ThinkStats (5)

python

朝の続きに着手。面白いです。

2.3 分布

データの分布をデータ構造として表現するために辞書を使ってらっしゃいます。ええと、登録の方法が例示されてまして以下。

hist = {}
for x in t:
    hist[x] = hist.get(x, 0) + 1

辞書の get メソドの第二引数は key が登録されてない場合のデフォな値を設定するんですね、成程。あと、正規化 (normalization) のソレも例示されてます。

n = float(len(t))
pmf = {}
for x, freq in hist.items():
    pmf[x] = freq / n

辞書#items() は key, value を戻すんですね。

2.4 ヒストグラムを表現する

とりあえず Pmf.py を取得。

$ wget http://thinkstats.com/Pmf.py

Pmf.hist#Items() が面白そうなのでちょっと確認。

>>> import Pmf
>>> hist = Pmf.MakeHistFromList([1, 2, 2, 3, 5])
>>> for val, freq in hist.Items():
...     print val, freq
... 
1 1
2 2
3 1
5 1

ふむふむ。ってことで演習問題に着手。ええと最頻値とは

統計学における最頻値またはモード（mode）とは、データ群や確率分布で最も頻繁に出現する値である

wikipedia 日本語版の最頻値 より引用
えーと、辞書を扱うメソドを確認した方が良いな。や、Pmf.py 見ないと駄目か。

とりあえず

Hist#Items() を使って地味にやってみます。戻すのは「最頻値」のリストで良いかな。ぶっちゃけてしまうと hist.Items() の key じゃない側で sort できれば良いのですが。ググッてみたらありました。

すばらです。ええと、hist.Items() は辞書じゃなくてリストのリストが戻ってくるのか。

>>> for x, y in sorted(hist.Items(), key=lambda x:x[1], reverse=True):
...     print(x, y)
... 
(2, 2)
(3, 2)
(1, 1)
(4, 1)
(5, 1)

ええと、以下でリストが戻りました。

import Pmf

def Mode(hist):
    list = []
    for key, val in sorted(hist.Items(), key=lambda x:x[1], reverse=True):
        if list == []:
            list.append(key)
            v = val
        else:
            if v == val:
                list.append(key)
    return list

Lisp/Scheme 式で list ってやれば戻る、って書き方するあたりがアレ。動作の確認が以下。

>>> import Pmf
>>> import mode
>>> hist = Pmf.MakeHistFromList([1, 2, 2, 3, 3, 4, 5])
>>> mode.Mode(hist)
[2, 3]

このあたりも試験ドリブンで何とかならんかな。ちょい調べてみます。何かあれば追記するかも。

あった

以下とのこと。

試しに試験を書いてみました。

import Pmf
import mode
import unittest

class TestMode(unittest.TestCase):
    def test_mono(self):
        hist = Pmf.MakeHistFromList([1, 1, 1, 2, 3, 4])
        result = mode.Mode(hist)
        self.assertEqual([1], result)

    def test_multi(self):
        hist = Pmf.MakeHistFromList([1, 1, 2, 2, 3, 4])
        result = mode.Mode(hist)
        self.assertEqual([1, 2], result)

if __name__ == '__main__':
    unittest.main()

実行したら以下な出力。

$ python mode_test.py 
..
----------------------------------------------------------------------
Ran 2 tests in 0.000s

OK

すばらです。

む

もう少しあった。つうかこれは以下で良いはずだが他の方法がある模様。

>>> sorted(hist.Items(), key=lambda x:x[1], reverse=True)
[(2, 2), (3, 2), (1, 1), (4, 1), (5, 1)]

ええと、以下な記述がありますね。

operator モジュールには itemgetter という関数があり、これを sorted へキーとして渡すことができます。

Think Stats より引用
ええと以下によれば

>>> from operator import itemgetter
>>> sorted(hist.Items(), key=itemgetter(1), reverse=True)
[(2, 2), (3, 2), (1, 1), (4, 1), (5, 1)]

むむ。これはこれは。

さらに追記

2.5 ヒストグラムを描画する、な節。うぶんつには以下なパケジがあるようです。

$ apt-cache search matplotlib
python-matplotlib - Python based plotting system in a style similar to Matlab

導入して試験してみます。ってことで以下。

>>> import matplotlib.pyplot as pyplot
>>> pyplot.pie([1, 2, 3])
>>> pyplot.show()

出力が以下。
matplotlib
これはこれは、というカンジです。

とりあえず

妊娠期間のヒストグラム云々以降は明日ということにて。今日はもう限界。というか食器洗いをしなきゃ、だったりして。