【Python】散布度を求める方法を解説

今回は、統計学の基本である範囲、四分位数、分散、標準偏差を

Pythonで求める方法を紹介します。

散布度とは

データの散らばりを示す指標のことです。

平均値だけではみえてこないデータの散らばりを測定することで、

データの特性を知ることができます。

散布度の主な指標です。

• 範囲
• 四分位数
• 分散
• 標準偏差

これらの指標をPythonで求める方法を説明していきます。

使用するデータ

今回は、tipsのデータセットを使用します。

tipsは、機械学習や統計学の分野でサンプルデータとして使用されるレストランのお会計に関するデータセットです

範囲(range)

範囲は 最大値 - 最小値 で求めることができます。

範囲は外れ値の影響を受けやすい指標です。

範囲をPythonで求める方法は以下の通りです。

• np.max() - np.min()
• df[’column’].max() - df[’column’].min()

具体的なサンプルコードは以下です。

import numpy as np
import seaborn as sns

# データの準備
df = sns.load_dataset('tips')

# numpyを使用して求める方法
range_tip_np = np.max(df['tip']) - np.min(df['tip'])
print(range_tip_np)

# データフレームを使用
range_tip_df = df['tip'].max() - df['tip'].min()
print(range_tip_df)

実行結果

四分位数(quartile)

データの中央値を中心にデータの25%(第一四分位数)、75%(第三四分位数)を示す指標です。

四分位数は、範囲よりも外れ値の影響を受けにくい指標です。

四分位数をPythonで求める方法は以下の通りです。

• np.quantile(data, [0.25, 0.5, 0.75])
• df[’column’].quantile([0.25, 0.5, 0.75])

具体的なサンプルコードは以下の通りです。

実行結果

分散(variance)

分散は、データが平均からどれくらい離れているかを示す指標です。

分散をPythonで求める方法は以下の通りです。

• np.var()

具体的なサンプルコードは以下の通りです。

import numpy as np
import seaborn as sns

# データの準備
df = sns.load_dataset('tips')

var_tip = np.var(df['tip'])
print(var_tip)

実行結果

1.9066085124966428

標準偏差(Standard Deviation)

標準偏差は、分散の平方根をとった指標です。

標準偏差をPythonで求める方法は以下の通りです。

• np.std()

import numpy as np
import seaborn as sns

# データの準備
df = sns.load_dataset('tips')

std_tip = np.std(df['tip'])
print(std_tip)

実行結果

1.3807999538298958

まとめ

今回は、統計学の基本である範囲、四分位数、分散、標準偏差をPythonで求める方法を紹介しました。

これら散布度は統計の基本中の基本ですので、覚えていきましょう！

ここまで読んでくださりありがとうございます。

参考

おすすめ教材

他のUdemyの講座が気になる方はこちら