
# 数値演算、描画用ライブラリ読み込み
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 日本語表示用ライブラリ（matplotlibで日本語を使用したい場合）
import japanize_matplotlib

# グラフをinline表示可能にする
%matplotlib inline
# 解像度を上げてinline表示する
%config InlineBackend.figure_format = 'retina'


url = 'https://www.ces-alpha.org/course/file_serve/5764781927563264/weight_list.txt'
url

'https://www.ces-alpha.org/course/file_serve/5764781927563264/weight_list.txt'


df_weight = pd.read_csv(url, header=None, names=['dat'], encoding='utf-8') # utf-8 or shift-jis
df_weight


weight=df_weight['dat'].to_numpy()
weight

array([43.6, 45.2, 45.4, 45.8, 47.2, 47.8, 48.2, 48.7, 48.8, 48.9, 49. ,
       49. , 49.4, 49.5, 49.8, 50.4, 50.5, 50.9, 50.9, 51.2, 51.2, 51.2,
       51.3, 51.3, 51.6, 51.7, 51.7, 51.8, 52. , 52. , 52.1, 52.1, 52.1,
       52.2, 52.3, 52.7, 52.7, 52.8, 52.9, 52.9, 53.1, 53.1, 53.8, 54. ,
       54.5, 54.5, 54.6, 54.7, 54.7, 54.7, 54.8, 54.9, 55.1, 55.1, 55.2,
       55.3, 55.4, 55.4, 55.4, 55.6, 55.7, 55.8, 55.9, 56.1, 56.3, 56.3,
       56.3, 56.4, 56.5, 56.7, 56.8, 57. , 57.1, 57.1, 57.2, 57.3, 57.6,
       57.7, 57.8, 58.1, 58.4, 58.6, 58.7, 58.7, 58.7, 58.7, 59.1, 59.3,
       59.9, 60. , 60.1, 60.3, 60.5, 60.6, 60.6, 60.7, 61.3, 62.7, 64.2,
       64.6])


hist_ini = 43; hist_fin = 65; hist_step = 2
bins = np.arange(hist_ini, hist_fin+1, hist_step)  # 終点は含まないので＋1としている

# データ(weight)と階級端点(bins)を渡すと、各階級の度数が返る
dosu, _ = np.histogram(weight, bins)
cum_dosu = np.cumsum(dosu)  # 累積度数(cumulative)
print(bins)     # 階級両端
print(dosu)     # 度数
print(cum_dosu) # 累積度数

[43 45 47 49 51 53 55 57 59 61 63 65]
[ 1  3  6  9 21 12 19 15 10  2  2]
[  1   4  10  19  40  52  71  86  96  98 100]


# 基本グラフ（左軸）
plt.title("〇〇クラス男子の体重分布", fontsize=18)
plt.xlabel("体重 [kg]", fontsize=14)
plt.ylabel("生徒数", fontsize=14)

my_ticks = np.arange(hist_ini, hist_fin, hist_step)
plt.bar(my_ticks, dosu, align='edge',color="y", ec="black", width=2)
plt.xticks(np.append(my_ticks,hist_fin))
plt.yticks(np.arange(0,21,5))
plt.text(42.5, 20, f"n={dosu.sum()}", fontsize=16)

# 2軸グラフ（右軸の付加）
plt.twinx()
plt.ylim(0,110)
plt.ylabel("累積度数", fontsize=14)
plt.plot(my_ticks + hist_step/2, cum_dosu, "mD-", lw=2);


# 条件による色分け
kagen =1
jogen = 15
cond2 = ["c" if kagen <= i <= jogen else "y" for i in dosu]  # 内包表記

# 基本グラフ（左軸）
plt.title("〇〇クラス男子の体重分布", fontsize=18)
plt.xlabel("体重 [kg]", fontsize=14)
plt.ylabel("生徒数", fontsize=14)

my_ticks = np.arange(hist_ini, hist_fin, hist_step)
plt.bar(my_ticks, dosu, align='edge',color=cond2, ec="black", width=2)

plt.xticks(np.append(my_ticks,hist_fin))
plt.yticks(np.arange(0,21,5))
plt.text(42.5, 20, f"n={dosu.sum()}", fontsize=16)

# 水平補助線
plt.axhline(y=kagen, c='k', ls=':')
plt.axhline(y=jogen, c='k', ls=':')

# 2軸グラフ（右軸の付加）
plt.twinx()
plt.ylim(0,110)
plt.ylabel("累積度数", fontsize=14)
plt.plot(my_ticks + hist_step/2, cum_dosu, "mD-", lw=2);


cond2

['c', 'c', 'c', 'c', 'y', 'c', 'y', 'c', 'c', 'c', 'c']


with plt.style.context('dark_background'):
    # 基本グラフ（左軸）
    plt.title("〇〇クラス男子の体重分布", fontsize=18)
    plt.xlabel("体重 [kg]", fontsize=14)
    plt.ylabel("生徒数", fontsize=14)

    my_ticks = np.arange(hist_ini, hist_fin, hist_step)
    plt.bar(my_ticks, dosu, align='edge',color="y", ec="black", width=2)
    plt.xticks(np.append(my_ticks,hist_fin))
    plt.yticks(np.arange(0,21,5))
    plt.text(42.5, 20, f"n={dosu.sum()}", fontsize=16)

    # 2軸グラフ（右軸の付加）
    plt.twinx()
    plt.ylim(0,110)
    plt.ylabel("累積度数", fontsize=14)
    plt.plot(my_ticks + hist_step/2, cum_dosu, "mD-", lw=2);


with plt.xkcd():
    # 基本グラフ（左軸）
    plt.title("Weight distributions in a class", fontsize=18)
    plt.xlabel("Weight [kg]", fontsize=14)
    plt.ylabel("Num of students", fontsize=14)

    my_ticks = np.arange(hist_ini, hist_fin, hist_step)
    plt.bar(my_ticks, dosu, align='edge',color="y", ec="black", width=2)
    plt.xticks(np.append(my_ticks,hist_fin))
    plt.yticks(np.arange(0,21,5))
    plt.text(42.5, 20, f"n={dosu.sum()}", fontsize=16)

    # 2軸グラフ（右軸の付加）
    plt.twinx()
    plt.ylim(0,110)
    plt.ylabel("cumulative", fontsize=14)
    plt.plot(my_ticks + hist_step/2, cum_dosu, "mD-", lw=2);


# 積層ヒストグラム
N = 5 # bar の数
china = [20,35,39,36,27]
usa =[25,32,34,20,25]
index = np.arange(N)
index

array([0, 1, 2, 3, 4])


p1 = plt.bar(index, china, width=0.6, color='navy')


p2 = plt.bar(index, usa, width=0.6, color='pink')


p2 = plt.bar(index, usa, width=0.6, color='pink', bottom = china)


p1 = plt.bar(index, china, width=0.6, color='navy')
p2 = plt.bar(index, usa, width=0.6, color='pink', bottom = china)


plt.title('Manufactures of products',fontsize=16)
plt.xlabel('Products',fontsize=14)
plt.ylabel('Num of manufactures',fontsize=14)
p1 = plt.bar(index, china, width=0.6, color='navy', label='China')
p2 = plt.bar(index, usa, width=0.6, color='pink', bottom = china, label='USA')

# x軸のindexを置換
plt.xticks(index, ['P1', 'P2', 'P3','P4', 'P5' ]);
plt.legend();


plt.title('Manufactures of products',fontsize=16)
plt.xlabel('Products',fontsize=14)
plt.ylabel('Num of manufactures',fontsize=14)
p1 = plt.bar(index, china, width=0.6, color='navy', label='China')
p2 = plt.bar(index, usa, width=0.6, color='pink', bottom = china, label='USA')

# x軸のindexを置換
plt.xticks(index, ['P1', 'P2', 'P3','P4', 'P5' ]);
plt.legend()

# 数値表示
plt.bar_label(p1, label_type='center', color='white', fontsize=16)
plt.bar_label(p2, label_type='center')
plt.bar_label(p2);


plt.title('Manufactures of products',fontsize=16)
plt.ylabel('Products',fontsize=14)
plt.xlabel('Num of manufactures',fontsize=14)
p1 = plt.barh(index, china, height=0.6, color='navy', label='China')
p2 = plt.barh(index, usa,  height=0.6, color='pink', left = china, label='USA')

# x軸のindexを置換
plt.yticks(index, ['P1', 'P2', 'P3','P4', 'P5' ])
plt.legend()

# 数値表示
plt.bar_label(p1, label_type='center', color='white', fontsize=16)
plt.bar_label(p2, label_type='center')
plt.bar_label(p2);


# excelファイルの直接読み込み（シート名指定）
# https://diet-kenkoustyle.com/271/
df4 = pd.read_excel('dsa_data1.xlsx', sheet_name='dsa_04', header=0)
df4.head()


kokugo = df4['国語'].to_numpy()
math = df4['数学'].to_numpy()
rika = df4['理科'].to_numpy()
syakai = df4['社会'].to_numpy()
eigo = df4['英語'].to_numpy()


eigo

array([ 62,  74,  66,  78,  61,  74,  82,  90,  82,  26,  85,  82,  76,
        73,  64,  91,  53,  67,  54,  76,  64,  49,  70,  83,  71,  86,
       100,  69,  77,  56], dtype=int64)


# 点数のリスト
subjects = [kokugo, math, rika, syakai, eigo]

# 箱ひげ図
plt.boxplot(subjects)
plt.xticks([1,2,3,4,5], ['国語', '数学', '理科', '社会', '英語'], fontsize=16)
plt.title('科目別得点分布')
plt.xlabel('科目')
plt.ylabel('点数');


# 外れ値用マーカー設定
flierprops = dict(marker="o", markerfacecolor='green', markersize=8, markeredgecolor='none')

# 胴体設定
plt.gca().boxplot(subjects, 
#                 vert=False,
                  patch_artist=True,
                  flierprops = flierprops,
                  boxprops=dict(facecolor='c'), 
                  medianprops=dict(color='k', linewidth=1)
                 )

plt.title('科目別得点分布', fontsize=14)
plt.xlabel('科目', fontsize=12)
plt.ylabel('得点分布', fontsize=12)
plt.xticks([1,2,3,4,5], ('国語', '数学', '理科', '社会', '英語'))

plt.ylim([0,105])
plt.grid(False)


#datetime型
import datetime

dt_now = datetime.datetime.now()
print(dt_now)
print('年:', dt_now.year)
print('月:', dt_now.month)
print('日:', dt_now.day)
print('時:', dt_now.hour)
print('分:', dt_now.minute)
print('秒:', dt_now.second)

2022-05-16 16:40:53.311897
年: 2022
月: 5
日: 16
時: 16
分: 40
秒: 53


d_today = datetime.date.today()
print(d_today)
print(d_today.year)
print(d_today.month)
print(d_today.day)

2022-05-16
2022
5
16


d = datetime.datetime.now()
print(d.strftime('%Y/%m/%d %H:%M:%S'))
print(d.strftime('%Y/%m/%d'))
print(d.strftime('%Y-%m-%d'))
print(d.strftime('%a, %b %d, %Y'))
print(('-')*50)

# 日本型表記
import locale
locale.setlocale(locale.LC_CTYPE, "Japanese_Japan.932")
print(d.strftime('%Y年%m月%d日'))
print(d.strftime('%Y年%m月%d日 %H:%M:%S'))
print(d.strftime('%Y年%m月%d日 %H時%M分%S秒'))

2022/05/16 16:40:53
2022/05/16
2022-05-16
Mon, May 16, 2022
--------------------------------------------------
2022年05月16日
2022年05月16日 16:40:53
2022年05月16日 16時40分53秒


url='https://www.ces-alpha.org/course/file_serve/5938265186107392/dji_w.xlsx'
df_dow=pd.read_excel(url)
df_dow


df_dow['Close'].to_numpy()

array([   48.31,    47.03,    47.29, ..., 33811.4 , 32977.21, 32899.37])


plt.plot(df_dow['Date'], df_dow['Close']);

	Date	Open	High	Low	Close
0	1900-01-07	49.34	49.34	48.24	48.31
1	1900-01-14	48.10	48.10	45.82	47.03
2	1900-01-21	46.51	47.29	46.51	47.29
3	1900-01-28	47.34	47.34	46.52	46.52
4	1900-02-04	46.68	49.15	46.68	49.15
...	...	...	...	...	...
6359	2022-04-10	34799.98	35112.21	34190.95	34721.12
6360	2022-04-17	34630.27	34889.17	34102.81	34451.23
6361	2022-04-24	34411.49	35521.00	33773.39	33811.40
6362	2022-05-01	33731.65	34106.01	32913.15	32977.21
6363	2022-05-08	32978.49	34117.74	32449.87	32899.37

箱ひげ図¶

時系列データの描画¶

	dat
0	43.6
1	45.2
2	45.4
3	45.8
4	47.2
...	...
95	60.7
96	61.3
97	62.7
98	64.2
99	64.6

	国語	数学	理科	社会	英語
0	94	76	62	81	62
1	63	57	59	80	74
2	55	66	82	78	66
3	61	87	80	65	78
4	56	58	69	97	61