データ解析

データサイエンス

Pythonで実証!非定常データを定常化する4つの方法(差分・トレンド除去・季節調整・ARIMA)

時系列データの分析では定常性の確認が不可欠。本記事ではPythonを使い、差分・トレンド除去・季節調整・ARIMAの4手法で非定常データを定常化する方法を解説します。
データサイエンス

Pythonで実証!トレンドや時間項を含むデータの定常性を検証し柔軟に分析する方法

実務データの多くはトレンドや時間項を含む非定常系列です。本記事ではPythonで6種類のデータを生成し、ADF検定とKPSS検定を用いて定常性を検証。非定常の原因を見極め、柔軟に分析手法を選ぶための実践例を紹介します。
データサイエンス

Pythonで実証!時系列分析の第一歩:定常性をADF検定で確認する

時系列データを扱うなら「定常性の確認」が必須。本記事ではランダム変数とランダムウォークを例に、PythonでADF検定を実行して定常・非定常を判定する方法を解説します。偽物の相関を避けるための第一歩を学びましょう。
データサイエンス

Pythonで実証!ランダムウォークで76%の偽物相関が出る理由!

時系列データを使った回帰分析では偽物の相関が現れることがあります。この記事を読むことで、時系列データで偽物の相関が起こる理由、実際にPythonで検証する方法、データ分析で注意すべきポイントがわかります!
データサイエンス

Matplotlib | 密度カラー散布図を任意の軸スケールで1次元ヒストグラムと同時にプロットする方法(Python散布図 6. 特別編)

今回はpythonで綺麗な2次元散布図を描く方法の第6回です!任意の軸のスケールを設定した上で、密度カラー散布図と同時にx, y各軸の1次元ヒストグラムをプロットする方法を紹介します!
データサイエンス

Matplotlib | 任意の軸スケールで密度カラー散布図をプロットする方法(Python散布図 5. 発展編)

Pythonで綺麗な散布図を描く方法の第5回、発展編として、任意の軸のスケールを設定した上で、密度カラー散布図をプロットする方法を紹介します!
データサイエンス

Matplotlib | 自作のスケールを定義する方法: Custom scale(Python軸スケール5)

Matplotlib、軸のスケールシリーズ第5回!Custom scaleという枠組みをつかって、自作のスケールを定義する方法を解説します!Matplotlibであらかじめ用意されていないスケールを定義し、軸のスケールを設定することができるようになります。
データサイエンス

Matplotlib | LogScale classとLog変換(Python軸スケール4)

Matplotlib軸のスケールシリーズ第4回、LogScale classの概要解説です!LogScale、LogTransform、InvetedLogTransformという3つのClassの使い方をセットで解説します!
データサイエンス

Matplotlib | Scale Classの概要(Python軸スケール3)

Pythonで作図する際、軸のスケールはScaleオブジェクトを使って変更することもできます。Scaleオブジェクトの使い方を知っておくと、オリジナルのスケールを定義したり、変換・逆変換関数を簡単に呼び出せるようになります。
データサイエンス

Matplotlib | 予め用意された7種類のスケール(Python軸スケール2)

Matplotlib側で予め用意されている7種類のスケールをご紹介します!今回の記事は「Pythonの作図で軸のスケールを変えたいけどどうやる?負の値も対数スケールでプロットできないの?散布図のデータ点が潰れて見にくいのはどうしたら良い?」といったお悩み解決に役立つはずです!
スポンサーリンク