📂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)
