04.3.3
曜日別の平均をバーで確認
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。
| |
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。
- 月別ボックスプロット — 月別の中央値・四分位・外れ値を比較
- 季節サブシリーズプロット — 月別の推移で季節パターンの安定性を確認
- カレンダーヒートマップ — 曜日・週の偏りをカレンダー形式で発見