Python プロ野球選手は年功序列?ロジスティック回帰で検証してみた!

import numpy as np

import pandas as pd

from pandas import Series, DataFrame

import matplotlib.pyplot as plt

import seaborn as sns

sns.set_style("whitegrid")

%matplotlib inline

#ロジスティック回帰を行うためのライブラリ
from sklearn.linear_model import LogisticRegression


#学習用とテスト用に分けるためのライブラリ
from sklearn.model_selection import train_test_split


#精度を求めるためのライブラリ
from sklearn.metrics import accuracy_score

#csvファイルを読み込み
baseball_df = pd.read_csv("a professional baseball player_data.csv")

#実行
baseball_df

#1億円以上の時1，それ以外を0とする
def over_1oku(x):
    if x>=100000000:
        return 1
    else:
        return 0


#"1億円以上"という項目を追加
baseball_df["over_1oku"] = baseball_df["annual salary(yen)"].apply(over_1oku)


#実行
baseball_df

#データを可視化
baseball_df.groupby("over_1oku").mean()

#ヒストグラムを描く(年数)
sns.countplot("Years (years)", data=baseball_df.sort_values("Years (years)"), hue="over_1oku")

#ヒストグラムを描く(年齢)
sns.countplot("Age (Year)", data=baseball_df.sort_values("Age (Year)"), hue="over_1oku")

#"player's name"と"annual salary(yen)"と"over_1oku"を取り除いたデータをX（説明変数）
X = baseball_df.drop([ "player's name", "annual salary(yen)", "over_1oku"], axis=1)

#"over_1oku"をY（目的変数）
Y = baseball_df["over_1oku"]

#ロジスティックモデルを準備
baseball_log = LogisticRegression()

#XとYのロジスティックモデルを作成
baseball_log.fit(X, Y)

#関係性をデータフレームにする
baseball_coeff_df = DataFrame([X.columns, baseball_log.coef_[0]]).T

#実行
baseball_coeff_df

#学習用とテスト用に分ける
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2, shuffle=True)

#ロジスティックモデルを準備
money_log = LogisticRegression()

#XとYのロジスティックモデルを作成
money_log.fit(X_train, Y_train)

#予測する
Y_pred = money_log.predict(X_test)

#精度を表示する
print("精度=", accuracy_score(Y_pred, Y_test))

#標準化するためのライブラリを用意
import scipy.stats

#データフレームを表示
baseball_df

#標準化
#年数
sta_years = scipy.stats.zscore(baseball_df["Years (years)"], ddof=1)

#年齢
sta_age = scipy.stats.zscore(baseball_df["Age (Year)"], ddof=1)

#身長
sta_height = scipy.stats.zscore(baseball_df["Height (cm)"], ddof=1)

#体重
sta_weight = scipy.stats.zscore(baseball_df["Weight (kg)"], ddof=1)

#データフレームの値を入れ替える
baseball_df.iloc[:,2] = sta_years

baseball_df.iloc[:,3] = sta_age

baseball_df.iloc[:,4] = sta_height

baseball_df.iloc[:,5] = sta_weight

#表示
baseball_df

#予測に使うデータ（説明変数）と予測するデータ（目的変数）に分ける
X2 = baseball_df.drop([ "player's name", "annual salary(yen)", "over_1oku"], axis=1)

Y2 = baseball_df["over_1oku"]

#学習用とテスト用に分ける
X2_train, X2_test, Y2_train, Y2_test = train_test_split(X2, Y2, test_size=0.2, shuffle=True)

#ロジスティックモデルを準備する
money_log2 = LogisticRegression()

#学習する
money_log2.fit(X2_train, Y2_train)

#精度を求める
pre = money_log2.predict(X2_test)

print("精度=", accuracy_score(pre, Y2_test))