ゆうき（ @BASEBALLY15 )です^^
前回は，『ベイズの定理』を使ってプロ野球の球団の年俸を分析しましたね．
そうですね^^
今回は， 前回のコードを記述する際に，悩んだ部分をご紹介したいと思います．
目次
Today’s Code
使うデータ
今回は，データ分析をする際に，意外と使えるコードをご紹介します．
以下のデータフレームのように，チーム名ごとに番号を付けることが出来ます!
（1つのデータフレームから抜粋しました．）
| team | player’s name | annual salary(yen) | |
|---|---|---|---|
| 0 | Yomiuri Giants | 菅野 智之 | 650000000 |
| 1 | Yomiuri Giants | 坂本 勇人 | 500000000 |
| 90 | DeNA | 筒香 嘉智 | 400000000 |
|---|---|---|---|
| 91 | DeNA | 山﨑 康晃 | 250000000 |
| 163 | Hanshin Tigers | 鳥谷 敬 | 400000000 |
|---|---|---|---|
| 164 | Hanshin Tigers | 糸井 嘉男 | 400000000 |
| 236 | Carp | ジョンソン | 327000000 |
|---|---|---|---|
| 237 | Carp | 菊池 涼介 | 240000000 |
| 312 | Chunichi Dragons | ビシエド | 300000000 |
|---|---|---|---|
| 313 | Chunichi Dragons | 大島 洋平 | 180000000 |
| 385 | Yakult Swallows | バレンティン | 440000000 |
|---|---|---|---|
| 386 | Yakult Swallows | 山田 哲人 | 430000000 |
↓
| team | player’s name | annual salary(yen) | team_num | |
|---|---|---|---|---|
| 254 | Carp | 安部 友裕 | 41000000 | 1 |
| 306 | Carp | 藤井 黎來 | 3000000 | 1 |
| 366 | Chunichi Dragons | 石橋 康太 | 6000000 | 2 |
|---|---|---|---|---|
| 365 | Chunichi Dragons | 友永 翔太 | 6500000 | 2 |
| 157 | DeNA | 益子 京右 | 4700000 | 3 |
|---|---|---|---|---|
| 162 | DeNA | コルデロ | 2400000 | 3 |
| 235 | Hanshin Tigers | 石井 将希 | 3000000 | 4 |
|---|---|---|---|---|
| 234 | Hanshin Tigers | 片山 雄哉 | 3000000 | 4 |
| 435 | Yakult Swallows | 平井 諒 | 8100000 | 5 |
|---|---|---|---|---|
| 431 | Yakult Swallows | 宮本 丈 | 9000000 | 5 |
| 24 | Yomiuri Giants | デラロサ | 30000000 | 6 |
|---|---|---|---|---|
| 25 | Yomiuri Giants | 藤岡 貴裕 | 29000000 | 6 |
前回と同様に，こちらのサイトのデータを使いたいと思います．
csvファイルにまとめたものを貼っておきます．
それでは，Today’s Codeをご紹介します^^
コード＋解説
salary_data["team_num"] = sorted(salary_data["team"].astype("category").cat.codes + 1)このコードを解説していきます．
- salary_data[“team”] → 上のデータフレームの”team”というカラムを指定する．
- salary_data[“team”] .astype(“category”) → astype ()によって “team”の列をカテゴリー型に変換する．
- salary_data[“team”].astype(“category”).cat.codes + 1 → カテゴリー型に変換した”team”のコード取得する．それに＋1することで，番号を1から順番に付けることが出来る．
たったの1文で，番号を付けることが出来るので，すごく簡単ですね^^
このままだと，データフレームの番号がバラバラに表示されるので，以下のコードを記述し，昇順に並び替えておきます．
sorting = salary_data.sort_values("team_num")これで，1から順番に表示することが出来ます．
ちなみに，上で示したようにチームごとに番号を付けることで，
箱ひげ図などのグラフを描くことが出来ます．
#箱ひげ図を描く
sns.boxplot(salary_data["team_num"], salary_data["annual salary(yen)"])
この結果から，6の” Yomiuri Giants “が1億円以上の選手が多いことが分かります．
このように，箱ひげ図を描くと，各球団の年俸がどれくらいなのかが分かりやすいですね^^
以下に，このコードまでの流れをご紹介しておきます．
全体の流れ
ライブラリ
import numpy as np
import pandas as pd
from pandas import Series, DataFrame
import seaborn as sns
sns.set_style("whitegrid")
import matplotlib.pyplot as plt
%matplotlib inlineコード
#csvファイルの読み込み
filename = "anual_salary.csv"
salary_data = pd.read_csv(filename)
#実行
salary_data
#チーム名に番号をふる
salary_data["team_num"] = salary_data["team"].astype("category").cat.codes + 1
sorting = salary_data.sort_values("team_num")
#実行
sorting
#箱ひげ図を描く
sns.boxplot(salary_data["team_num"], salary_data["annual salary(yen)"])
終わりに
今回は，データフレーム内の項目ごとに番号を付けました．
データを整理する際に便利なので，是非，使ってみてください^^
それでは・・・