Coursera Google Advanced Data Analyticsを受講：Python勉強記録２

Offered by Google. This is the second of seven courses in the Google Advanced Data Analytics Certificate. The Python programming language is ... Enroll for free...

こちらでPythonを学び始めています。今日はグラフの可視化について学びました。ライブラリのインポートの部分ですらお腹いっぱいになりそうです。

# Import statements.
import warnings
warnings.filterwarnings('ignore')

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import seaborn as sns

上のスクリプトはPythonでデータの可視化やデータ処理を行うためのライブラリをインポートしています。

import warnings: Pythonの警告メッセージを制御するためのモジュールです。このコードでは、warnings.filterwarnings('ignore') を使って、警告メッセージを無視する設定をしています。これにより、警告が表示されなくなります。

import numpy as np: NumPyライブラリをインポートしています。NumPyは、数値計算や配列操作を効率的に行うためのライブラリです。np は、NumPyを短く呼ぶためのエイリアスです。

import pandas as pd: Pandasライブラリをインポートしています。Pandasは、データの操作や分析を行うためのライブラリで、特にデータフレーム（表形式データ）を扱うのに便利です。pd は、Pandasを短く呼ぶためのエイリアスです。

import matplotlib.pyplot as plt: Matplotlibライブラリのpyplotモジュールをインポートしています。pyplotは、データの可視化（グラフや図の作成）を行うためのモジュールです。plt は、pyplotを短く呼ぶためのエイリアスです。

from mpl_toolkits.mplot3d import Axes3D: Matplotlibの3Dプロット機能を提供するAxes3Dクラスをインポートしています。これにより、3次元のグラフやプロットを作成できます。

import seaborn as sns: Seabornライブラリをインポートしています。Seabornは、Matplotlibを基盤にした高水準のデータ可視化ライブラリで、統計的なグラフや美しいデフォルトスタイルを提供します。sns は、Seabornを短く呼ぶためのエイリアスです。

# Create a list.
my_list = [10, 'gold', 'dollars']

my_list: これはリストを格納するための変数名です。変数名は自由に設定できますが、ここでは my_list という名前が付けられています。

[10, 'gold', 'dollars']: リストは複数のアイテムを順序付けて格納できるデータ構造で、角括弧 [] を使って表現します。

10: リストの最初の要素で、整数型（int）の値です。
'gold': リストの2番目の要素で、文字列型（str）の値です。
'dollars': リストの3番目の要素で、文字列型（str）の値です。

# Use the helper function to calculate F1 score used in the following graphics.
def f1_score(precision, recall):
    score = 2*precision*recall / (precision + recall)
    score = np.nan_to_num(score)

    return score

このコードは、F1スコアを計算するためのヘルパー関数を定義しています。F1スコアは、分類モデルの精度を評価するために使用される指標で、精度（Precision）と再現率（Recall）を組み合わせて1つのスコアとして表現します。

この関数 f1_score は、与えられた精度と再現率からF1スコアを計算します。F1スコアは以下の式で計算されます。

precision: 精度（Precision）を示す数値。これは、正と予測したサンプルのうち、実際に正であったサンプルの割合です。

recall: 再現率（Recall）を示す数値。これは、実際に正であったサンプルのうち、正と予測したサンプルの割合です。

score = np.nan_to_num(score)

この行は、計算結果がNaN（Not a Number）である場合に0に置き換える処理を行います。F1スコアの計算中に、precision + recall が0になると、結果がNaNになることがあります。この処理によって、NaN値を0に変換して数値的な結果が得られるようになります。

return score

計算されたF1スコアを返します。

# xとyの値を生成
x = np.linspace(0, 1, 101)
y = np.linspace(0, 1, 101)

# メッシュグリッドを作成
X, Y = np.meshgrid(x, y)

# F1スコアを計算
Z = f1_score(X, Y)

# グラフを作成
fig = plt.figure()
fig.set_size_inches(10, 10)

# 3Dプロット用のサブプロットを作成
ax = plt.axes(projection='3d')

# サーフェスプロットを描画
ax.plot_surface(X, Y, Z, rstride=2, cstride=3, cmap='plasma')

# タイトルとラベルを設定
ax.set_title('$F_{1}$ of precision, recall', size=18)
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')

# ビューの初期設定を行う
ax.view_init(35, -65)

# グラフを表示
plt.show()