時系列パート（基礎編：データ可視化の基礎）

時系列パート（基礎編：データ可視化の基礎）#

ここでは，カフェの顧客データ（cafe_customers.csv）を使用してデータ可視化のスキルを学習します.

必要なライブラリのインポート#

matplotlib.pyplot (plt)

  • 役割: 基本的なグラフ作成・細かいカスタマイズ

  • 特徴: 低レベルAPI，完全制御可能，論文品質の図表作成に適用

  • 用途: 軸の詳細設定，複数グラフの配置，出版用図表

seaborn (sns)

  • 役割: 統計的可視化・美しいデフォルトスタイル

  • 特徴: 高レベルAPI，統計情報の自動計算・表示

  • 用途: 探索的データ分析，プレゼンテーション用グラフ

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 警告メッセージを非表示にするライブラリ・設定
import warnings
warnings.filterwarnings('ignore')

データの読み込みと前処理#

# データの読み込みと前処理
df = pd.read_csv('../data/raw/cafe_customers.csv')

# 時系列処理
df['Timestamp']   = pd.to_datetime(df['Timestamp'])
df['Date']        = df['Timestamp'].dt.date
df['Hour']        = df['Timestamp'].dt.hour
df['DayOfWeek']   = df['Timestamp'].dt.dayofweek
df['WeekdayName'] = df['Timestamp'].dt.day_name()
df['IsWeekend']   = df['DayOfWeek'].isin([5, 6])
df['DayType']     = df['IsWeekend'].map({True: 'Weekend', False: 'Weekday'})

# TimeStampをインデックスに設定
df_indexed = df.set_index('Timestamp')

時系列データの可視化#

グラフスタイルとサイズの最適化#

# グラフのサイズとスタイル設定
plt.style.use('seaborn-v0_8')
plt.rcParams['figure.figsize'] = (12, 8)

1時間ごとの客数推移を可視化#

# 1時間ごとの客数推移を作成
hourly_customers = df_indexed.resample('H')['Customers'].sum()
print(hourly_customers.head())

# 可視化（折れ線グラフ）
plt.figure(figsize=(15, 6))
plt.plot(hourly_customers.index, hourly_customers.values, linewidth=1, alpha=0.8)
plt.title('Customer Count Over Time (Hourly)', fontsize=16, fontweight='bold')
plt.xlabel('Date', fontsize=12)
plt.ylabel('Number of Customers', fontsize=12)
plt.xticks(rotation=45)
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

1週間ごとの客数推移を可視化#

# 1週間ごとの客数推移を作成
weekly_customers = df_indexed.resample('W')['Customers'].sum()
print(weekly_customers.head())

# 可視化（折れ線グラフ）
plt.figure(figsize=(15, 6))
plt.plot(weekly_customers.index, weekly_customers.values, marker='o', linewidth=2, markersize=6, color='green')
plt.title('Weekly Customer Count', fontsize=14, fontweight='bold')
plt.xlabel('Date')
plt.ylabel('Weekly Total Customers')
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

時間帯別分析の可視化#

棒グラフ（Bar Chart）と 散布図（Scatter Plot）の使い分け#

棒グラフの特徴:

  • カテゴリ別比較: 時間帯（離散値）ごとの平均値比較に最適

  • 視覚的インパクト: 差異を明確に表現

  • 統計的意味: 各時間帯の代表値（平均）を強調

散布図の特徴:

  • 生データの分布: 実際のデータ点の散らばりを表示

  • 異常値検出: 平均から大きく外れる値を発見

  • 分散の把握: データのばらつき具合を視覚的に理解

# 時間帯別の平均客数を作成
hourly_stats = df.groupby('Hour')['Customers'].mean()
print(hourly_stats.head())

# 可視化（棒グラフ）
plt.figure(figsize=(15, 6))
plt.bar(hourly_stats.index, hourly_stats.values, color='skyblue', alpha=0.8, edgecolor='navy', linewidth=1)
plt.title('Average Customer Count by Hour of Day', fontsize=16, fontweight='bold')
plt.xlabel('Hour of Day')
plt.ylabel('Average Number of Customers')
plt.grid(True, alpha=0.3, axis='y')
plt.tight_layout()
plt.show()

# 可視化（散布図）
plt.figure(figsize=(15, 6))
plt.scatter(df['Hour'], df['Customers'], alpha=0.5, s=10)
plt.title('Customer Count vs Hour of Day')
plt.xlabel('Hour of Day')
plt.ylabel('Number of Customers')
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

曜日別分析の可視化#

多次元時系列データの可視化戦略#

この分析では曜日×時間帯の2次元データを以下の手法で可視化します：

1. 多系列折れ線グラフ

  • 目的: 曜日ごとの時間変化パターンを同時比較

  • 利点: 各曜日の特徴的な変動を一目で把握

2. ヒートマップ

  • 目的: 全体パターンの俯瞰的把握

  • 利点: 「平日の午後」「週末の夜」など具体的なシーンでの値を直観的に理解

# 曜日×時間帯の客数平均を作成
hourly_by_day = df.groupby(['WeekdayName', 'Hour'])['Customers'].mean().unstack(level=0)
hourly_by_day.head()

# 可視化（折れ線グラフ）
plt.figure(figsize=(15, 6))
for day in hourly_by_day.columns:
    plt.plot(hourly_by_day.index, hourly_by_day[day], marker='o', linewidth=2, label=day, alpha=0.8)
plt.title('Customer Count by Hour for Each Day of Week', fontsize=16, fontweight='bold')
plt.xlabel('Hour of Day')
plt.ylabel('Average Number of Customers')
plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left')
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

# 可視化（ヒートマップ）
plt.figure(figsize=(15, 6))
sns.heatmap(hourly_by_day.T, annot=True, fmt='.1f', cmap='YlOrRd', cbar_kws={'label': 'Average Customers'})
plt.title('Customer Count Heatmap: Day of Week vs Hour', fontsize=16, fontweight='bold')
plt.xlabel('Hour of Day')
plt.ylabel('Day of Week')
plt.tight_layout()
plt.show()

箱ひげ図による営業時間のみの顧客数の可視化#

箱ひげ図（Box Plot）の統計学的意義#

箱ひげ図は5数要約（最小値，第1四分位数，中央値，第3四分位数，最大値）を視覚化し，分布の特徴を包括的に把握できます：

箱ひげ図から読み取れる情報:

  • 中央値: データの中心傾向（平均値より外れ値に頑健）

  • 四分位範囲（箱の高さ）: データの50%が含まれる範囲

  • ひげの長さ: データの広がり具合

  • 外れ値: 異常に高い/低い値の存在

# 営業時間（7時～21時）の客数分布を作成
business_hours_df = df[(df['Hour'] >= 7) & (df['Hour'] <= 21)]
hourly_groups     = [business_hours_df[business_hours_df['Hour'] == h]['Customers'].values for h in range(7, 22)]

# 可視化（箱ひげ図）
plt.figure(figsize=(15, 6))
plt.boxplot(hourly_groups, labels=range(7, 22))
plt.title('Customer Count Distribution by Hour')
plt.xlabel('Hour of Day')
plt.ylabel('Number of Customers')
plt.xticks(rotation=45)
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

演習問題#

演習1: 営業時間（7-21時）の時間帯別平均客数を可視化してください#

💡ヒント:

  1. 営業時間（7:00-21:00）でフィルタリング

  2. 時間帯別の平均客数を計算

# 回答欄

演習2: 曜日別の平均客数を可視化してください#

# 回答欄
Contents