K_DM Book
用語集
対象者 標準
対象者別の入口 →

対象者の設定はこのブラウザの中にだけ保存されます。

言語 JA

曜日別の平均をバーで確認

入門

04.3.3

曜日別の平均をバーで確認

最終更新 2020-07-01 読了時間 2 分
まとめ
曜日別の平均バーは、日次データを月〜日の 7 グループに分け、各グループの平均を棒の高さ、標準偏差を棒の上の誤差バーにした図です。このページでは、水準 70 に曜日ごとの上乗せ(月 +8、火 +6、水 +5、木 +4、金 +7、土 +12、日 +3)と標準偏差 2.5 のノイズを足した 210 日の系列を作り、series.groupby(series.index.weekday).mean() と .std() で集計して ax.bar(labels, weekday_mean, yerr=weekday_std) で描きます。読み終えると、棒の高さの差が誤差バーの長さより大きいかどうかで、予測モデルに曜日ダミー変数を加える価値があるかを判断できるようになります。

曜日ごとの平均を棒に、標準偏差を誤差バーにして並べると、「土曜は本当に高いのか、たまたまか」を棒の差と誤差バーの長さの比で判断できます。

直感 #

コンビニの 210 日分の売上を折れ線で描くと、7 日ごとに上下するギザギザが 30 回繰り返されるだけで、「何曜日がいちばん売れるか」は数えないと分かりません。そこで月曜の 30 日分、火曜の 30 日分、…と同じ曜日の値を集めて平均し、7 本の棒にします。30 日分の平均を取ると、たまたま多かった日や少なかった日は薄まり、その曜日に共通する水準だけが残ります。ただし平均だけでは「毎週ほぼ同じ」と「当たり外れが大きい」を区別できないので、同じ曜日の値がどれだけ散らばっているかを標準偏差で測り、棒の上に I 字の誤差バーとして添えます。

何が起きているか(ステップで見る) #

コードを読む前に、この手法が図の上で何をしているかを追ってみましょう。「再生」を押すか、スライダーを動かすと 1 手順ずつ進みます。

見るポイント:曜日ごとに色分け・平均すると、ノイズに隠れた週のパターンが取り出せる。

Python で描く #

次のコードは、曜日ごとに決めた上乗せ(土曜 +12 が最大、日曜 +3 が最小)とノイズを持つ 210 日の系列を作り、曜日別の平均と標準偏差を集計して誤差バー付きの棒グラフにします。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

rng = np.random.default_rng(13)
dates = pd.date_range("2021-01-01", periods=210, freq="D")
weekday_effect = {0: 8, 1: 6, 2: 5, 3: 4, 4: 7, 5: 12, 6: 3}
values = 70 + np.array([weekday_effect[d.weekday()] for d in dates]) + rng.normal(0, 2.5, len(dates))

series = pd.Series(values, index=dates)
weekday_mean = series.groupby(series.index.weekday).mean()
weekday_std = series.groupby(series.index.weekday).std()

labels = ["月", "火", "水", "木", "金", "土", "日"]

fig, ax = plt.subplots(figsize=(7, 4))
ax.bar(labels, weekday_mean, yerr=weekday_std, color="#2563eb", alpha=0.8, capsize=5)
ax.set_title("曜日別平均と標準偏差")
ax.set_xlabel("曜日")
ax.set_ylabel("平均値")
ax.grid(alpha=0.3, axis="y")

fig.tight_layout()
fig.savefig("static/images/timeseries/weekday_average.svg")

曜日別の平均をバーで確認の図

実行結果の読み方 #

土曜の棒が 82 前後で突出して高く、日曜の棒が 73 前後でいちばん低くなります。これは仕込んだ上乗せ 12 と 3 がそのまま平均に現れたもので、月曜の 78、金曜の 77 がそれに続きます。誤差バーの長さはどの曜日もほぼ 2.5 です。ノイズの標準偏差を全曜日で同じにしてあるからです。土曜と日曜の差 9 は誤差バーの長さ 2.5 の 3 倍以上あるので、曜日効果は偶然ではないと読みます。一方、水曜 75 と木曜 74 の差 1 は誤差バーの中に埋もれるので、この 2 曜日を区別する意味はほとんどありません。実データで特定の曜日だけ誤差バーが長ければ、その曜日はイベントや祝日の影響で不安定だと分かります。

使いどころと落とし穴 #

この図は、回帰や勾配ブースティングの特徴量に series.index.weekday のダミー変数を加えるかどうかを決める前段で使い、pd.get_dummies(series.index.weekday) の 7 列を足す根拠になります。棒の差が誤差バーより明確に大きければ加える価値があり、7 本がほぼ同じ高さなら加えても精度は変わりません。落とし穴は 3 つあります。祝日は曜日と無関係に動くので、月曜が祝日の週が多いと月曜の棒が日曜に近づき、jpholiday などで祝日を除いて集計し直す必要があります。強い上昇トレンドがあると、どの曜日も「前半は低く後半は高い」ぶんだけ標準偏差がふくらんで誤差バーが長くなるので、先に series - series.rolling(7, center=True).mean() で水準を引いてから集計します。平均は分布の形を隠すので、「毎週ほぼ同じ 82」と「大当たりと不発が半々の 82」を見分けるには、曜日ごとの ボックスプロット と並べて確認します。