データの可視化-カーネル密度推定- - kharukaのブログ～お金と技術とキャリア～

入門 Python 3

作者: Bill Lubanovic,斎藤康毅,長尾高弘
出版社/メーカー: オライリージャパン
発売日: 2015/12/01
メディア: 単行本（ソフトカバー）
この商品を含むブログ (3件) を見る

前提条件
データ解析の基礎その3 目次
カーネル密度推定
参考：

前提条件

OS:Windows 10 64-bit, version 1607
Anaconda 4.4.0(Python 3.6 version 64-bit)インストール
Seabornのインストール

データ解析の基礎その3 目次

1. Seabornのインストール

2. ヒストグラム

3. カーネル密度推定

4. 分布の可視化

5. ボックスとプロットとバイオリンプロット

6. 回帰とプロット

7. ヒートマップとクラスタリング

カーネル密度推定

1. コマンドプロンプトでJupyter Notebookを起動します。

jupyter notebook

2. 写経したソースコードはGitHub Repositoryを参照してください。

github.com

3. 補足

3.1. カーネル密度推定とは？

ざっくりとした例で言うと、カーネル密度推定とは出口調査により選挙結果を予測することです。

3.2. sns.kdeplot(dframe)は非推奨Warnningが出るため、取り敢えずsns.kdeplot(dframe.X,dframe.Y)で回避することにします。正しい回避策かは調査中。

dframe=pd.DataFrame(dataset2,columns=['X','Y'])
sns.kdeplot(dframe)

Out:

C:\Users\<user name>\AppData\Local\Continuum\Anaconda3\lib\site-packages\seaborn\distributions.py:630: UserWarning: Passing a 2D dataset for a bivariate plot is deprecated in favor of kdeplot(x, y), and it will cause an error in future versions. Please update your code.
  warnings.warn(warn_msg, UserWarning)