�f�[�^���͂̏������牞�p�܂ŏ������X�e�b�v�A�b�v���Ȃ���w��ł����A�ڂ̑�12��B�O���t�𗘗p���č��ړ��m�̊W��A���̒��ł̒l�̑傫�����������܂��B�U�z�}��o�u���`���[�g�̏ڍׂȎ�舵���Ǝ��o�I�ȕ��͂ɂ��āA�P�[�X�X�^�f�B��ʂ��Ċw�т܂��傤�B
�w�Љ�l1�N������w�ԁA�₳�����f�[�^���́x
�@���̘A�ڂł́A�f�[�^�����܂��܂Ȋp�x���番�͂��A���̔w��ɂ���L�v�ȏ������o�����@���w�т܂��B
�@�f�[�^�̎��W���@�A�f�[�^�̎�舵���A���͂̎�@�Ȃǂɂ��Ă̍l��������̗�Ő�������ƂƂ��ɁA�g�߂Ɏg����\�v�Z�\�t�g�iExcel��Google�X�v���b�h�V�[�g�j�𗘗p�����쐬����Љ�܂��B
�@�K�v�ɉ����āAPython�̃v���O�����ⓝ�v�\�t�gR�Ȃǂł̍쐬��ɂ��G��邱�Ƃɂ��܂��B
�@���w�Ȃǂ̑O��m���͓��ɖ₢�܂���B���̗͂��Ă��ЂƂ��C�y�ɓǂݐi�߂Ă��������B
�M�ҏЉ�F IT�n���C�^�[�̖T��A���u�t�Ƃ��ē���ŏ��E�v���O���~���O�֘A�̎��Ƃ��A�ꋴ���AI�֘A�̎��Ƃ�S���B�����A�G����o�āA�s�A�m�ƃo�C�I������Ɗw�Ŏn�߂���w�K�Ȑ��͏�ɕ��R�B��̌����́A�ŋߖ���������99��ň�U���f�B����Ƀ��^�[�����C�_�[��ڎw���A��^��֖Ƌ����擾�B1�N�����ăR�c�R�c�ƒ������A�悤�₭�o�C�N���w���i�܂���������j�B
�@�O���̓s�{�b�g�e�[�u���ɂ��N���X�W�v�\�̍쐬�ƃq�[�g�}�b�v�𗘗p���ĕ��z���������܂����B����́A�U�z�}�ƃo�u���`���[�g�ɂ���ĕ��z���������܂��B
�@����������ڊԂ̊W�╪�z����������̂ɕ֗��ł����A�q�[�g�}�b�v�͕ϐ������`�ړx�⏇���ړx�ł���ꍇ�A�܂��́A�K���ɕ������Ă���Ԋu�ړx�̏ꍇ�ɕ֗��ł��B�O�����C���̉��i�͊Ԋu�ړx�ł����A������K���ɕ����ė��p���܂����B�]���͂������������ړx�ł����A�X�I�ɊԊu�ړx�Ƃ��Ď�舵���A����ꂽ���ϒl�ɂ���ĊK�����Ă��܂����B���Ȃ݂Ɏړx�ɂ��Ă���2���Ő������Ă��܂��B
�@�����舵���U�z�}�́A��Ƃ��ĕϐ����Ԋu�ړx�̏ꍇ�Ɏg���܂��B�����ŁA�O��̃f�[�^�����̂܂܁i�K���ɕ������Ɂj�U�z�}���쐬���Ă݂܂��B����́A������z���܂߂��\����ɁA���i�ƕ]���A�����Ĕ�����z�̊W���U�z�}��o�u���`���[�g�ŕ��͂��Ă������Ƃɂ��܂��i�}1�j�B�O�l�A�f�[�^�͉ˋ�̂��̂ł��B
�}1�@�U�z�}�ɂ�镪�z�̉����{�K�͂̉������o�u���`���[�g�I�@����̃e�[�}�́A�U�z�}�𗘗p����2�̕ϐ��̊W�̉������邱�Ƃł��B����Ƀo�u���`���[�g�𗘗p����2�̕ϐ��̊W�����łȂ�����1�̕ϐ��̋K�́i�傫���j���������܂��B�㔼�̃R�����ł́A�U�z�}��F�������ăO���[�v������������@�ƁA�������̍��ڂɂ��ĎU�z�}���܂Ƃ߂č����@�ɂ��Ă��Љ�܂��B
�@���̋L���́A�f�[�^���͂̏������牞�p�܂ŏ������X�e�b�v�A�b�v���Ȃ���w��ł����A�ڂ̑�12��ł��B���ɁA��7�獡��̎U�z�}�^�o�u���`���[�g�܂ł́u�����V���[�Y�v�Ƃ��āA�O���t�̎g�����ƕ��͂̊ϓ_�ɂ��ĉ�����Ă��܂��B��7��̖_�O���t�A��8��̐܂���O���t�A��9��̉~�O���t�^�p���[�g�}�A��10��̃q�X�g�O�����^���Ђ��}�A��11��̃N���X�W�v�\�^�q�[�g�}�b�v�������Ă��Q�Ƃ��������B�����̃O���t�̖ړI�ƌ��p�Ȃǂɂ��āA���ʗ\�����ŊȒP�ɐ������Ă��܂��B���O�Ɋm�F���Ă����Ƃ�藝�����[�܂�ł��傤�B
�@����͈ȉ��̂悤�ȃ|�C���g�ɂ��āA���͂̕��@��ڂ̕t���ǂ�������Ă����܂��B
�@�ł́A��{�̊�{�ł���U�z�}�̍쐬���猩�Ă����܂��B�T���v���t�@�C���̗��p�ɂ��Ă̐����̌�A�{�҂ɐi�݂܂��傤�B
�@�{�e�ł́A�\�v�Z�\�t�g���g���Ď�����Ȃ���w��ł����܂��B�\�v�Z�\�t�gMicrosoft Excel�p��.xlsx�t�@�C�����_�E�����[�h�ł���悤�ɂ��Ă��܂��B�f�X�N�g�b�v�ł�Excel���茳�ɂȂ��ꍇ�́AMicrosoft�A�J�E���g������Ύg����������Microsoft 365�I�����C���A��������Google�A�J�E���g������Ύg����������Google�X�v���b�h�V�[�g�iGoogle Sheets�j�����g�����������BMicrosoft 365�I�����C���̏ꍇ�́A.xlsx�t�@�C����OneDrive�ɃA�b�v���[�h���Ă���J���Ă��������BGoogle�X�v���b�h�V�[�g�̏ꍇ�́A.xlsx�t�@�C����Google�h���C�u�ɃA�b�v���[�h���Ă���J������Łm�t�@�C���n���j���[�́mGoogle �X�v���b�h�V�[�g�Ƃ��ĕۑ��n�����s���Ă��������iGoogle�X�v���b�h�V�[�g�Ǝ��̋@�\���g���Ă���ꍇ�́A�t�@�C�������L���ĎQ�Ƃł���悤�ɂ��܂��B���̏ꍇ�́A�Y������ӏ��Ŏg�������L���܂��j�B
�@�ł́A���������U�z�}���쐬���Ă݂܂��傤�B�T���v���t�@�C��������������_�E�����[�h���A�m���C���̔���グ�i1�j�n���[�N�V�[�g���J���Ď��g��ł݂Ă��������BGoogle�X�v���b�h�V�[�g�̏ꍇ��������̃T���v���t�@�C�������p�ł��܂��B���j���[����m�t�@�C���n�|�m�R�s�[���쐬�n��I�����AGoogle�h���C�u�ɃR�s�[���Ă��g�����������B
�@�菇�͐}�̌�ɉӏ������Ŏ����Ă����܂��B�������A�^�C�g����O���t�̕\���ʒu�A�T�C�Y�ȂǁA�f�[�^���͂��̂��̂ɂ��܂�W�̂Ȃ��ݒ�ɂ��Ă͏ȗ����Ă���܂��B�Ȃ��A����ł��菇��������Ă���̂ŁA��������ǂ������������͂��Ђ��������������B
�}2�@���C���̉��i�ƕ]���̎U�z�}�i�����C���[�W�j�@�ȉ��̎菇�Ői�߂Ă����܂��傤�B
�@�Z��C3�`D1003��I������ɂ̓h���b�O��������m���O�n�{�b�N�X�ɁuC3:D1003�v�Ɠ��͂�������ȒP�ł��B����Ő}3�̂悤�ȎU�z�}���쐬����܂��B
�}3�@���C���̉��i�ƕ]���̎U�z�}�i�O��l�̔����j�@�}3����A65���~�i���ۂ̒l��64��5000�~�j�̃��C�����O��l�Ƃ��đ��݂��邱�Ƃ�������܂��B�����ŁA�����ȃ��C���͏��O���A�l�����W���Ă��镔�����ڍׂɌ��邽�߂ɁA�����̍ő�l��ύX���Ă݂܂��傤�B�����ł́A�ő�l��20000�Ƃ��܂��B
�@����ŁA�}2�i�����C���[�W�j�̂悤�ȎU�z�}���쐬����܂��B�O���ʂ�A2,000�~����3,000�~�ŁA�]����3.5����4.5������̏��i���������Ƃ�������܂��ˁB����ɁA�O���t���������d�v�Ȃ��Ƃ��ǂݎ��܂��B����́A�]����5.0�œ��ł��ɂȂ��Ă���Ƃ������Ƃł��B���������A2,000�~����3,000�~�������5.0�Ƃ����]���ƁA20,000�~���邢�͂���ȏ�̉��i�̃��C����5.0�͓������l�����]���ł��傤���B�i���̗ǂ������ȃ��C���ł���u��5�ł͂Ȃ���100��t�������v�Ƃ����悤�ɁA�����ƍ����]����t�������l�������̂ł͂Ȃ��ł��傤���B�l�b�g�V���b�s���O�̌��R�~��5�i�K�]���������̂ŁA�}2�̂悤�ȃO���t�ɂȂ��Ă��܂��܂����A���@�ׂ������ɕ]������̂ł���A100�_���_�ɂ��������悳�������Ƃ������Ƃ�������܂��ˁB
�@���C���̕]���Ƃ��ẮA�p�[�J�[�|�C���g�ƌĂ��]�����L���ł��B�p�[�J�[�|�C���g�ł́A�F�╗���A���Ȃǂ���ɁA100�_���_�Œl���^�����܂��B�ڍׂɂ��ẮA�T�b�|���r�[���̃��C���Ɋւ���y�[�W�Ȃǂ����Q�Ƃ��������B
�@�}2��}3������ƁA���鉿�i�̃��C�����ǂ̂悤�ȕ]���Ă��邩��������܂����A���̃��C���̔���グ���ǂ̒��x�ł��邩�͕�����܂���B�荠�ɍw���ł��郏�C���́A�P���͈����Ă����㐔�ʂ������̂ŁA���v�̔�����z���傫���ƍl����ꂻ���ł��B����A�����ȃ��C���́A�P���������̂ŁA���㐔�ʂ����Ȃ��Ă����v�̔�����z�͑傫����������܂���B�����ŁA�U�z�}�ɔ�����z�̂悤�ȁu�K�́v�i�傫���j��\���l�f�����邽�߂Ƀo�u���`���[�g������Ă݂܂��傤�B
�@�쐬�̕��@�͊ȒP�ł��B�����ɑΉ����鍀�ڂƏc���ɑΉ����鍀�ځA�K�͂ɑΉ����鍀�ڂ��w�肵�ăO���t���쐬���邾���ł��B
�@�ł́A�U�z�}�̍쐬�ɗ��p�����t�@�C���́m���C���̔���グ�i2�j�n���[�N�V�[�g���J���Ď��g��ł݂Ă��������B�m���C���̔���グ�i1�j�n�Ɠ����f�[�^�ł����A��Ƃ��₷���悤�ɕʂ̃��[�N�V�[�g�ɂ��Ă����܂����B�ӏ������ɂ����ȉ��̎菇�Ńo�u���`���[�g���쐬���Ă݂܂��傤�B����ɂ��Ă��A����ł̉�����p�ӂ��Ă���̂ŁA��������ǂ������������͂��Ђ��������������B�Ȃ��A���݂̂Ƃ���AMicrosotf 365�I�����C���ɂ̓o�u���`���[�g�̋@�\������܂���B
�@�O���t������Z���͈̔͂�I������ɂ́A�h���b�O����ƁmCtrl�n�{�h���b�O����ŗ��ꂽ�͈͂�I����������m���O�n�{�b�N�X�ɁuC3:D1003,F3:F1003�v�Ɠ��͂�������ȒP�ł��B�������AGoogle�X�v���b�h�V�[�g�ł́A���̎w�肪�ł��Ȃ��̂ŁA�m���O�n�{�b�N�X�ɁuC3:D1003�v�Ɠ��͂�����A�mCtrl�n�L�[�������Ȃ���Z��F3�`F1003���h���b�O����K�v������܂��B�ʂ̕��@�Ƃ��ẮAE��̌��o�����N���b�N���m����\���n��I��������A�m���O�n�{�b�N�X�ɁuC3:F1003�v�Ɠ��͂���̂��ȒP�ł��B
�@���̒i�K�ł́A�}4�̂悤�ȃO���t�ɂȂ��Ă��܂��B
�}4�@���C���̉��i�A�]���A����グ�̃o�u���`���[�g�i�쐬�r���j�@�����āA�ȉ��̎菇�ōŏ��l�ƍő�l�̐ݒ��o�u���T�C�Y�̕ύX���s���Ă����܂��傤�B�������AGoogle�X�v���b�h�V�[�g�ł̓o�u���T�C�Y�������I�Ɍ��߂��A�ύX���ł��Ȃ��悤�Ȃ̂ŁA���̑���͏ȗ����܂��B
�@����ŁA�}5�̂悤�ȃo�u���`���[�g�ɂȂ�܂��B
�}5�@���C���̉��i�A�]���A����グ�̃o�u���`���[�g�i������j�@���i�̍������C���͂���قǔ��㐔�ʂ��傫���킯�ł͂���܂��A������z�͂��荠�ȃ��C���Ƃ���قǕς��܂���B���ʂ����Ȃ��Ă�����グ���オ��Ƃ������Ƃ́A�ɂ̂��߂̃X�y�[�X�����Ȃ��čςނƂ������Ƃł��ˁB����͑傫�ȃ����b�g�ł��i�����ɁA�ۊǕ��@�ɓ��ʂȔz�����K�v�ɂȂ�����A����ɑ������ۂ̃��X�N���傫���Ȃ����肵�܂����j�B�Ȃ��A�o�u���`���[�g�ł͌n��̃f�[�^���������ƃo�u�����d�Ȃ�߂��āA���Â炭�Ȃ邱�Ƃ�����܂��B���̏ꍇ�̓o�u���̃T�C�Y������������Ƃ�����x���₷���Ȃ�܂��B�Ⴆ�A�o�u���T�C�Y���u5�v�ɕύX����ƁA�}5�̒l���W�����Ă���ӏ������₷���Ȃ�܂��B
�@�O��̃R������k-means�@�𗘗p�����N���X�^�����O�̗�ƁA������q�[�g�}�b�v�Ƃ��ĕ\��������@���Љ�܂����B�U�z�}��o�u���`���[�g�ł����l�ɃO���[�v�ɂ��F�������ł���A��葽�p�I�ȉ������ł��܂��ˁB�c�O�Ȃ���AExcel�ł͂��Ȃ����̂ŁAPython�ł̃v���O�����ō쐬��������Љ�܂��i�}6�j�B
�}6�@���C���̉��i�A�]���A����グ�̃o�u���`���[�g�i�O���[�v���Ƃ̐F�����j�@�}6����A���ŕ\����Ă���0���̃O���[�v�͉��i�����荠�ŕ]���͒����炢�Ƃ��������ƁA�~�ŕ\����Ă���1���̃O���[�v���ቿ�i�܂��͒�]���̃O���[�v�ł���A����グ�������傫���Ȃ����Ƃ�������܂��B�܂��A2���̃O���[�v�����i���킸���]���ł���A����グ����r�I�傫�����Ƃ�������܂��B�����A����ȏ�̂��Ƃ͏���������ɂ����ł��ˁB
�@���C���̃f�[�^���g���āAk-means�@�ɂ��6�̃O���[�v�����R�[�h�͈ȉ��̒ʂ�ł��B����͑O��Љ���R�[�h�ƂقƂ�Ǔ����ł��B���̃����N���N���b�N����A�u���E�U���N�����AGoogle Colaboratory�ňȉ��̃R�[�h���\������܂��iGoogle�A�J�E���g�ł̃��O�C�����K�v�ł��j�B�m�h���C�u�ɃR�s�[�n�{�^�����N���b�N����A������Google�h���C�u�ɃR�s�[�ł��܂��B�R�[�h�̕������N���b�N���āmShift�n+�mEnter�n�L�[�������A�v���O���������s����A�N���X�^�����O���s�������ʂ�dfresult�Ƃ������O�̃f�[�^�t���[���Ƃ��č쐬����܂��B
�@�R�[�h�̏ڍׂɂ��Ă͂��̋L���͈̔͂�傫����E����̂Ŋ������܂����A�R�[�h���̃R�����g�Ɛ������Q�Ƃ��Ă�����������������̈Ӗ��͕�����Ǝv���܂��B�Ȃ��A��L�̃����N�ɂ̓O���[�v���Ƃɕ��ϒl�����߂邽�߂̃R�[�h��A���̒l����Ƀq�[�g�}�b�v���쐬���邽�߂̃R�[�h���܂߂Ă���܂��B����Ȃ镪�͂Ɋ��p�ł���̂ŁA���Ђ��Q�Ƃ��������B
import pandas as pd
from sklearn.cluster import KMeans
from sklearn.preprocessing import MinMaxScaler
# �f�[�^�̓ǂݍ���
df = pd.read_excel("https://github.com/Gessys/data_analysis/raw/main/12a.xlsx",
sheet_name="���C���̔���グ�i1�j", skiprows=2, usecols="A:F")
data = df.loc[:, ["���i", "�]��", "������z"]]
# �f�[�^���X�P�[�����O����i�l�̑傫�����قȂ�̂ŁA0�`1�ɂȂ�悤�ɒ�������j
sc = MinMaxScaler()
data_sc = sc.fit_transform(data)
# k-means�@�ɂ��N���X�^�����O
model = KMeans(n_clusters=6, random_state=0, n_init="auto")
model.fit(data_sc)
# ���̃f�[�^�ɃN���X�^�ԍ���lj�����
cluster_no = pd.DataFrame(model.labels_, columns=["�O���[�v"])
dfresult = pd.concat([df, cluster_no], axis=1)
�@���X�g1�̌��ʂ���ɁA���i�������ɁA�]�����c���ɁA������z���o�u���̃T�C�Y�ɂ��A����ɃO���[�v�ɂ��F�������s���R�[�h�͈ȉ��̒ʂ�ł��B�U�z�}��o�u���`���[�g��matplotlib.pyplot���W���[����scatter����f�[�^���ȒP�ɉ�������̂ɕ֗���seaborn���W���[����scatterplot���ō쐬�ł��܂��B�����ł�scatterplot�����g���Ă��܂��B
!pip install japanize_matplotlib # ����͍ŏ���1����s���Ă����悢
import matplotlib.pyplot as plt
import matplotlib.cm as cm
import seaborn as sns
import japanize_matplotlib
# 20000�����̃f�[�^���������o��
dfbubble = dfresult.loc[dfresult.���i < 20000]
dfsize = data_sc[dfresult.���i < 20000, 2] * 200 # �}�[�J�[�̃T�C�Y���v�Z
# �o�u���`���[�g��\������
plt.figure(figsize=(12, 8))
kwargs = {"linewidth": 0} # �g����\�����Ȃ�
sns.scatterplot(x=dfbubble.���i, y=dfbubble.�]��,
c=cm.tab10(dfbubble.�O���[�v), # �}�[�J�[�̐F�̎w��
s=dfsize, # �}�[�J�[�̃T�C�Y�̎w��
style=dfbubble.�O���[�v, # �}�[�J�[�̌`�̎w��
**kwargs)
plt.show()
�@���p�������C���̃f�[�^�ł́A���ځi��j�̐��͂���قǑ�������܂���ł����B�������A���ڂ������Ȃ�ƁA���ړ��m�̑g�ݍ��킹�������Ȃ�̂ŁA���ƂŎU�z�}�����̂͂��Ȃ�ʓ|�ł��B���̂悤�ȏꍇ�̓v���O�����ɂ���ĎU�z�}���܂Ƃ߂ĕ`�悷��̂�����ł��B
�@�}10�́Aseaborn���W���[����pairplot�����g���āA�������̍��ړ��m�̎U�z�}���쐬������ł��B���p����f�[�^��scikit-learn�̃f�[�^�Z�b�g�Ƃ��ėp�ӂ���Ă��铜�A�a�W�̃T���v���f�[�^�ŁAage�i�N��j�Asex�i���ʁj�Abmi�i�̊i�w���j�Abp�i�����j�As1�i���R���X�e���[���l�j�As2�i���ʃR���X�e���[���l�j�As3�i�P�ʃR���X�e���[���l�j�As4�i��s1/s3�j�As5�i�������b�̑ΐ��j�As6�i�����l�j�Atarget�i1�N��̓��A�a�̐i�s�x�j�Ƃ������ڂ��܂܂�Ă��܂��B
�}7�@�����̍��ړ��m�̎U�z�}����C�ɍ쐬�������@�R�[�h�����̃����N����Q�Ƃł��܂��B�����N���N���b�N����A�u���E�U���N�����AGoogle Colaboratory�ňȉ��̃R�[�h���\������܂��iGoogle�A�J�E���g�ł̃��O�C�����K�v�ł��j�B���̃����N�ɂ́A���֍s������߂ăq�[�g�}�b�v���쐬���邽�߂̃R�[�h���܂߂Ă���܂��B�����Ă��Q�Ƃ��������B
from sklearn.datasets import load_diabetes # ���A�a�Ɋւ���f�[�^
import seaborn as sns
df_diabetes = load_diabetes(as_frame=True).frame # �T���v���f�[�^��ǂݍ���
sns.pairplot(df_diabetes, # ���p����f�[�^
hue="sex", # ���ʂɂ��F�������s��
diag_kind="hist", # �Ίp����̓q�X�g�O�����Ƃ���
palette = "Set1") # �z�F��Set1���g��
�@����́A�U�z�}�𗘗p���ĊԊu�ړx�̍��ڊԂ̊W���������܂����B�o�u���`���[�g�𗘗p����A�����̊W�ɉ����āA�K�͂��������A����Ȃ镪�͂ɖ𗧂Ă邱�Ƃ��ł��܂��B�o�u���`���[�g�̐F�����⑽���̎U�z�}�̍쐬�Ȃǂɂ��ẮA�R������Python�̃v���O�������Љ�܂����B����Łu�����V���[�Y�v�͂ЂƋ��ł��B
�@����͊W�̋����𐔒l�ŕ\�����߂ɁA���W�����v�Z����ƂƂ��ɁA���̎d�g�݂ɂ��Ă����Ă����܂��B����ȍ~�̉�A���͂ɂ��\���ւƂȂ����Ă������b�ł��B������ǂ������y���݂ɁI
�u�₳�����f�[�^�����v
Copyright© Digital Advantage Corp. All Rights Reserved.
��IT eBook