SPSS Modelerの棒グラフノードをPythonで書き換える

SPSS Modelerの棒グラフノードをPythonのmatplotlibやpandasのplotで書き換えてみます。

0．データ

サンプルで利用するデータは以下です。
M_CD: マシンコード
UP_TIIME: 起動時間
POWER: 電力
TEMP: 温度
PRESSURE：圧力フラグ
ERR_CD: エラーコード

各マシンコードごとに起動時間にそって電力や温度の変化、圧力スイッチ、そしてエラーがあればそれが時系列に記録されています。

1m．棒グラフ。Modeler版

まず、データ型ノードの尺度でPRESSUREをフラグ型、ERR_CDを名義型に設定します。Modelerはデータの尺度によって使える設定項目が変わり、間違った設定を防止しています。

一つ目のグラフとして、各ERR_CDの件数で棒グラフを作成します。
フィールドにERR_CDを選択して実行します。事前に集計をしなくていいので簡単です。

結果は以下です。

2つ目のグラフとして積み上げ棒グラフを作成します。
フィールドにERR_CDを選択することに加えて、実行します。オーバーレイの色でPRESSUREを設定します。

結果は以下です。ERR_CDの件数が棒グラフで出ることは同じなのですが、各ERR_CDでのPRESSUREのフラグの件数で色分けされます。

3つ目のグラフとして100%積み上げ棒グラフを作成します。

件数ではなく、各ERR_CDでのPRESSUREの件数の割合が表現されましたERR_CD=0や202でのPRESSURE１の割合が高いことがわかります。

1p．棒グラフ。matplotlib,pandas版

matplotlibやpandasのplot()メソッドをつかって棒グラフを作成します。

まず、PRESSUREとERR_CDについてはデータ型をカテゴリ型に設定します。

df['PRESSURE'] = df['PRESSURE'].astype('category')
df['ERR_CD'] = df['ERR_CD'].astype('category')
print(df.dtypes)

M_CD int64
UP_TIME int64
POWER int64
TEMP int64
PRESSURE category
ERR_CD category
dtype: object

これでカテゴリ値が認識され、以下のようにアクセス可能になります。

df['ERR_CD'].cat.categories

Int64Index([0, 101, 202, 303], dtype='int64')

一つ目のグラフとして、各ERR_CDの件数で棒グラフを作成します。
以下のようにまずERR_CDごとの件数をdf.groupby('ERR_CD').size()で集計します。

dfErrcdGrp=df.groupby('ERR_CD').size()
dfErrcdGrp

ERR_CD
0 4589
101 531
202 549
303 133
dtype: int64

plt.barのxにindex,yにvalueを設定し、棒グラフを表示します。

plt.bar(dfErrcdGrp.index.astype('str'), dfErrcdGrp)

なお、indexはastype('str')で文字列型に変換しないと、カテゴリ値ではなく連続値扱いになるため、読みにくいグラフになります。

• 参考:matplotlib で棒グラフを描く – Python でデータサイエンス

同じグラフをpandasのplotメソッドをつかって書いてみます。pandasのplotメソッドはmatplotlibのラッパー関数ですが、pandasのDataframeやSeriesからmatplotlibよりも簡単にグラフを書くことができます。

以下だけで棒グラフを書くことができます。Seriesデータのindexをx、valueをｙに自動的にセットしています。

dfErrcdGrp.plot.bar()

• 参考：pandasのplotメソッドでグラフを作成しデータを可視化

2つ目のグラフとして積み上げ棒グラフを作成します。これはmatplotlibで書くと大変なので、pandasのplotメソッドで書きます。
まず、crosstabでERR_CDとPRESSUREでクロス集計表を作ります。ModelerのようにPRESSURE=1から積み上げたいので、reindexで1,0の順序になるように入れ替えています。通常は0よりも1に注目したいことが多いので、Modelerと同様に1から積み上げたほうが見やすいグラフになります。

dfcross=pd.crosstab(df['ERR_CD'],df['PRESSURE'])
dfcross=dfcross.reindex(['1','0'],axis="columns")
dfcross

• 参考：Python - pandasクロス集計で行と列の位置を調整するにはどうすればよいですか？

後は積み上げを有効にするstacked=Trueをオプションで指定して表示します。

dfcross.plot.bar(stacked=True)

3つ目のグラフとして100%積み上げ棒グラフを作成します。

crosstabでnormalize='index'のオプションをつけてクロス集計表を作ります。

dfcross=pd.crosstab(df['ERR_CD'],df['PRESSURE'], normalize='index')
dfcross=dfcross.reindex(['1','0'],axis="columns")
dfcross

後はやはりstacked=Trueをオプションで指定して表示します。

dfcross.plot.bar(stacked=True)

- 参考：Pythonで簡単！2行で描ける100％積み上げ棒グラフ（帯グラフ） - おうちだいすき

2. サンプル

サンプルは以下に置きました。

ストリーム
https://github.com/hkwd/200611Modeler2Python/blob/mastergraph/graph.str?raw=true
notebook
https://github.com/hkwd/200611Modeler2Python/blob/master/graph/graph.ipynb
データ
https://raw.githubusercontent.com/hkwd/200611Modeler2Python/master/data/Cond5n_e.csv

■テスト環境
Modeler 18.3
Windows 10 64bit
Python 3.8.5
pandas 1.0.5

3. 参考情報

棒グラフの「作図」タブ - IBM Documentation