Statistics/MCA をテンプレートにして作成

開始行:
*コレスポンデンス分析 MCA｜Multiple Correspondence Analysis https://pypi.org/project/mca/ ~ **概要 コレスポンデンス分析（対応分析：Multiple Correspondence A... マーケティングの分野では、Segmentation, Targeting, Positi... ~ ~ **事例紹介 ***クロス集計データ 以下の表は、４つの企業の製品を対象に、当該製品の購入者に... |25|15|15|15|15|15|c |企業＼購買動機|機能|形状|色|ブランド|価格|h |''A社''|10|5|3|4|7| |''B社''|5|1|4|2|10| |''C社''|8|10|6|5|2| |''D社''|2|6|5|6|1| //-CSVファイルにしたものは以下にあります。 //https://github.com/koichi-inoue/DataScience/blob/main/m... __[[DOWNLOAD CSV>https://raw.githubusercontent.com/koichi... これぐらい小さな表であれば、どこの製品が、どのような動機... ~ ***分析結果｜散布図 #image(mca.png,right,40%) 右の散布図が、分析の結果です。 分布は、中央から遠ざかるほど特徴的で、プロットされた位置... この散布図からは、以下のようなことが読み取れます。 -横軸：価格重視（左）か、高級ブランド志向（右）か -縦軸：見た目重視（上）か、機能重視（下）か -A社の商品は、機能重視で選ばれている -B社の商品は、価格（お手頃感）で選ばれている -C社の商品は、形の良さで選ばれている -D社の商品は、ブランド力と色使いの良さで選ばれている コレスポンデンス分析では、複雑なデータをざっくりと可視化... ~ ~ **Python サンプルプログラム 上記の事例分析の実際のプログラムを、JupyterNotebook形式で... ＞ https://github.com/koichi-inoue/DataScience/blob/main/... 以下、プログラムの概説です。 ~ ***ライブラリのインストール Pythonでコレスポンデンス分析を行う場合は、mca というライ... -https://pypi.org/project/mca/ Google Colaboratory を利用する場合、このライブラリーは入... !pip install mca import する際は、以下のように書くのが一般的です。 import mca ~ ***データの読み込み クロス集計のデータは、前の節のサンプルと同じものです。 df = pd.read_csv('/・・・・/mca_sample.csv', index_col=0... 表は pands のデータフレーム形式で読み込みます。なお、クロ... -左端の列（0列目）を''表側（index_col）''として読み込みま... -一番上の行（0行目）を''表頭（header）''として読み込みます ~ ***分析 分析処理自体は以下の１行で完了です。 mca_counts = mca.MCA(df, benzecri=False) ２つの配列 raws と cols に、各カテゴリ項目のプロット座標... rows = mca_counts.fs_r(N=2) cols = mca_counts.fs_c(N=2) ~ ***散布図 表側のカテゴリ項目 rows を青色で散布図をプロット。また同... plt.scatter( rows[:,0], rows[:,1], marker="None") labels = df.index for label,x,y in zip(labels,rows[:,0],rows[:,1]): plt.annotate(label,xy = (x, y), c="b") plt.scatter(cols[:, 0], cols[:, 1], marker="None") labels = df.columns for label, x, y in zip(labels, cols[:, 0], cols[:, 1]): plt.annotate(label, xy=(x, y), c="r") ~ 以上、ほぼ定番のコードなので、お手元にクロス集計表があれ... ~ ~ ~ //-mca のインストールとインポート //Python 言語のライブラリとしてのインストールになるので、... // $ pip3 install --user mca ~

終了行:
*コレスポンデンス分析 MCA｜Multiple Correspondence Analysis https://pypi.org/project/mca/ ~ **概要 コレスポンデンス分析（対応分析：Multiple Correspondence A... マーケティングの分野では、Segmentation, Targeting, Positi... ~ ~ **事例紹介 ***クロス集計データ 以下の表は、４つの企業の製品を対象に、当該製品の購入者に... |25|15|15|15|15|15|c |企業＼購買動機|機能|形状|色|ブランド|価格|h |''A社''|10|5|3|4|7| |''B社''|5|1|4|2|10| |''C社''|8|10|6|5|2| |''D社''|2|6|5|6|1| //-CSVファイルにしたものは以下にあります。 //https://github.com/koichi-inoue/DataScience/blob/main/m... __[[DOWNLOAD CSV>https://raw.githubusercontent.com/koichi... これぐらい小さな表であれば、どこの製品が、どのような動機... ~ ***分析結果｜散布図 #image(mca.png,right,40%) 右の散布図が、分析の結果です。 分布は、中央から遠ざかるほど特徴的で、プロットされた位置... この散布図からは、以下のようなことが読み取れます。 -横軸：価格重視（左）か、高級ブランド志向（右）か -縦軸：見た目重視（上）か、機能重視（下）か -A社の商品は、機能重視で選ばれている -B社の商品は、価格（お手頃感）で選ばれている -C社の商品は、形の良さで選ばれている -D社の商品は、ブランド力と色使いの良さで選ばれている コレスポンデンス分析では、複雑なデータをざっくりと可視化... ~ ~ **Python サンプルプログラム 上記の事例分析の実際のプログラムを、JupyterNotebook形式で... ＞ https://github.com/koichi-inoue/DataScience/blob/main/... 以下、プログラムの概説です。 ~ ***ライブラリのインストール Pythonでコレスポンデンス分析を行う場合は、mca というライ... -https://pypi.org/project/mca/ Google Colaboratory を利用する場合、このライブラリーは入... !pip install mca import する際は、以下のように書くのが一般的です。 import mca ~ ***データの読み込み クロス集計のデータは、前の節のサンプルと同じものです。 df = pd.read_csv('/・・・・/mca_sample.csv', index_col=0... 表は pands のデータフレーム形式で読み込みます。なお、クロ... -左端の列（0列目）を''表側（index_col）''として読み込みま... -一番上の行（0行目）を''表頭（header）''として読み込みます ~ ***分析 分析処理自体は以下の１行で完了です。 mca_counts = mca.MCA(df, benzecri=False) ２つの配列 raws と cols に、各カテゴリ項目のプロット座標... rows = mca_counts.fs_r(N=2) cols = mca_counts.fs_c(N=2) ~ ***散布図 表側のカテゴリ項目 rows を青色で散布図をプロット。また同... plt.scatter( rows[:,0], rows[:,1], marker="None") labels = df.index for label,x,y in zip(labels,rows[:,0],rows[:,1]): plt.annotate(label,xy = (x, y), c="b") plt.scatter(cols[:, 0], cols[:, 1], marker="None") labels = df.columns for label, x, y in zip(labels, cols[:, 0], cols[:, 1]): plt.annotate(label, xy=(x, y), c="r") ~ 以上、ほぼ定番のコードなので、お手元にクロス集計表があれ... ~ ~ ~ //-mca のインストールとインポート //Python 言語のライブラリとしてのインストールになるので、... // $ pip3 install --user mca ~

ページ名: