データの種類を知る！質的変数と量的変数の違いを初心者にもわかりやすく解説

import pandas as pd

# 学生データの例
student_data = pd.DataFrame({
    '名前': ['田中', '佐藤', '鈴木', '高橋', '伊藤'],
    '性別': ['男性', '女性', '男性', '女性', '男性'],
    '血液型': ['A型', 'O型', 'B型', 'AB型', 'A型'],
    '好きな科目': ['数学', '英語', '理科', '数学', '国語'],
    '居住地': ['東京', '大阪', '東京', '福岡', '東京']
})

print(student_data)

# 名義尺度の例: 性別の集計
gender_counts = student_data['性別'].value_counts()
print("性別の人数:")
print(gender_counts)
# 出力:
# 男性    3
# 女性    2

# 順序尺度の例
satisfaction_data = pd.DataFrame({
    '回答者': ['A', 'B', 'C', 'D', 'E'],
    '満足度': ['満足', '非常に満足', '普通', '満足', '不満']
})

# 順序を定義
satisfaction_order = ['非常に不満', '不満', '普通', '満足', '非常に満足']
satisfaction_data['満足度'] = pd.Categorical(
    satisfaction_data['満足度'],
    categories=satisfaction_order,
    ordered=True
)

print(satisfaction_data.sort_values('満足度'))

# 学生の成績データ
score_data = pd.DataFrame({
    '名前': ['田中', '佐藤', '鈴木', '高橋', '伊藤'],
    '年齢': [15, 16, 15, 17, 16],
    '身長(cm)': [165, 158, 172, 160, 168],
    '数学': [85, 92, 78, 88, 95],
    '英語': [78, 85, 82, 90, 88]
})

# 量的変数の統計量を計算
print("基本統計量:")
print(score_data[['年齢', '身長(cm)', '数学', '英語']].describe())

# 平均点の計算
print("\n数学の平均点:", score_data['数学'].mean())
print("英語の平均点:", score_data['英語'].mean())

# 間隔尺度の例: 気温データ
temperature_data = pd.DataFrame({
    '日付': ['1月1日', '1月2日', '1月3日', '1月4日', '1月5日'],
    '気温(℃)': [5, 8, 3, 10, 7]
})

# 平均気温の計算は意味がある
print("平均気温:", temperature_data['気温(℃)'].mean(), "℃")

# しかし、「8℃は4℃の2倍暖かい」とは言えない
# なぜなら、0℃は「温度がない」ことを意味しないから

# 比率尺度の例: 身長データ
height_data = pd.DataFrame({
    '名前': ['田中', '佐藤', '鈴木', '高橋', '伊藤'],
    '身長(cm)': [165, 158, 172, 160, 168],
    '体重(kg)': [58, 52, 68, 55, 62]
})

# 平均身長の計算
print("平均身長:", height_data['身長(cm)'].mean(), "cm")

# 比率の計算も意味がある
print("\n田中さんの身長は佐藤さんの何倍？")
ratio = height_data.loc[0, '身長(cm)'] / height_data.loc[1, '身長(cm)']
print(f"{ratio:.2f}倍")

# BMI（体重/身長の2乗）の計算
height_data['BMI'] = height_data['体重(kg)'] / (height_data['身長(cm)'] / 100) ** 2
print("\nBMI:")
print(height_data[['名前', 'BMI']])

import pandas as pd
import numpy as np

# 総合的なサンプルデータ
comprehensive_data = pd.DataFrame({
    # 質的変数（名義尺度）
    '学生ID': ['S001', 'S002', 'S003', 'S004', 'S005'],
    '性別': ['男性', '女性', '男性', '女性', '男性'],
    '出身地': ['東京', '大阪', '東京', '福岡', '北海道'],
    
    # 質的変数（順序尺度）
    '学年': ['1年', '2年', '3年', '1年', '2年'],
    '成績評価': ['優', '良', '優', '可', '良'],
    
    # 量的変数（間隔尺度）
    'IQ': [110, 125, 105, 130, 115],
    
    # 量的変数（比率尺度）
    '年齢': [16, 17, 18, 16, 17],
    '身長': [165, 158, 172, 160, 168],
    '数学': [85, 92, 78, 88, 95],
    '英語': [78, 85, 82, 90, 88]
})

print("サンプルデータ:")
print(comprehensive_data)

def classify_variable_type(series):
    """
    変数の種類を判定する関数
    """
    # データ型を確認
    dtype = series.dtype
    unique_count = series.nunique()
    total_count = len(series)
    
    # 数値型かどうか
    if pd.api.types.is_numeric_dtype(series):
        # ユニーク値が少ない場合は順序尺度の可能性
        if unique_count < 10 and unique_count < total_count * 0.5:
            return "質的変数（順序尺度の可能性）"
        else:
            return "量的変数"
    else:
        # 文字列型の場合
        if unique_count < 10:
            return "質的変数（名義尺度または順序尺度）"
        else:
            return "質的変数（名義尺度）"

# 各変数の種類を判定
print("\n変数の種類判定:")
for column in comprehensive_data.columns:
    var_type = classify_variable_type(comprehensive_data[column])
    print(f"{column}: {var_type}")

# 質的変数の分析: 度数分布
print("\n=== 質的変数の分析 ===")
print("\n性別の度数分布:")
print(comprehensive_data['性別'].value_counts())

print("\n出身地の度数分布:")
print(comprehensive_data['出身地'].value_counts())

# 量的変数の分析: 基本統計量
print("\n=== 量的変数の分析 ===")
quantitative_cols = ['年齢', '身長', '数学', '英語', 'IQ']
print("\n基本統計量:")
print(comprehensive_data[quantitative_cols].describe())

# 相関分析（量的変数のみ）
print("\n相関係数:")
print(comprehensive_data[quantitative_cols].corr())

import matplotlib.pyplot as plt
import japanize_matplotlib  # 日本語表示用

# グラフ設定
fig, axes = plt.subplots(2, 2, figsize=(12, 10))

# 質的変数: 棒グラフ
comprehensive_data['性別'].value_counts().plot(
    kind='bar',
    ax=axes[0, 0],
    title='性別の分布',
    color='skyblue'
)
axes[0, 0].set_ylabel('人数')

# 質的変数: 円グラフ
comprehensive_data['出身地'].value_counts().plot(
    kind='pie',
    ax=axes[0, 1],
    title='出身地の分布',
    autopct='%1.1f%%'
)

# 量的変数: ヒストグラム
axes[1, 0].hist(comprehensive_data['数学'], bins=5, color='lightgreen', edgecolor='black')
axes[1, 0].set_title('数学の点数分布')
axes[1, 0].set_xlabel('点数')
axes[1, 0].set_ylabel('人数')

# 量的変数: 箱ひげ図
comprehensive_data[['数学', '英語']].boxplot(ax=axes[1, 1])
axes[1, 1].set_title('数学と英語の点数比較')
axes[1, 1].set_ylabel('点数')

plt.tight_layout()
plt.show()