生データ(raw data)のカテゴリーデータからグラフを作る - グルーピング

目的

月ごとに利用者数を折れ線グラフで表現したい。

使用するデータ

SIGNATEさんの練習問題として公開されている「レンタル自転車の利用者予測」 のtrain dataを使います。

データの構成

月を表す'mnth'と利用者数を表す'cnt'を使ってグラフを作ります。その前にデータを確認しましょう。

1月から12月まで数字が入っているか確認します

print(df['mnth'].value_counts()) 

データの件数と利用者数の件数（合計人数ではない）が一致するか確認します。

print(df['cnt'].count())

誤ったグラフの作り方

グラフを作るために

import matplotlib.pyplot as plt

を実行して、変数をそのまま投入します。

x = df['mnth']
y = df['cnt']
plt.plot(x,y)

あれっ？思っていない出力でグラフが描かれました。

困りました・・・

正しいグラフの作り方 - グルーピング

X軸に月を持ってきたいので、月を連続データではなくカテゴリーのような働き方をさせるために、1から12をそれぞれグループにします。

df2 = df.groupby('mnth').sum()

これを実行して1月から12月までをIndexに作ります。こんなイメージです。

表側に1から12まで並んでいます。'mnth'を月ごとに合算したことになっています。利用者数'cnt'も1月から12月まで合算されています。

これでグラフを作成します。

import matplotlib.pyplot as plt

# monthをグルーピング(グルーピングしたmonthはindex)
df2 = df.groupby('mnth').sum()

x = df2.index #これがgroupbyした'mnth'です。
y = df2['cnt']
plt.plot(x,y)

グラフの出力も期待していた通りです。

まとめ

X軸で表現したデータが数値の時は、グルーピング(groupby)しましょう。

groupby('グルーピングしたい変数名')

そしてgroupbyの後に何をしたいのか書く事も必要です。今回はグルーピングして合計を出したいので

groupby('グルーピングしたい変数名').sum()

というように書きます。