Pythonでヒストグラムの中央値を求める方法を現役エンジニアが解説【初心者向け】

初心者向けにPythonでヒストグラムの中央値を求める方法について現役エンジニアが解説しています。項目を階級とし、値を度数とする表を度数分布表と言い、グラフにしたものをヒストグラムと言います。Pythonでヒストグラムの中央値を求めるにはscipyライブラリのmedian()関数を用います。

TechAcademyマガジンはオンラインのプログラミングスクールTechAcademy [テックアカデミー]が運営する教育×テクノロジーのWebメディアです。初心者でもすぐ勉強できる記事が2,000以上あります。

Pythonでヒストグラムの中央値を求める方法について、TechAcademyのメンター(現役エンジニア)が実際のコードを使用して、初心者向けに解説します。

Pythonについてそもそもよく分からないという方は、Pythonとは何なのか解説した記事を読むとさらに理解が深まります。

 

なお本記事は、TechAcademyのオンラインブートキャンプ、Python講座の内容をもとに紹介しています。

 

田島悠介

今回は、Pythonに関する内容だね!

大石ゆかり

どういう内容でしょうか?

田島悠介

Pythonでヒストグラムの中央値を求める方法について詳しく説明していくね!

大石ゆかり

お願いします!

 

ヒストグラムとは

以下は、日本人男性10000人を対象に身長を調査し、それを表にしたものです。(ヒストグラムについて説明するための例として用いるためのものであり、データは架空のものです。)

この表における「身長」のように、ある決まった範囲ごとの並びのことを統計学の世界では「階級」と言います。今の場合であれば9階級あるということですね。また、「人数」のように、それぞれの階級に対してどれくらいの数が存在したかの度合いを表す指標のことを「度数」と言います。

下の表は度数の分布を表す表なので、「度数分布表」と言います。

範囲のことを階級と言い、値を度数と言います。ある範囲にどれだけ度数があるのかを表した図を度数分布表と言います。
そして、この度数分布表を以下のようなグラフにしたのがヒストグラムです。

ヒストグラムは横軸に階級、縦軸に度数を取ります。このヒストグラムを見れば、中央に最も多くの人数が分布し、中央から離れるにつれて人数が少なくなっているのが一目瞭然ですね。

度数分布表をグラフにしたものをヒストグラムと言います。今回はヒストグラムの中央値をPythonで求めてみます。

ヒストグラムの中央値の求め方

中央値とは「データを小さい順もしくは大きい順に並べたときにちょうど中央にくるデータ」のことです。データが奇数個であれば、中央値は真ん中の1つのデータで決まります。例えば1,4,6,8,9といった5つの数値が並んでいた場合、中央値は6になります。

しかし、1,4,6,8,9,10といった6つのデータのようにデータが偶数個であった場合、中央値は6と8の平均値である7となります。つまり、中央の2つのデータの平均を中央値とするわけですね。

Pythonで中央値を求めるにはscipyライブラリのmedian()関数を用います。引数にはデータが入ったリストを与えます。

[PR] Pythonで挫折しない学習方法を動画で公開中

実際に書いてみよう

それでは実際にヒストグラムを描いて、中央値を求めてみましょう。

コードの概要をまとめておきます。

  1. 必要なライブラリをインポート
  2. np.random.seed(1)で乱数種を生成。これにより再現性が保たれる。
  3. stats.norm(loc=173, scale=1)で平均173cm、標準偏差1の正規分布を生成。
  4. data1 = norm_dist.rvs(size=10000)で、生成した正規分布に従う乱数を10000個取得。
  5. sns.distplot(data1, bins=9, color=”blue”, kde=False)でヒストグラムを作成。
  6. sp.median(data1)で中央値を求める
import numpy as np
import scipy as sp
from scipy import stats
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline    # Jupyter Notebookでグラフを表示するための記述
np.random.seed(1)
norm_dist = stats.norm(loc=173, scale=1)
data1 = norm_dist.rvs(size=10000)
sns.distplot(data1, bins=9, color="blue", kde=False)
sp.median(data1)

先ほどのようなヒストグラムが生成され、設定した平均値と同じような値が中央値として算出されたかと思います。

まとめ

この記事ではPythonでヒストグラムの中央値を求める方法についてご紹介しました。

seabornやscipyなどのライブラリを使いこなせるようになると便利なので、統計学やデータサイエンスに興味のある方は是非使いこなせるようになりましょう。

監修してくれたメンター

柴山真沙希(しばやままさき)

大手IT企業などでエンジニアとして2年ほど勤務した後、個人事業主としてプログラミングスクール「エンペサール」を経営。子供から大人まで幅広い層を対象にプログラミングを教えている。

得意言語はPython, HTML, CSSで、機械学習やデータ分析、スクレイピングなどが得意。サッカー観戦や読書が趣味である。

 

大石ゆかり

内容分かりやすくて良かったです!

田島悠介

ゆかりちゃんも分からないことがあったら質問してね!

大石ゆかり

分かりました。ありがとうございます!

 

TechAcademyでは、初心者でも最短4週間で、Pythonを使った人工知能(AI)や機械学習の基礎を習得できる、オンラインブートキャンプを開催しています。

また、現役エンジニアから学べる無料体験も実施しているので、ぜひ参加してみてください。