

df_sample.mode()

動物たちのなまえはみんな異なるので、すべて頻度1で最頻値として表示されています。動物園については、ズーラシア、旭山動物園がそれぞれ3回ずつで、同数なのでどちらも示されます。年齢に関しては、18が3回で単独の最頻値なのでこれだけが表示されています。

指定した特徴量ごとにある特徴量の最頻値を求める

次に動物園ごとに、年齢の最頻値を求めてみましょう。これは、groupbyとlambdaを使って次のようにおこないます。

df_sample.groupby('動物園')['年齢'].apply(lambda x:x.mode()).reset_index()

旭山動物園では、32歳、18歳、18歳の動物たちがいたので、最頻値18が表示されています。そのほかの動物園では、それぞれの年齢が1名ずつだったので、同順のためすべて表示されています。

まとめ

いかがでしたか？データ分析では頻度を扱ったり、順位をつけたりすることが結構ありますね。ぱっと求められるように身につけておくとよいでしょう。

▶ 四分位数の解説や、四分位数を使った外れ値の除外に関する記事もあります。

Python初心者向け：四分位数/標準偏差を用いた外れ値の除外

Python初心者向けに四分位数や標準偏差を用いて外れ値を除外する方法を基本から解説します。外れ値とは他の値から大きく外れた値です。外れ値の中でも外れ値となった理由があるものを異常値といいます。外れ値を除外するは、通常、「異常値」を除外します。

▶ 一気にデータの概要を把握する方法があります。こちらの記事をどうぞ。

Python初心者向け：データの概要を一発で把握する（EDA自動化）

Python初心者の方向けにデータの概要をつかむのに便利な方法を基本から紹介します。非常に強力なツールで、基本的なデータの把握ならこれだけで十分ともいえるでしょう。まずはこの方法でデータの概要をつかんだあと、詳細にデータをみていくとスムーズかと思います。