logo

📂Julia

Juliaでデータフレームの要約を確認する方法

ガイド1

Juliaでデータフレームを扱うとき、簡単に基礎統計量を確認するにはdescribe関数を使えばよい。これはRのsummary関数と似た機能を持つ。例として、次のようなデータフレームが与えられているとしよう。

julia> data = DataFrame(x = rand(10), y = 1 .+ randn(10), z = 10randn(10))
10×3 DataFrame
 Row │ x         y         z         
     │ Float64   Float64   Float64   
─────┼───────────────────────────────
   1 │ 0.581684  0.613567   -6.96196
   2 │ 0.167714  1.86029     2.25717
   3 │ 0.6753    0.397726   -6.88198
   4 │ 0.605366  1.27918    16.082
   5 │ 0.398977  0.655179   -3.7648
   6 │ 0.283162  1.40468    15.9616
   7 │ 0.366776  0.680256   11.8967
   8 │ 0.387233  2.15353    -3.79308
   9 │ 0.556446  1.58978   -11.0116
  10 │ 0.344502  0.894148   18.8104

ここで$X \sim U (0, 1)$、$Y \sim N(1, 1)$、$Z \sim N(0, 10)$である。

基礎統計量

julia> describe(data)
3×7 DataFrame
 Row │ variable  mean      min         median     max       nmissing  eltype   
     │ Symbol    Float64   Float64     Float64    Float64   Int64     DataType 
─────┼─────────────────────────────────────────────────────────────────────────
   1 │ x         0.436716    0.167714   0.393105   0.6753          0  Float64
   2 │ y         1.15283     0.397726   1.08667    2.15353         0  Float64
   3 │ z         3.25945   -11.0116    -0.753812  18.8104          0  Float64

何のオプションもなしにdescribe関数を使うと、上のように各カラムごとに平均、最小値、中央値、最大値、欠損値の個数、データ型を確認できる。

特定の統計量

julia> describe(data, :mean, :std)
3×3 DataFrame
 Row │ variable  mean      std       
     │ Symbol    Float64   Float64   
─────┼───────────────────────────────
   1 │ x         0.436716   0.161219
   2 │ y         1.15283    0.593586
   3 │ z         3.25945   11.3199

欲しい統計量だけを個別に見ることもできる。デフォルトで提供される候補としては:mean、:std、:min、:q25、:median、:q75、:max、:sum、:eltype、:nunique、:nuniqueall、:first、:last、:nnonmissing、:nmissingがあり、:allを使えば列挙されたすべての統計量を確認できる。

ユーザー定義の統計量

julia> describe(data, rand => :rand)
3×2 DataFrame
 Row │ variable  rand      
     │ Symbol    Float64   
─────┼─────────────────────
   1 │ x          0.556446
   2 │ y          0.680256
   3 │ z         -3.79308

必ずしも統計量である必要はなく、ベクトルを受け取ってスカラーを返す関数なら何でも使えるようだ。function => :nameの形でペアpairを与えると、すべてのカラムごとに関数functionを適用した後、カラム名が:nameである結果として残る。上の例では各カラムごとに一つずつランダムに抽出した。

コード全文

using DataFrames

data = DataFrame(x = rand(10), y = 1 .+ randn(10), z = 10randn(10))

describe(data)
describe(data, :mean, :std)
describe(data, rand => :rand)