Python

Seabornのポイントプロット（Point Plot）は、散布図のグリフを使って点推定値と信頼区間を視覚的に表示するためのグラフです。ポイントプロットを描画するには seaborn.pointplot() を使用します。また、エラーバーにキャップ（横棒）を付ける場合は、capsize パラメータを指定します。キャップを設定することで、エラーバーの範囲がより明確になり、グラフの可読性が向上します。データセットの準備ここでは、CSVファイル形式のデータセット「Cricketers.csv」を使用することとします。このデータセットには、クリケット選手の役割（Role）や年齢（Age）などの情報が含

Seabornのカウントプロット（Count Plot）は、カテゴリごとの観測値の出現回数を棒グラフで視覚的に表示するための機能です。このプロットを作成するには、seaborn.countplot()メソッドを使用します。さらに、facecolor（塗りつぶし色）、linewidth（線の太さ）、edgecolor（枠線の色）という3つのパラメータを使えば、バーの見た目をお好みに合わせてスタイリングできます。塗りつぶしを透明にして枠線だけを際立たせるなど、洗練されたデザインのグラフも簡単に実現可能です。使用するデータセット今回は、CSVファイル形式のデータセット「Cricketers.csv」

はじめにデータ分析の現場では、CSVファイルを読み込んで特定の条件で並べ替えたい場面がよくあります。本記事では、Pythonのpandasライブラリを使って、CSVファイルを複数の列（カラム）でソートする方法をわかりやすく解説します。sort_values()メソッドとはCSVを複数の列でソートするには、pandasのsort_values()メソッドを使用します。複数列でのソートとは、1つ目の指定列に同じ値が重複している場合、その行同士の並び順は2番目に指定した列の値によって決まるという仕組みです。手順1：CSVファイルを読み込むまず、入力用のCSVファイル「SalesRecords.csv

Seabornのバイオリンプロット（Violin Plot）は、箱ひげ図（ボックスプロット）とカーネル密度推定（KDE）を組み合わせたグラフで、データの分布形状を視覚的に把握するのに非常に便利です。この記事では、seaborn.violinplot()を使って、単一の列から1つの水平バイオリンプロットを描く方法を解説します。使用するデータセットここでは、CSVファイル「Cricketers.csv」をデータセットとして使用します。クリケット選手の身長や体重などの情報が含まれています。必要なライブラリのインポートまず、必要なライブラリをインポートします。import seaborn as sb

さまざまな整数値を含む配列と、指定された長さ k が与えられたとします。このとき、配列の中から指定された長さをもつ「最大の部分配列（サブ配列）」を見つける必要があります。 ここで「ある部分配列が別の部分配列より大きい」とは、両者を左から順に要素ごとに比較していき、初めて異なる要素が現れた位置 i において subarray1[i] ≠ subarray2[i] かつ subarray1[i] > subarray2[i] が成り立つことを意味します。いわゆる辞書式順序による比較の考え方です。 たとえば、入力が nums = [5, 3, 7, 9]、k = 2 の場合、出力は [7, 9

複数のCSVファイルを1つのデータフレームにまとめて結合（マージ）したい場合、Pythonのglobモジュールが便利です。os.path.join()メソッドで対象ファイルのパスを指定し、concat()関数を使うことで、すべてのCSVファイルを簡単に連結できます。必要なライブラリのインポートまず、必要なライブラリをインポートします。ここではpandasライブラリを「pd」という別名で読み込んでいます。import pandas as pd import glob import osサンプルとなるCSVファイル今回は、以下の3つのCSVファイルを結合してみましょう。Sales1.csvSale

pandasのDataFrameをCSVファイルに出力する基本 PythonでpandasのDataFrameをCSVファイルに書き込むには、to_csv()メソッドを使用します。このメソッドは、DataFrameの内容をそのままCSV形式で保存できる、最もシンプルで一般的な方法です。 まずはサンプルデータとして、リストを値にもつ辞書を作成しましょう。 # リストの辞書を定義 d = {Car: [BMW, Lexus, Audi, Mercedes, Jaguar, Bentley], Date_of_purchase: [2020-10-10, 2020-10-12, 2020-

問題概要 整数の配列 nums が与えられたとき、「すべての要素の積が正になる部分配列（サブ配列）」のうち、最も長いものの長さを求めることを考えます。 例えば、入力が nums = [2, -2, -4, 5, -3] の場合、答えは 4 になります。先頭の4つの要素からなる部分配列 [2, -2, -4, 5] の積は 2 × (-2) × (-4) × 5 = 80 となり、正の値になるためです。ここに5番目の要素 -3 を加えると負の数が3つになり積が負になってしまうため、長さ4が最大となります。 解法のポイント この問題を効率よく解く鍵は、次の2つの性質にあります。 負の数の個数が

以下のようなCSVファイルが存在すると仮定します。 SalesRecords.csv この既存のCSVファイルから、3つのCSVファイルを生成する必要があります。生成されるファイルは「Car」列の車名ごとに分割され、BMW.csv、Lexus.csv、Jaguar.csv という名前で保存されます。 ステップ1: 入力CSVファイルを読み込む まず、read_csv() メソッドを使って、入力元となるCSVファイル(SalesRecords.csv)を読み込みます。 dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\Sales

Seabornのバイオリンプロット（Violin Plot）は、箱ひげ図（ボックスプロット）とカーネル密度推定（KDE）を1つのグラフに組み合わせて可視化するための機能です。描画には seaborn.violinplot() 関数を使用します。また、inner パラメータに stick を指定すると、個々の観測値を細い棒（スティック）としてバイオリン内部に表示でき、データの分布と実測値を同時に確認できます。 使用するデータセット ここでは、CSVファイル形式の以下のデータセットを使用します − Cricketers.csv 必要なライブラリのインポート まず、Seaborn・Pandas・

Seabornのスウォームプロットとは Seabornのスウォームプロット(Swarm Plot)は、データポイント同士が重ならないように自動調整されたカテゴリ別散布図を描画するための手法です。各点の位置がずらされるため、同じ値を持つデータの個数や分布の密度まで直感的に把握できるのが特徴です。この描画には seaborn.swarmplot() 関数を使用します。 本記事では、CSVファイル「Cricketers2.csv」に保存されたクリケット選手のデータセットを例に、単一の水平スウォームプロットを描画する手順を解説します。 必要なライブラリのインポート まず、Seaborn・Pandas

Seabornのスウォームプロット（Swarm Plot）は、点同士が重ならないように配置されたカテゴリ別散布図を描画するための機能です。描画には seaborn.swarmplot() を使用します。カテゴリ変数でスウォームをグループ化したい場合は、その変数をx軸またはy軸のいずれかに指定するだけで実現できます。ここでは、次のようなCSVファイル「Cricketers2.csv」をデータセットとして使用します。必要なライブラリのインポートまず、必要なライブラリをインポートします。import seaborn as sb import pandas as pd import matplotli

Seabornの棒グラフ（Bar Plot）は、点推定値や信頼区間を長方形のバーとして視覚的に表現するために使用されます。棒グラフの描画には seaborn.barplot() 関数を使います。また、capsize パラメータを指定することで、エラーバーの先端にキャップ（横線）を追加できます。 ここでは、CSVファイル「Cricketers2.csv」に保存されたデータセットを例に説明します。 必要なライブラリのインポート まず、必要なライブラリをインポートします。 import seaborn as sb import pandas as pd import matplotlib.pyplo

Seabornのバイオリンプロット（Violin Plot）は、箱ひげ図（ボックスプロット）とカーネル密度推定（KDE）を組み合わせたグラフを描画できる強力な可視化手法です。データの分布形状と統計的な要約情報を同時に確認できるため、探索的データ分析でよく利用されます。本記事では、seaborn.violinplot() 関数を使用して、カテゴリ変数でグループ化したデータの縦向きバイオリンプロットを描画する方法を解説します。使用するデータセット今回は、クリケット選手の情報をまとめたCSVファイル「Cricketers.csv」をデータセットとして使用します。必要なライブラリのインポートまず、Se

この記事では、CSVファイル形式のデータセットに対して、Pandasのplot.density()メソッドを使って密度プロットを作成する方法を解説します。密度プロットは、データの分布を滑らかな曲線で可視化する手法で、カーネル密度推定（KDE）に基づいています。ヒストグラムと比べて、連続的な分布の形状や山の位置を直感的に把握しやすいのが特徴です。サンプルとして、クリケット選手のデータセット「Cricketers2.csv」を使用し、「Age（年齢）」属性の分布を可視化してみましょう。必要なライブラリのインポートまず、データ操作用のPandasと、グラフ描画用のMatplotlibをインポートしま

問題の概要バイナリ文字列 s が与えられたとき、これを3つの空でない文字列 s1、s2、s3 に分割することを考えます。このとき、s1 + s2 + s3 = s（連結）が成り立ち、かつ各部分文字列に含まれる 1 の個数がすべて等しくなるような分割方法の数を求めます。答えは非常に大きな値になる可能性があるため、10^9 + 7 で割った余りを返します。例えば、入力が s = 11101011 の場合、出力は 2 になります。「11 | 1010 | 11」と「11 | 101 | 011」の2通りの分割方法が存在するためです。解法のアプローチこの問題は、以下の手順で解くことができます。coun

配列 arr が与えられます。この配列から連続した部分配列(サブアレイ)をひとつ取り除いたとき、残りの要素が非減少順(昇順)に並ぶようにしたいとします。このとき、削除すべき最短の部分配列の長さを求めましょう。たとえば、入力が arr = [10,20,30,100,40,20,30,50] の場合、答えは 3 になります。[100, 40, 20] という長さ3の部分配列を削除すると、残りは [10,20,30,30,50] となり、すべての要素が非減少順に整列するからです。解法の考え方この問題は、次の手順で解くことができます。n := 配列 arr のサイズarr := 先頭に 0 を挿入し

問題の概要 2つの整数配列 nums1 と nums2 が与えられたとき、次の2つのルールを満たすトリプレット (i, j, k) の総数を求めることを考えます。 型1： nums1[i]^2 = nums2[j] × nums2[k] を満たすトリプレット。ただし 0 ≤ i < len(nums1)、かつ 0 ≤ j < k < len(nums2) 型2： nums2[i]^2 = nums1[j] × nums1[k] を満たすトリプレット。ただし 0 ≤ i < len(nums2)、かつ 0 ≤ j < k < len(nums1) 例として

問題の概要文字列 s と整数型の配列 cost が与えられます。ここで cost[i] は、s の i 番目の文字を削除する際にかかるコストを表します。このとき、「同じ文字が隣り合わない状態」にするために必要な最小の削除コストを求めるのが目的です。重要なポイントとして、選んだ文字はすべて同時に削除されます。そのため、ある文字を削除しても、他の文字の削除コストは変化しないという前提で計算を行います。入力例と出力例たとえば、入力が s = pptpp、cost = [2,3,4,5,2] の場合を考えてみましょう。最初と最後の「p」をそれぞれコスト 2 ずつ(合計 4)で削除すると、文字列は pt

問題の概要 n人(偶数)の友達がおり、それぞれの好みのリストが与えられます。各人 i に対して、preferences[i] は友達のリストを優先順位順に並べたもので、リストの先頭に近い友達ほど強く好まれます。友達には 0 から n-1 までの整数が振られています。 すべての友達は互いに重複しないペアに分けられています。pairs[i] = [xi, yi] は「xi と yi がペアである」ことを意味します。 ここで、友達 x が次の条件をすべて満たすとき、x を「不幸な友達」と呼びます。 x は y とペアであり、u は v とペアである x は u を y より好んでいる u は x