casTableのサマリーをグラフ化する #Python

SAS ViyaはAIプラットフォームになります。Webブラウザ上で機械学習の設計、実行ができるStudioという環境も用意されていますが、開発者はプログラミングコードで開発することも可能です。プログラミング言語はJava/Python/R/SASが選べます。

機械学習を用いる際に専用のテーブル（casTable）を用いますが、今回はそのテーブルのサマリーを表示した際の各値の意味を解説します。

今回はステップバイステップでデータをグラフ化する流れを紹介します。

データを取り込む

今回使うのは organics.sas7bdat です。年齢、性別ごとに健康状態などが入ったデータです。まずこのデータを読み込みます。

organics = sess.upload('organics.sas7bdat')

データを確認します。

organics.casTable.summary()

	Column	Min	Max	N	NMiss	Mean	Sum	Std	StdErr	Var	USS	CSS	CV	TValue	ProbT	Skewness	Kurtosis
0	DOB	-15266.00	7190.00	22223.0	0.0	-5877.324574	-1.306118e+08	4825.522949	32.370026	2.328567e+07	1.285102e+12	5.174542e+11	-82.104075	-181.566881	0.0	0.077679	-0.849240
1	EDATE	13933.00	13933.00	22223.0	0.0	13933.000000	3.096331e+08	0.000000	0.000000	0.000000e+00	4.314117e+12	0.000000e+00	0.000000	NaN	NaN	NaN	NaN
2	AGE	18.00	79.00	20715.0	1508.0	53.797152	1.114408e+06	13.206048	0.091755	1.743997e+02	6.356449e+07	3.612516e+06	24.547858	586.312118	0.0	-0.079830	-0.843893
3	LCDATE	-21914.00	13846.00	21942.0	281.0	11644.613937	2.555061e+08	2317.765457	15.647011	5.372037e+06	3.093138e+12	1.178679e+11	19.904185	744.206937	0.0	-7.631565	98.238337
4	ORGANICS	0.00	3.00	22223.0	0.0	0.294740	6.550000e+03	0.562831	0.003776	3.167786e-01	8.970000e+03	7.039455e+03	190.958650	78.066014	0.0	2.021011	4.245531
5	BILL	0.01	296313.85	22223.0	0.0	4420.590041	9.823877e+07	7559.047522	50.706745	5.713920e+07	1.704021e+12	1.269747e+12	170.996348	87.179527	0.0	8.037186	184.871517
6	ORGYN	0.00	1.00	22223.0	0.0	0.247716	5.505000e+03	0.431696	0.002896	1.863613e-01	5.505000e+03	4.141322e+03	174.270256	85.541739	0.0	1.168908	-0.633711
7	AFFL	0.00	34.00	21138.0	1085.0	8.711893	1.841520e+05	3.421125	0.023531	1.170409e+01	1.851702e+06	2.473894e+05	39.269588	370.233401	0.0	0.891684	2.096860
8	LTIME	0.00	39.00	21942.0	281.0	6.564670	1.440420e+05	4.657113	0.031440	2.168870e+01	1.421460e+06	4.758717e+05	70.942063	208.801826	0.0	2.282790	8.077622

一部のデータを取り出し

表示に利用するデータだけに絞り込みます。

varlist = ['Age', 'BILL', 'ORGYN']
result = organics.casTable.summary(input=varlist)

各データのサマリーを取り出します。

df = result['Summary']

そしてサマリーの中でも必要なデータだけを指定します。今回はMin、MeanそしてMaxの3つです。

df.index = df['Column']
stackedDf = df[['Min', 'Mean', 'Max']].stack()

出力すると次のようになります。

print(stackedDf)

各カラムにおけるMin、Mean、Max値だけが抽出されます。

Column      
AGE     Min         18.000000
        Mean        53.797152
        Max         79.000000
BILL    Min          0.010000
        Mean      4420.590041
        Max     296313.850000
ORGYN   Min          0.000000
        Mean         0.247716
        Max          1.000000
dtype: float64

ビジュアル化する

このデータをグラフ化するのに使えるのが bokeh.charts になります。

from bokeh.charts import Bar, output_file, show

棒グラフの準備をします。

p = Bar(df, 'Column', 
  values='Mean',
  color='#1f77b4',
  agg='mean',
  title='',
  xlabel='',
  ylabel='Frequency'
)

そしてファイルを用意して出力します。

output_file('visual1.html')
show(p)

これでグラフが確認できるはずです。

サマリーをグラフ化する際には上記の手順でできるはずです。大量のデータをすべて閲覧するのは大変ですが、トレンドを掴むのであればサマリーを使うのが良いでしょう。