---

---

FXデータ分析の練習（２）〜１変量データの統計量（基礎）〜

投稿日：2019年11月21日

pandasはデータ分析に非常に便利なライブラリです。この記事のシリーズではpandasを使ってFXのデータを分析する練習をしてみました。

---

はじめに

このPartについて

ライブラリのimport

import numpy as np
import scipy as sp

１変量データの取得

data_open = data_concated["open"]

---

平均・代表値

算術平均（aithmetic mean）

N = len(data_open)
sum_value = sp.sum(data_open)
arithmetic_mean = sum_value / N
print(arithmetic_mean)

1.1553863670015938

print(data_open.mean())
print(np.mean(data_open))

1.1553863670015938
1.1553863670015938

中央値（median）

sorted_data = data_open.sort_values()    # あたいを並び替え
N = len(data_open)
if N%2==0:
    median = (sorted_data[ int(N/2) ] + sorted_data[int(N/2) + 1]) / 2
else:
    median = (sorted_data[int(N/2)])
    
print(median)

1.16426

print(data_open.median())
print(np.median(data_open))

1.16426
1.16426

最頻値（mode）

from collections import Counter

counter = Counter(data_open)

print(counter.most_common()[0][0])

1.17416

まとめ

---

散らばりの指標

度数分布（Frequency Distribution）

k = log_2( N ) + 1
        k : 階級の数
        N : 全データ数

from collections import Counter

RANK_NUM = int(np.log2(N)) + 1     # 階級数

counter = Counter(data_open)
classed_data = pd.cut(data_open, RANK_NUM,labels=False)
classed_data.plot()

classed_data.hist()

箱ひげ図（box-plot）

data_open.plot.box()

data_compare = data_concated.loc[:,['open','close','high','low']]
data_compare.boxplot()

平均絶対偏差（mean absolute deviation, average absolute deviation）

mean =  data_open.mean()
mad = abs((data_open - mean)).sum()/data_open.size
print("平均絶対偏差：{}".format(mad))

平均絶対偏差：0.04094061155634395

分散（variance）

# データ数
N = data_open.size
# 平均を計算
mean = data_open.mean()
# すべての偏差の二乗を計算
deviation_2 = ( data_open - mean ) ** 2
# 標本標準偏差を計算
sv = deviation_2.sum() / N
# 不偏標準偏差を計算
uv = sv * N/(N-1)
print("標本分散：{}".format(sv))
print("不偏分散：{}".format(uv))

標本分散：0.00265104848040972
不偏分散：0.0026510520424930777

print("標本分散：{}".format(data_open.var(ddof=0)))
print("不偏分散：{}".format(data_open.var(ddof=1)))

標本分散：0.00265104848040972
不偏分散：0.0026510520424930777

標準偏差（standard deviation）

print("標準偏差：{}".format(uv**0.5))

print("標準偏差：{}".format(data_open.std()))

---

---

---