アニメデータの基礎分析

アニメデータの基礎分析#

準備#

Import#

Hide code cell content 
# warningsモジュールのインポート
import warnings

# データ解析や機械学習のライブラリ使用時の警告を非表示にする目的で警告を無視
# 本書の文脈では、可視化の学習に議論を集中させるために選択した
# ただし、学習以外の場面で、警告を無視する設定は推奨しない
warnings.filterwarnings("ignore")
Hide code cell content 
# pathlibモジュールのインポート
# ファイルシステムのパスを扱う
from pathlib import Path

# numpy：数値計算ライブラリのインポート
# npという名前で参照可能
import numpy as np

# pandas：データ解析ライブラリのインポート
# pdという名前で参照可能
import pandas as pd

# tqdm_notebookのインポート
# Jupyter Notebook環境でのプログレスバー表示に使用
# tqdmという名前で参照可能
from tqdm import tqdm_notebook as tqdm

変数#

Hide code cell content 
# 読み込み対象ディレクトリの定義

# アニメデータが保存されているディレクトリのパス
DIR_IN = Path("../../../data/an/input")
Hide code cell content 
# 読み込み対象ファイル名の定義

# アニメ各話に関するファイル
FN_AE = "an_ae.csv"

# アニメ作品と原作者の対応関係に関するファイル
FN_AC_CRT = "an_ac_crt.csv"

# アニメ作品と声優の対応関係に関するファイル
FN_AC_ACT = "an_ac_act.csv"

an_ae.csvの基礎分析#

Hide code cell content 
# pandasのread_csv関数でCSVファイルの読み込み
df_ae = pd.read_csv(DIR_IN / FN_AE)

全体像の把握#

Hide code cell content 
# df_aeデータフレームの先頭5行を転置して表示
df_ae.head().T
0 1 2 3 4
aeid M19760 M19761 M19762 M19763 M19764
aename アトム誕生の巻＊ フランケンの巻＊ 火星探険の巻＊ ゲルニカの巻＊ スフィンクスの巻＊
date 1963-01-01 1963-01-08 1963-01-15 1963-01-22 1963-01-29
aeno 第1話 第2話 第3話 第4話 第5話
acid C7163 C7163 C7163 C7163 C7163
acname 鉄腕アトム 鉄腕アトム 鉄腕アトム 鉄腕アトム 鉄腕アトム
asid C979 C979 C979 C979 C979
Hide code cell content 
# df_aeデータフレームの形状（行数・列数）を取得
# shape属性を使用すると、(行数, 列数)の形で結果が返される
df_ae.shape

(111041, 7)
Hide code cell content 
# df_aeデータフレーム内の欠損値（NaN）の情報を集計
# isna()メソッドを使用して欠損値の場所をTrueとして特定
# その後、agg()メソッドを使用して、各列における欠損値の合計と平均を計算
df_ae.isna().agg([sum, "mean"])
aeid aename date aeno acid acname asid
sum 0.0 2676.000000 0.0 606.000000 0.0 0.0 402.00000
mean 0.0 0.024099 0.0 0.005457 0.0 0.0 0.00362
Hide code cell content 
# df_aeデータフレームの記述統計情報を取得
# describe()メソッドを使用して、各列の基本的な統計量を表示
df_ae.describe()
aeid aename date aeno acid acname asid
count 111041 108365 111041 110435 111041 111041 110639
unique 111041 105955 10360 4844 3637 3631 2527
top M19760 [総集編] 2015-10-04 1 C8849 クレヨンしんちゃん C1462
freq 1 68 66 3207 1926 1926 2084
Hide code cell content 
# df_aeデータフレームの各列に対してユニークな値の数をカウント
# nunique()メソッドを使用して、各列のユニークな値の数を計算
# その後、結果を新しいデータフレームとして整形し、列名を`nunique`とする
df_ae.nunique().reset_index(name="nunique")
index nunique
0 aeid 111041
1 aename 105955
2 date 10360
3 aeno 4844
4 acid 3637
5 acname 3631
6 asid 2527

date列の深掘り#

Hide code cell content 
# df_aeデータフレームの`date`列から最も古い日付と最も新しい日付を取得
# min()メソッドを使用して、最も古い日付を抽出
# max()メソッドを使用して、最も新しい日付を抽出
df_ae["date"].min(), df_ae["date"].max()

('1963-01-01', '2017-10-15')
Hide code cell content 
# `date`列を日付型に変換
# pd.to_datetime()メソッドを使用して、文字列型の日付を日付型(datetime)に変換
df_ae["date"] = pd.to_datetime(df_ae["date"])

# 年に関する情報を新しい`year`列として追加
# dt.yearを使用して、日付から年のみを取得
df_ae["year"] = df_ae["date"].dt.year

# 月に関する情報を新しい`month`列として追加
# dt.monthを使用して、日付から月のみを取得
df_ae["month"] = df_ae["date"].dt.month

# 曜日に関する情報を新しい`weekday`列として追加
# dt.weekdayを使用して、日付から曜日の情報を数値(0:月曜日, 6:日曜日)として取得
df_ae["weekday"] = df_ae["date"].dt.weekday
Hide code cell content 
# `year`（年）ごとに各カラムのユニークな値の数を集計
# 具体的には、groupbyメソッドで`year`を基準にグループ化し、
# nuniqueメソッドを使用して各カラムのユニークな値の数を計算
# その後、reset_indexメソッドでインデックスをリセットし、データフレームとして結果を返す
df_ae.groupby("year")[["month", "asid", "acid", "aeid"]].nunique().reset_index()
year month asid acid aeid
0 1963 12 1 2 59
1 1964 12 1 2 99
2 1965 12 1 2 76
3 1966 12 1 1 45
4 1971 3 1 1 10
5 1972 3 1 1 13
6 1974 12 2 2 65
7 1975 3 1 1 13
8 1979 9 1 1 39
9 1980 1 1 1 4
10 1990 10 17 17 350
11 1991 12 50 52 1749
12 1992 12 63 64 1944
13 1993 12 53 54 1741
14 1994 12 57 59 1919
15 1995 12 62 64 1838
16 1996 12 63 67 2000
17 1997 12 73 76 1899
18 1998 12 104 108 2699
19 1999 12 137 148 2948
20 2000 12 130 144 3401
21 2001 12 161 173 3850
22 2002 12 171 187 4000
23 2003 12 201 215 4501
24 2004 12 217 241 4775
25 2005 12 222 245 5080
26 2006 12 287 315 6222
27 2007 12 284 306 6015
28 2008 12 268 302 5978
29 2009 12 248 267 5276
30 2010 12 205 236 4589
31 2011 12 193 221 4345
32 2012 12 223 254 5319
33 2013 12 260 291 5564
34 2014 12 296 332 6730
35 2015 12 262 301 6199
36 2016 12 309 346 7044
37 2017 10 164 166 2643
Hide code cell content 
# headコマンドを用いて、ae_dropped.csvの先頭10行を確認
!head ../../../data/an/interim/ae_dropped.csv

aeid,aename,date,aeno,acid,acname,asid
M817508,サラリーマン冒険者,2017-10-03,第1話,,,
M817557,美女と少年,2017-10-03,1,,,
M817593,第一話「さくやこのはな」,2017-10-05,1,,,
M817533,「猪も七代目には豚になる」,2017-10-06,1,,,
M817545,『人を殺すことができる国』,2017-10-06,1,,,
M817496,フォスフォフィライト,2017-10-07,1,,,
M817520,理由あって、アイドル！,2017-10-07,第1話,,,
M817581,ショコラウサギちゃんとみんなの夢,2017-10-07,1,,,
M817484,「私たちの大事な世界の全てだった」,2017-10-08,1,,,
Hide code cell content 
# wcコマンドを用いて、ae_dropped.csvの行数をカウント
!wc -l ../../../data/an/interim/ae_dropped.csv

2155 ../../../data/an/interim/ae_dropped.csv
Hide code cell content 
# grepコマンドで、シティーハンターを含む文字列をae_dropped.csvから抽出
!grep シティーハンター ../../../data/an/interim/ae_dropped.csv

M22564,,,,C8031,シティーハンター,C6942
M22642,,,,C8317,シティーハンター2,C6942
M38486,　　　　,,,C9275,シティーハンタースペシャル'96 ザ・シークレット・サービス,C6942
Hide code cell content 
# `weekday`（曜日）ごとに各カラムのユニークな値の数を集計
# 具体的には、groupbyメソッドで`weekday`を基準にグループ化し、
# nuniqueメソッドを使用して各カラムのユニークな値の数を計算
# その後、reset_indexメソッドでインデックスをリセットし、データフレームとして結果を返す
df_ae.groupby("weekday")[["asid", "acid", "aeid"]].nunique().reset_index()
weekday asid acid aeid
0 0 575 734 14554
1 1 583 773 13572
2 2 578 731 13181
3 3 572 738 13060
4 4 723 903 17066
5 5 656 834 19837
6 6 611 777 19771

acid、acname列の深掘り#

Hide code cell content 
# `acid`ごとにユニークな`acname`の数を集計し、その統計情報を取得
df_ae.groupby("acid")["acname"].nunique().describe().reset_index()
index acname
0 count 3637.0
1 mean 1.0
2 std 0.0
3 min 1.0
4 25% 1.0
5 50% 1.0
6 75% 1.0
7 max 1.0
Hide code cell content 
# `acname`ごとにユニークな`acid`の数を集計し、その統計情報を取得
df_ae.groupby("acname")["acid"].nunique().describe().reset_index()
index acid
0 count 3631.000000
1 mean 1.001652
2 std 0.040622
3 min 1.000000
4 25% 1.000000
5 50% 1.000000
6 75% 1.000000
7 max 2.000000
Hide code cell content 
# `acname`ごとにユニークな`acid`の数を集計
df_tmp = df_ae.groupby("acname")["acid"].nunique().reset_index()

# `acid`が複数ある`acname`を抽出
df_tmp[df_tmp["acid"] > 1]
acname acid
9 100％ パスカル先生 2
82 BUZZER BEATER 2
202 Fate/Zero 2
739 うっかりペネロペ 2
975 じゃがいぬくん 2
3588 魔法陣グルグル 2
Hide code cell content 
# `df_ae`から`acname`が`100％ パスカル先生`である行を抽出
# 見やすいように特定の列を抽出
df_ae[df_ae["acname"] == "100％ パスカル先生"][["aename", "acid", "acname", "asid"]]
aename acid acname asid
107203 [第1話] C16019 100％ パスカル先生 C6536
107926 [第2話] C16019 100％ パスカル先生 C6536
109088 1時間目 その名もパスカル先生 C16134 100％ パスカル先生 C6536
109089 2時間目 完璧[パーフェクト]プレート C16134 100％ パスカル先生 C6536
109184 1時間目 恐怖!100!身体検査 C16134 100％ パスカル先生 C6536
... ... ... ... ...
110958 2時間目 完璧[パーフェクト]プレート C16134 100％ パスカル先生 C6536
110959 3時間目 明日[あした]使えるヒエログリフ講座 C16134 100％ パスカル先生 C6536
111014 1時間目 体育大魔王 襲来!! C16134 100％ パスカル先生 C6536
111015 2時間目 完璧[パーフェクト]プレート C16134 100％ パスカル先生 C6536
111016 3時間目 アメリカ横断パスカリングリッシュ C16134 100％ パスカル先生 C6536

73 rows × 4 columns

Hide code cell content 
# `df_ae`で各アニメ作品(`acname`)ごとにユニークなアニメ各話(`aeid`)の数を集計
# その後、降順にソートして上位10件を表示
df_ae.groupby("acname")["aeid"].nunique().sort_values(
    ascending=False
).reset_index().head(10)
acname aeid
0 クレヨンしんちゃん 1926
1 親子クラブ 1363
2 サザエさん 1175
3 ちびまる子ちゃん［新］ 994
4 それいけ！アンパンマン 958
5 ONE PIECE 783
6 しましまとらの しまじろう 751
7 名探偵コナン 729
8 あたしンち 668
9 ドラえもん［新・第2期］ 608
Hide code cell content 
# `df_ae`から、各アニメ作品ID(`acid`)ごとに
# 最初のアニメ作品名(`acname`)と年(`year`)を取得
df_tmp = df_ae.groupby("acid")[["acname", "year"]].first().reset_index()
# アニメ作品名(`acname`)の文字数を新しいカラム`l_acname`として追加
df_tmp["l_acname"] = df_tmp["acname"].str.len()
Hide code cell content 
# アニメ作品名(`acname`)の文字数(`l_acname`)に関する統計量を取得
df_tmp["l_acname"].describe().reset_index()
index l_acname
0 count 3637.000000
1 mean 14.134177
2 std 9.486087
3 min 1.000000
4 25% 8.000000
5 50% 12.000000
6 75% 18.000000
7 max 167.000000
Hide code cell content 
# アニメ作品名(`acname`)の文字数(`l_acname`)が長い上位10作品を取得
df_tmp.sort_values("l_acname", ascending=False).head(10)
acid acname year l_acname
2908 C16008 Occultic;Nine THERE ARE NO SUCH THING AS “OCCU... 2016 167
2218 C15007 キャプテン･アース WHEN I OPENED THE DOOR CALLED TRUTH,... 2014 104
2394 C15395 四月は君の嘘　I met the girl　 under full-bloomed cher... 2014 93
2153 C14933 LOVELY❤ムービー いとしのムーコ Lovely Muuuuuuuco! The hap... 2013 88
2205 C14994 アオハライド THE SCENT OF AIR AFTER THE RAIN… I HEAR... 2014 76
2331 C15278 ローリング☆ガールズ Rolling, Falling, Scrambling. For o... 2015 67
2843 C15917 アンジュ・ヴィエルジュ “Progress“:Girls facing destiny ag... 2016 66
2089 C14862 戦姫絶唱 シンフォギアG In the distance,that day,when the... 2013 65
2449 C15451 艦隊これくしょん 艦 これ Fleet Girls Collection KanColle ... 2015 64
2629 C15667 コメットルシファーNOW ADVENTURE BEGINS-WITH YOU. FRIEND... 2015 63
Hide code cell content 
# 各初回放送年(`year`)ごとのアニメ作品名の文字数(`l_acname`)に関する統計量を集計
df_tmp.groupby("year")["l_acname"].describe()
count mean std min 25% 50% 75% max
year
1963 2.0 5.000000 0.000000 5.0 5.00 5.0 5.00 5.0
1971 1.0 5.000000 NaN 5.0 5.00 5.0 5.00 5.0
1974 2.0 8.500000 2.121320 7.0 7.75 8.5 9.25 10.0
1979 1.0 8.000000 NaN 8.0 8.00 8.0 8.00 8.0
1990 17.0 10.705882 3.869184 5.0 8.00 10.0 14.00 20.0
1991 37.0 11.891892 4.903422 5.0 8.00 11.0 16.00 23.0
1992 37.0 11.162162 4.645867 6.0 8.00 10.0 13.00 24.0
1993 24.0 9.625000 3.449165 4.0 8.50 9.0 11.25 19.0
1994 33.0 10.515152 5.166728 5.0 7.00 9.0 11.00 26.0
1995 34.0 10.500000 3.925441 4.0 7.00 10.5 13.75 18.0
1996 40.0 10.325000 5.273968 4.0 7.75 10.0 12.00 35.0
1997 46.0 10.782609 4.816237 4.0 8.00 10.0 13.00 29.0
1998 78.0 12.346154 7.253887 3.0 8.00 10.0 15.75 45.0
1999 108.0 12.314815 6.727886 3.0 8.75 11.0 15.25 40.0
2000 84.0 13.440476 8.322348 3.0 8.00 11.0 16.00 43.0
2001 113.0 12.964602 7.569829 1.0 8.00 11.0 16.00 43.0
2002 116.0 12.224138 6.570138 4.0 8.00 11.0 14.00 37.0
2003 134.0 13.000000 7.188127 3.0 8.00 12.0 15.75 44.0
2004 157.0 14.019108 9.209437 2.0 8.00 12.0 19.00 61.0
2005 151.0 13.980132 8.119499 2.0 8.00 12.0 18.00 38.0
2006 212.0 14.448113 8.705946 2.0 8.00 13.0 18.00 57.0
2007 203.0 13.197044 7.761328 3.0 8.00 11.0 17.00 43.0
2008 200.0 13.230000 7.458906 3.0 8.00 11.0 18.00 37.0
2009 176.0 13.323864 7.556469 3.0 7.75 12.0 17.00 43.0
2010 151.0 14.735099 8.858670 2.0 8.50 13.0 19.00 53.0
2011 164.0 14.054878 9.379035 2.0 8.00 11.0 18.00 54.0
2012 176.0 14.948864 10.790085 1.0 8.00 12.0 17.25 62.0
2013 205.0 15.834146 11.554721 3.0 9.00 13.0 19.00 88.0
2014 257.0 15.731518 12.200870 3.0 9.00 13.0 18.00 104.0
2015 245.0 17.044898 11.041001 3.0 10.00 14.0 22.00 67.0
2016 269.0 17.442379 14.287605 2.0 9.00 14.0 23.00 167.0
2017 164.0 12.664634 6.920475 2.0 7.00 11.0 16.00 36.0

asid列の深堀り#

Hide code cell content 
# `asid`ごとにユニークな`acid`の数を集計し、その統計情報を取得
df_ae.groupby("asid")["acid"].nunique().describe().reset_index()
index acid
0 count 2527.000000
1 mean 1.436486
2 std 1.259258
3 min 1.000000
4 25% 1.000000
5 50% 1.000000
6 75% 1.000000
7 max 26.000000
Hide code cell content 
# `acid`ごとにユニークな`asid`の数を集計し、その統計情報を取得
# `asid`には欠損があるため事前に除外して集計
df_ae[~df_ae["asid"].isna()].groupby("acid")["asid"].nunique().describe().reset_index()
index asid
0 count 3630.0
1 mean 1.0
2 std 0.0
3 min 1.0
4 25% 1.0
5 50% 1.0
6 75% 1.0
7 max 1.0
Hide code cell content 
# df_aeデータフレームを'date'列で昇順に並び替えてから、'asid'でグループ化
# その後、各グループに対して'acid'と'aeid'のユニークな値の数を計算し、'acname'の最初の値を取得
# reset_index()で、結果のインデックスをリセットして、それを新しいデータフレームdf_tmpとして取得
df_tmp = (
    df_ae.sort_values("date")
    .groupby("asid")
    .agg({"acid": "nunique", "aeid": "nunique", "acname": "first"})
    .reset_index()
)

# df_tmpデータフレームを'acid'列の値で降順に並び替えて、上位10行を表示
df_tmp.sort_values("acid", ascending=False).head(10)
asid acid aeid acname
98 C1462 26 2084 忍たま 乱太郎［第1期］
310 C2158 20 1653 おじゃる丸
2502 C6820 15 480 ビーストウォーズⅡ
1354 C4102 14 1245 いない いない ばあっ![第4期]
696 C2833 14 659 ふたりはプリキュア
597 C2650 13 551 デュエル・マスターズ
237 C1985 13 862 ポケットモンスター
1669 C4727 10 138 てーきゅう
1550 C4517 10 370 CARDFIGHT!! ヴァンガード
458 C2454 9 410 爆転シュート ベイブレード
Hide code cell content 
# 'asid'が"C1462"の行だけを選択して、'acname'でグループ化した後、'aeid'のユニークな値の数と'date'の最小値を集計
# reset_index()で、結果のインデックスをリセットして、それを新しいデータフレームdf_nintamaとして取得
df_nintama = (
    df_ae[df_ae["asid"] == "C1462"]
    .groupby("acname")
    .agg({"aeid": "nunique", "date": "min"})
    .reset_index()
)

# df_nintamaデータフレームを'date'列で昇順に並び替え
# sort_values("date")で、'date'列を基準に昇順でデータを並び替え
df_nintama.sort_values("date")
acname aeid date
10 忍たま 乱太郎［第1期］ 95 1993-04-10
12 忍たま乱太郎 第2期 120 1994-10-03
17 忍たま乱太郎[第3期] 120 1995-10-02
18 忍たま乱太郎[第4期] 120 1996-04-01
19 忍たま乱太郎[第5期] 100 1997-10-06
20 忍たま乱太郎[第6期] 60 1998-04-06
21 忍たま乱太郎[第7期] 80 1999-04-05
2 忍たま 乱太郎 [第8期] 83 1999-12-31
25 忍たま乱太郎［第9期］ 85 2000-12-23
22 忍たま乱太郎［第10期］ 82 2002-03-21
13 忍たま乱太郎[第11期] 82 2003-04-07
23 忍たま乱太郎［第12期］ 83 2004-03-20
24 忍たま乱太郎［第13期］ 58 2004-12-31
4 忍たま 乱太郎[第14期] 50 2006-04-03
5 忍たま 乱太郎[第15期] 53 2007-04-02
14 忍たま乱太郎[第16期] 100 2008-03-31
15 忍たま乱太郎[第17期] 90 2009-03-30
6 忍たま 乱太郎[第18期] 90 2010-03-29
7 忍たま 乱太郎[第19期] 90 2011-03-28
8 忍たま 乱太郎[第20期] 90 2012-04-02
0 忍たま 乱太郎 [第21期] 76 2013-03-20
11 忍たま 乱太郎［第22期］ 75 2014-04-01
9 忍たま 乱太郎[第23期] 70 2015-03-30
3 忍たま 乱太郎 の 宇宙 大冒険 with コズミック フロント☆ N E X T 2 2016-02-11
1 忍たま 乱太郎 [第24期] 70 2016-04-04
16 忍たま乱太郎[第25期] 60 2017-04-03
Hide code cell content 
# ユニークなaeid数に対して降順にソートし、上位10件を表示
df_tmp.sort_values("aeid", ascending=False).head(10)
asid acid aeid acname
98 C1462 26 2084 忍たま 乱太郎［第1期］
70 C1327 1 1926 クレヨンしんちゃん
310 C2158 20 1653 おじゃる丸
146 C1640 1 1363 親子クラブ
1354 C4102 14 1245 いない いない ばあっ![第4期]
112 C1497 4 1207 しましまとらの しまじろう
226 C1945 1 1175 サザエさん
0 C1022 1 994 ちびまる子ちゃん［新］
2515 C7048 1 958 それいけ！アンパンマン
283 C2116 8 920 遊☆戯☆王

aeid、aename、aenoの深堀り#

Hide code cell content 
# `aeid`ごとにユニークな`aename`の数を集計し、その統計情報を取得
df_ae.groupby("aeid")["aename"].nunique().describe().reset_index()
index aename
0 count 111041.000000
1 mean 0.975901
2 std 0.153358
3 min 0.000000
4 25% 1.000000
5 50% 1.000000
6 75% 1.000000
7 max 1.000000
Hide code cell content 
# df_aeから`aename`が存在する列を抽出したうえで
# `aeid`ごとにユニークな`aename`の数を集計し、その統計情報を取得
df_ae[~df_ae["aename"].isna()].groupby("aeid")[
    "aename"
].nunique().describe().reset_index()
index aename
0 count 108365.0
1 mean 1.0
2 std 0.0
3 min 1.0
4 25% 1.0
5 50% 1.0
6 75% 1.0
7 max 1.0
Hide code cell content 
# `aename`ごとにユニークな`aeid`の数を集計し、その統計情報を取得
df_ae.groupby("aename")["aeid"].nunique().describe().reset_index()
index aeid
0 count 105955.000000
1 mean 1.022746
2 std 0.332036
3 min 1.000000
4 25% 1.000000
5 50% 1.000000
6 75% 1.000000
7 max 68.000000
Hide code cell content 
# `aename`ごとにユニークな`aeid`の数を集計
df_tmp = df_ae.groupby("aename")["aeid"].nunique().reset_index(name="n_ae")

# `n_ae`に関して降順ソートし、上位五つを表示
df_tmp.sort_values("n_ae", ascending=False).head()
aename n_ae
14994 [総集編] 68
4167 2時間目 完璧[パーフェクト]プレート 25
29650 てんすけの ふるさとめぐり 25
13692 [サブタイトル表示なし] 20
14713 [第1話] 17
Hide code cell content 
# aenameが2時間目 完璧[パーフェクト]プレートと一致する行を抽出
# 見やすさのため、特定の列のみ表示
df_ae[df_ae["aename"] == "2時間目 完璧[パーフェクト]プレート"][
    ["date", "acname", "aeid", "aename"]
]
date acname aeid aename
109089 2017-04-15 100％ パスカル先生 M135357 2時間目 完璧[パーフェクト]プレート
109185 2017-04-22 100％ パスカル先生 M135359 2時間目 完璧[パーフェクト]プレート
109276 2017-04-29 100％ パスカル先生 M135362 2時間目 完璧[パーフェクト]プレート
109362 2017-05-06 100％ パスカル先生 M135364 2時間目 完璧[パーフェクト]プレート
109455 2017-05-13 100％ パスカル先生 M135367 2時間目 完璧[パーフェクト]プレート
109546 2017-05-20 100％ パスカル先生 M135369 2時間目 完璧[パーフェクト]プレート
109632 2017-05-27 100％ パスカル先生 M135372 2時間目 完璧[パーフェクト]プレート
109717 2017-06-03 100％ パスカル先生 M135374 2時間目 完璧[パーフェクト]プレート
109809 2017-06-10 100％ パスカル先生 M135377 2時間目 完璧[パーフェクト]プレート
109895 2017-06-17 100％ パスカル先生 M135380 2時間目 完璧[パーフェクト]プレート
109978 2017-06-24 100％ パスカル先生 M135383 2時間目 完璧[パーフェクト]プレート
110032 2017-07-01 100％ パスカル先生 M135386 2時間目 完璧[パーフェクト]プレート
110100 2017-07-08 100％ パスカル先生 M135389 2時間目 完璧[パーフェクト]プレート
110180 2017-07-15 100％ パスカル先生 M135392 2時間目 完璧[パーフェクト]プレート
110257 2017-07-22 100％ パスカル先生 M135395 2時間目 完璧[パーフェクト]プレート
110336 2017-07-29 100％ パスカル先生 M135398 2時間目 完璧[パーフェクト]プレート
110414 2017-08-05 100％ パスカル先生 M135401 2時間目 完璧[パーフェクト]プレート
110483 2017-08-12 100％ パスカル先生 M135404 2時間目 完璧[パーフェクト]プレート
110564 2017-08-19 100％ パスカル先生 M135407 2時間目 完璧[パーフェクト]プレート
110643 2017-08-26 100％ パスカル先生 M135410 2時間目 完璧[パーフェクト]プレート
110722 2017-09-02 100％ パスカル先生 M135413 2時間目 完璧[パーフェクト]プレート
110801 2017-09-09 100％ パスカル先生 M135416 2時間目 完璧[パーフェクト]プレート
110880 2017-09-16 100％ パスカル先生 M135419 2時間目 完璧[パーフェクト]プレート
110958 2017-09-23 100％ パスカル先生 M135422 2時間目 完璧[パーフェクト]プレート
111015 2017-09-30 100％ パスカル先生 M135425 2時間目 完璧[パーフェクト]プレート

an_ac_crt.csvの基礎分析#

Hide code cell content 
# pandasのread_csv関数でCSVファイルの読み込み
df_ac_crt = pd.read_csv(DIR_IN / FN_AC_CRT)

全体像の把握#

Hide code cell content 
# df_ac_crtデータフレームの先頭5行を転置して表示
df_ac_crt.head().T
0 1 2 3 4
acid C10010 C12657 C12663 C12681 C13191
acname グラビテーション ヒピラくん 原作/大友克洋 カウボーイ ビバップ[WOWOW放送版] ドラえもん［新］ HUNTER × HUNTER[新]
asid C2336 C3943 C2111 NaN C2136
n_ae 13 10 26 224 149
first_date 2000-10-04 2009-12-21 1998-10-24 1999-12-03 2011-10-02
last_date 2001-01-10 2009-12-24 1999-04-24 2005-03-18 2014-09-24
crtid ACRT00944 ACRT00733 ACRT01173 ACRT01283 ACRT00647
crtname 村上真紀 大友克洋 矢立肇 藤子・F・不二雄 冨樫義博
Hide code cell content 
# df_ac_crtデータフレームの形状（行数・列数）を取得
# shape属性を使用すると、(行数, 列数)の形で結果が返される
df_ac_crt.shape

(1494, 8)
Hide code cell content 
# df_ac_crtデータフレーム内の欠損値（NaN）の情報を集計
# isna()メソッドを使用して欠損値の場所をTrueとして特定
# その後、agg()メソッドを使用して、各列における欠損値の合計と平均を計算
df_ac_crt.isna().agg([sum, "mean"])
acid acname asid n_ae first_date last_date crtid crtname
sum 0.0 0.0 2.000000 0.0 0.0 0.0 0.0 0.0
mean 0.0 0.0 0.001339 0.0 0.0 0.0 0.0 0.0
Hide code cell content 
# df_ac_crtデータフレームの記述統計情報を取得
# describe()メソッドを使用して、各列の中央値、平均、標準偏差などの基本的な統計量を表示
df_ac_crt.describe()
n_ae
count 1494.000000
mean 27.911647
std 47.584073
min 1.000000
25% 12.000000
50% 13.000000
75% 27.000000
max 1175.000000
Hide code cell content 
# df_ac_crtデータフレームの各列に対してユニークな値の数をカウント
# nunique()メソッドを使用して、各列のユニークな値の数を計算
# その後、結果を新しいデータフレームとして整形し、列名を"nunique"とする
df_ac_crt.nunique().reset_index(name="nunique")
index nunique
0 acid 1107
1 acname 1106
2 asid 896
3 n_ae 111
4 first_date 545
5 last_date 580
6 crtid 1056
7 crtname 1056
Hide code cell content 
# `acid`と`crtid`の組み合わせで重複する行の数をカウント
df_ac_crt.duplicated(subset=["acid", "crtid"]).sum()

0
Hide code cell content 
# `df_ac_crt`と`df_ae`で共通の`ccid`の数を取得
n_acid_w_crt = len(set(df_ac_crt["acid"].unique()) & set(df_ae["acid"].unique()))

# `df_ae`内のユニークな`acid`の数を取得
n_acid = df_ae["acid"].nunique()

# カバー率を計算して表示
print(f"{n_acid_w_crt} / {n_acid} = {n_acid_w_crt / n_acid}")

1107 / 3637 = 0.30437173494638436

acid、acname列の深掘り#

Hide code cell content 
# `acid`と`acname`ごとにユニークな`crtid`の数を集計し、結果の統計情報を取得
df_ac_crt.groupby(["acid", "acname"])["crtid"].nunique().describe().reset_index()
index crtid
0 count 1107.000000
1 mean 1.349593
2 std 0.573454
3 min 1.000000
4 25% 1.000000
5 50% 1.000000
6 75% 2.000000
7 max 4.000000
Hide code cell content 
# `acid`と`acname`ごとにユニークな`crtid`の数を集計
# その後、降順にソートして、紐づいている原作者が多いアニメ作品を上位に表示
df_ac_crt.groupby(["acid", "acname"])["crtid"].nunique().sort_values(
    ascending=False
).reset_index().head()
acid acname crtid
0 C16041 ぼのぼの[新] 4
1 C15430 てさぐれ! 部活もの すぴんおふ プルプルんシャルム と遊ぼう 4
2 C16202 トミカハイパーレスキュー ドライブヘッド -機動救急警察- 4
3 C16039 フューチャーカード バディファイト DDD 4
4 C16067 BORUTO -ボルト- NARUTO NEXT GENERATIONS 3
Hide code cell content 
# `acid`が`C16041`であるレコードを`df_ac_crt`から抽出
df_ac_crt[df_ac_crt["acid"] == "C16041"]
acid acname asid n_ae first_date last_date crtid crtname
881 C16041 ぼのぼの[新] C1491 38 2016-04-02 2016-12-24 ACRT00153 いがらしみきお
882 C16041 ぼのぼの[新] C1491 38 2016-04-02 2016-12-24 ACRT00270 アイ・エム・オー
883 C16041 ぼのぼの[新] C1491 38 2016-04-02 2016-12-24 ACRT00321 オフィス・コウキ
884 C16041 ぼのぼの[新] C1491 38 2016-04-02 2016-12-24 ACRT01219 竹書房

asid列の深堀り#

Hide code cell content 
# `asid`ごとにユニークな`crtid`の数を集計し、結果の統計情報を取得
df_ac_crt.groupby("asid")["crtid"].nunique().describe().reset_index()
index crtid
0 count 896.000000
1 mean 1.380580
2 std 0.638803
3 min 1.000000
4 25% 1.000000
5 50% 1.000000
6 75% 2.000000
7 max 5.000000
Hide code cell content 
# df_ac_crtデータフレームを'first_date'列で昇順に並び替えて、'asid'でグループ化
# 次に、各グループにおける'crtid'（原作者ID）と'acid'（アニメ作品ID）のユニークな値の数を計算し、
# さらにそのグループの最初の'acname'（アニメ作品名）を取得
df_tmp = (
    df_ac_crt.sort_values("first_date")
    .groupby("asid")
    .agg({"crtid": "nunique", "acid": "nunique", "acname": "first"})
)

# 集計したデータフレームdf_tmpを'crtid'（原作者IDのユニークな数）で降順に並び替え
# そして、その結果の上位5行を表示して、最も多様な原作者と紐づいているasidを確認
df_tmp.sort_values("crtid", ascending=False).head()
crtid acid acname
asid
C2119 5 2 南海奇皇[第1期]
C3797 5 5 Fate/kaleid liner プリズマ ★イリヤ 2ｗｅｉ!
C3174 5 3 THE iDOLM＠STER シンデレラガールズ［第１期］
C5766 5 4 フューチャーカード バディファイト
C1240 4 1 トミカハイパーレスキュー ドライブヘッド -機動救急警察-

crtid、crtname列の深掘り#

Hide code cell content 
# `crtid`単位で`crtname`のユニーク数を集計し、その統計情報を取得
df_ac_crt.groupby("crtid")["crtname"].nunique().describe().reset_index()
index crtname
0 count 1056.0
1 mean 1.0
2 std 0.0
3 min 1.0
4 25% 1.0
5 50% 1.0
6 75% 1.0
7 max 1.0
Hide code cell content 
# `crtname`単位で`crtid`のユニーク数を集計し、その統計情報を取得
df_ac_crt.groupby("crtname")["crtid"].nunique().describe().reset_index()
index crtid
0 count 1056.0
1 mean 1.0
2 std 0.0
3 min 1.0
4 25% 1.0
5 50% 1.0
6 75% 1.0
7 max 1.0
Hide code cell content 
# `crtid`および`crtname`単位で、紐付けられている`acid`のユニーク数を集計
# その結果の基礎統計情報を取得
df_ac_crt.groupby(["crtid", "crtname"])["acid"].nunique().describe().reset_index()
index acid
0 count 1056.000000
1 mean 1.414773
2 std 1.280673
3 min 1.000000
4 25% 1.000000
5 50% 1.000000
6 75% 1.000000
7 max 29.000000
Hide code cell content 
# `crtname`単位で、紐付けられている`acid`のユニーク数を集計
# 結果を降順にソートし、上位10名の原作者とその紐づくアニメ作品数を抽出
df_ac_crt.groupby("crtname")["acid"].nunique().sort_values(
    ascending=False
).reset_index().head(10)
crtname acid
0 矢立肇 29
1 富野由悠季 10
2 尼子騒兵衛 10
3 ブシロード 9
4 ルーツ 9
5 Piyo 8
6 タツノコプロ 7
7 武内直子 6
8 サンリオ 6
9 あかほりさとる 6

n_ae列の深掘り#

Hide code cell content 
# `crtname`単位での`n_ae`の合計を集計
# その集計結果の記述統計量を算出
df_ac_crt.groupby("crtname")["n_ae"].sum().describe().reset_index()
index n_ae
0 count 1056.000000
1 mean 39.488636
2 std 77.386859
3 min 1.000000
4 25% 12.000000
5 50% 24.000000
6 75% 38.000000
7 max 1267.000000
Hide code cell content 
# `crtname`単位での`n_ae`の合計を集計し、降順にソート
# 上位10人の原作者を抽出
df_ac_crt.groupby("crtname")["n_ae"].sum().sort_values(
    ascending=False
).reset_index().head(10)
crtname n_ae
0 長谷川町子 1267
1 矢立肇 997
2 やなせたかし 958
3 尼子騒兵衛 817
4 サンリオ 644
5 ブシロード 363
6 犬丸りん 343
7 手塚治虫 328
8 富野由悠季 320
9 タツノコプロ 316
Hide code cell content 
# `df_ac_crt`から`クレヨンしんちゃん`のレコード数をカウント
(df_ac_crt["acname"] == "クレヨンしんちゃん").sum()

0

first_date、last_date列の深掘り#

Hide code cell content 
# `df_ac_crt`の`first_date`列をdatetime型に変換
df_ac_crt["first_date"] = pd.to_datetime(df_ac_crt["first_date"])
# `df_ac_crt`の`last_date`列をdatetime型に変換
df_ac_crt["last_date"] = pd.to_datetime(df_ac_crt["last_date"])
Hide code cell content 
# `df_ac_crt`から、原作者(`crtname`)ごとの最初の放送日(`first_date`)
# と最後の放送日(`last_date`)を集計
df_tmp = (
    df_ac_crt.groupby("crtname")[["first_date", "last_date"]]
    .agg({"first_date": "min", "last_date": "max"})
    .reset_index()
)

# 各原作者の活動期間を計算
df_tmp["duration"] = df_tmp["last_date"] - df_tmp["first_date"]

# 活動期間が長いトップ10の原作者を取得
df_tmp.sort_values(by="duration", ascending=False).head(10)
crtname first_date last_date duration
645 手塚治虫 1963-01-01 2017-07-08 19912 days
384 モンキー・パンチ 1971-10-24 2016-03-18 16217 days
864 矢立肇 1979-04-07 2016-12-25 13777 days
978 赤塚不二夫 1990-04-21 2016-12-13 9733 days
725 森下裕美 1991-04-11 2017-09-19 9658 days
947 藤子不二雄Ⓐ 1991-03-12 2017-06-19 9596 days
785 池田あきこ 1992-03-31 2016-12-31 9041 days
508 吉岡平 1993-01-25 2017-09-26 9010 days
751 横山光輝 1991-10-18 2016-03-26 8926 days
761 武内直子 1992-03-07 2016-06-27 8878 days

an_ac_act.csvの基礎分析#

Hide code cell content 
# pandasのread_csv関数でCSVファイルの読み込み
df_ac_act = pd.read_csv(DIR_IN / FN_AC_ACT)

全体像の把握#

Hide code cell content 
# df_ac_actデータフレームの先頭5行を転置して表示
df_ac_act.head().T
0 1 2 3 4
acid C10001 C10001 C10001 C10001 C10001
acname ギャラクシー エンジェル ギャラクシー エンジェル ギャラクシー エンジェル ギャラクシー エンジェル ギャラクシー エンジェル
asid C2483 C2483 C2483 C2483 C2483
n_ae 24 24 24 24 24
first_date 2001-04-08 2001-04-08 2001-04-08 2001-04-08 2001-04-08
last_date 2001-09-30 2001-09-30 2001-09-30 2001-09-30 2001-09-30
actid ACT00102 ACT05700 ACT06001 ACT01887 ACT02359
actname かないみか 保村真 吉野裕行 山口眞弓 新谷良子
wiki_size 116003.0 45464.0 149454.0 19635.0 73259.0
gender female male male female female
Hide code cell content 
# df_ac_actデータフレームの形状（行数・列数）を取得
# shape属性を使用すると、(行数, 列数)の形で結果が返される
df_ac_act.shape

(30492, 10)
Hide code cell content 
# df_ac_actデータフレーム内の欠損値（NaN）の情報を集計
# isna()メソッドを使用して欠損値の場所をTrueとして特定
# その後、agg()メソッドを使用して、各列における欠損値の合計と平均を計算
df_ac_act.isna().agg([sum, "mean"]).T
sum mean
acid 0.0 0.000000
acname 0.0 0.000000
asid 67.0 0.002197
n_ae 0.0 0.000000
first_date 0.0 0.000000
last_date 0.0 0.000000
actid 0.0 0.000000
actname 0.0 0.000000
wiki_size 0.0 0.000000
gender 0.0 0.000000
Hide code cell content 
# df_ac_actデータフレームの記述統計情報を取得
# describe()メソッドを使用して、各列の中央値、平均、標準偏差などの基本的な統計量を表示
df_ac_act.describe()
n_ae wiki_size
count 30492.000000 30492.000000
mean 29.810245 120299.661124
std 71.504224 95596.818847
min 1.000000 84.000000
25% 12.000000 40113.000000
50% 13.000000 93599.000000
75% 26.000000 183982.000000
max 1926.000000 393910.000000
Hide code cell content 
# df_ac_actデータフレームの各列に対してユニークな値の数をカウント
# nunique()メソッドを使用して、各列のユニークな値の数を計算
# その後、結果を新しいデータフレームとして整形し、列名を"nunique"とする
df_ac_act.nunique().reset_index(name="nunique")
index nunique
0 acid 2845
1 acname 2842
2 asid 1977
3 n_ae 150
4 first_date 1331
5 last_date 1478
6 actid 2998
7 actname 2998
8 wiki_size 2932
9 gender 2
Hide code cell content 
# `acid`と`crtid`の組み合わせで重複する行の数をカウント
df_ac_act.duplicated(subset=["acid", "actid"]).sum()

0
Hide code cell content 
# `df_ac_act`と`df_ae`で共通の`ccid`の数を取得
n_acid_w_act = len(set(df_ac_act["acid"].unique()) & set(df_ae["acid"].unique()))

# `df_ae`内のユニークな`acid`の数を取得
n_acid = df_ae["acid"].nunique()

# カバー率を計算して表示
print(f"{n_acid_w_act} / {n_acid} = {n_acid_w_act / n_acid}")

2845 / 3637 = 0.782238108331042

acid、acname列の分析#

Hide code cell content 
# acid、acnameに紐づいている声優数を集計
df_ac_act.groupby(["acid", "acname"])["actid"].nunique().describe().reset_index()
index actid
0 count 2845.000000
1 mean 10.717750
2 std 5.068738
3 min 1.000000
4 25% 7.000000
5 50% 11.000000
6 75% 15.000000
7 max 22.000000
Hide code cell content 
# 紐づいている声優数が多いアニメ作品を抽出
df_ac_act.groupby(["acid", "acname"])["actid"].nunique().sort_values(
    ascending=False
).reset_index().head()
acid acname actid
0 C14818 カーニヴァル 22
1 C15870 甲鉄城のカバネリ 22
2 C14716 キングダム 21
3 C13851 神様のメモ帳 It's the only NEET thing to do. 21
4 C14833 キングダム[第2期] 21
Hide code cell content 
# acidがC14818のデータを抽出し、見やすさのため特定の列のみ表示
df_ac_act[df_ac_act["acid"] == "C14818"][["acname", "actname", "gender"]]
acname actname gender
19711 カーニヴァル 下野紘 male
19712 カーニヴァル 中村悠一 male
19713 カーニヴァル 五十嵐裕美 female
19714 カーニヴァル 佐藤聡美 female
19715 カーニヴァル 保志総一朗 male
19716 カーニヴァル 入野自由 male
19717 カーニヴァル 前野智昭 male
19718 カーニヴァル 喜多村英梨 female
19719 カーニヴァル 宮野真守 male
19720 カーニヴァル 小野大輔 male
19721 カーニヴァル 岡本信彦 male
19722 カーニヴァル 平川大輔 male
19723 カーニヴァル 広瀬正志 male
19724 カーニヴァル 日笠陽子 female
19725 カーニヴァル 本名陽子 female
19726 カーニヴァル 矢作紗友里 female
19727 カーニヴァル 神谷浩史 male
19728 カーニヴァル 緒方賢一 male
19729 カーニヴァル 諏訪部順一 male
19730 カーニヴァル 豊永利行 male
19731 カーニヴァル 遊佐浩二 male
19732 カーニヴァル 遠藤綾 female

asid列の深堀り#

Hide code cell content 
# `asid`ごとにユニークな`actid`の数を集計し、結果の統計情報を取得
df_ac_act.groupby("asid")["actid"].nunique().describe().reset_index()
index actid
0 count 1977.000000
1 mean 12.465352
2 std 8.874857
3 min 1.000000
4 25% 7.000000
5 50% 12.000000
6 75% 16.000000
7 max 165.000000
Hide code cell content 
# まず、df_ac_actデータフレームを'first_date'列で昇順に並び替えて、'asid'でグループ化
# 次に、各グループにおける'actid'のユニークな値の数（活動の種類の数）と、
# 'acname'の最初の値（最初の活動名）を集計し、グループ化を解除して新しいデータフレームdf_tmpを作成
df_tmp = (
    df_ac_act.sort_values("first_date")
    .groupby("asid")
    .agg({"actid": "nunique", "acname": "first"})
    .reset_index()
)

# 次に、集計したデータフレームdf_tmpを'actid'（活動のユニークな数）で降順に並び替え
# そして、その結果の上位5行を表示して、最も活動の種類が多い上位のasidを確認
df_tmp.sort_values("actid", ascending=False).head()
asid actid acname
391 C2833 165 ふたりはプリキュア
1959 C6820 91 超生命体 トランスフォーマー ビーストウォーズ メタルス
169 C2454 89 爆転シュート ベイブレード
301 C2650 84 デュエル・マスターズ
728 C3397 79 バトルスピリッツ少年突破バシン

actid、actname列の深掘り#

Hide code cell content 
# `actid`ごとにユニークな`actname`の数を集計し、結果の統計情報を取得
df_ac_act.groupby("actid")["actname"].nunique().describe().reset_index()
index actname
0 count 2998.0
1 mean 1.0
2 std 0.0
3 min 1.0
4 25% 1.0
5 50% 1.0
6 75% 1.0
7 max 1.0
Hide code cell content 
# `actname`ごとにユニークな`actid`の数を集計
# その後、結果の統計情報を取得
df_ac_act.groupby("actname")["actid"].nunique().describe().reset_index()
index actid
0 count 2998.0
1 mean 1.0
2 std 0.0
3 min 1.0
4 25% 1.0
5 50% 1.0
6 75% 1.0
7 max 1.0
Hide code cell content 
# `actid`と`actname`の組合せごとにユニークな`acid`の数を集計
# その後、結果の統計情報を取得
df_ac_act.groupby(["actid", "actname"])["acid"].nunique().describe().reset_index()
index acid
0 count 2998.000000
1 mean 10.170781
2 std 19.762846
3 min 1.000000
4 25% 1.000000
5 50% 3.000000
6 75% 9.000000
7 max 181.000000
Hide code cell content 
# `df_ac_act`で各声優名(`actname`)ごとにユニークなアニメ作品(`acid`)の数を集計
# その後、降順にソートして上位10件を表示
df_ac_act.groupby("actname")["acid"].nunique().sort_values(
    ascending=False
).reset_index().head(10)
actname acid
0 沢城みゆき 181
1 櫻井孝宏 180
2 子安武人 175
3 能登麻美子 158
4 釘宮理恵 156
5 福山潤 154
6 堀江由衣 149
7 花澤香菜 142
8 浪川大輔 139
9 川澄綾子 138

n_ae列の深掘り#

Hide code cell content 
# `actid`と`actname`の組合せごとに`n_ae`の合計数を集計
# その後、結果の統計情報を取得
df_ac_act.groupby(["actid", "actname"])["n_ae"].sum().describe().reset_index()
index n_ae
0 count 2998.000000
1 mean 303.193462
2 std 584.690032
3 min 1.000000
4 25% 26.000000
5 50% 70.000000
6 75% 262.500000
7 max 5468.000000
Hide code cell content 
# `df_ac_act`で声優名(`actname`)ごとにアニメ各話数(`n_ae`)の合計値を集計
# その後、降順にソートして上位10件を表示
df_ac_act.groupby("actname")["n_ae"].sum().sort_values(
    ascending=False
).reset_index().head(10)
actname n_ae
0 藤原啓治 5468
1 こおろぎさとみ 4546
2 川澄綾子 4429
3 石田彰 4389
4 山口勝平 4328
5 子安武人 4255
6 一龍斎貞友 4247
7 釘宮理恵 4107
8 櫻井孝宏 3908
9 三石琴乃 3739
Hide code cell content 
# `df_ac_crt`から`acname`が`クレヨンしんちゃん`である行を抽出
# 見やすさのため、特定の列のみ表示
df_ac_act[df_ac_act["acname"] == "クレヨンしんちゃん"][["acname", "actname", "gender"]]
acname actname gender
29115 クレヨンしんちゃん こおろぎさとみ female
29116 クレヨンしんちゃん ならはしみき female
29117 クレヨンしんちゃん 一龍斎貞友 female
29118 クレヨンしんちゃん 三石琴乃 female
29119 クレヨンしんちゃん 佐藤智恵 female
29120 クレヨンしんちゃん 佳川紘子 female
29121 クレヨンしんちゃん 富沢美智恵 female
29122 クレヨンしんちゃん 川澄綾子 female
29123 クレヨンしんちゃん 林玉緒 female
29124 クレヨンしんちゃん 桜井敏治 male
29125 クレヨンしんちゃん 真柴摩利 female
29126 クレヨンしんちゃん 矢島晶子 female
29127 クレヨンしんちゃん 立木文彦 male
29128 クレヨンしんちゃん 納谷六朗 male
29129 クレヨンしんちゃん 藤原啓治 male
29130 クレヨンしんちゃん 鈴木れい子 female
29131 クレヨンしんちゃん 高田由美 female

first_date、last_date列の深掘り#

Hide code cell content 
# `df_ac_act`の`first_date`列をdatetime型に変換
df_ac_act["first_date"] = pd.to_datetime(df_ac_act["first_date"])
# `df_ac_act`の`last_date`列をdatetime型に変換
df_ac_act["last_date"] = pd.to_datetime(df_ac_act["last_date"])
Hide code cell content 
# `df_ac_crt`から、声優(`actname`)ごとの最初の放送日(`first_date`)
# と最後の放送日(`last_date`)を集計
df_tmp = (
    df_ac_act.groupby("actname")[["first_date", "last_date"]]
    .agg({"first_date": "min", "last_date": "max"})
    .reset_index()
)

# 各声優の活動期間を計算
df_tmp["duration"] = df_tmp["last_date"] - df_tmp["first_date"]

# 活動期間が長い10名の声優を表示
df_tmp.sort_values(by="duration", ascending=False).head(10)
actname first_date last_date duration
798 増岡弘 1963-11-25 2016-12-25 19389 days
870 大竹宏 1963-11-25 2015-10-24 18961 days
2208 矢島正明 1963-01-01 2014-04-07 18724 days
501 内海賢二 1963-11-25 2011-04-08 17301 days
485 八奈見乗児 1963-11-25 2010-11-21 17163 days
2390 納谷悟朗 1971-10-24 2016-12-25 16499 days
837 大塚周夫 1971-10-24 2016-01-03 16142 days
2000 清水マリ 1963-01-01 2006-01-10 15715 days
2410 緒方賢一 1974-10-06 2017-09-30 15700 days
2984 麻生美代子 1974-01-06 2016-12-25 15694 days

wiki_size列の深掘り#

Hide code cell content 
# 声優ごとに、それぞれのWikipediaページのサイズを集計
df_tmp = df_ac_act.groupby("actname")["wiki_size"].first().reset_index()

# Wikipediaページサイズの基本統計量を表示
df_tmp["wiki_size"].describe().reset_index()
index wiki_size
0 count 2998.000000
1 mean 41377.184456
2 std 53608.653558
3 min 84.000000
4 25% 8906.250000
5 50% 21203.000000
6 75% 51036.500000
7 max 393910.000000
Hide code cell content 
# Wikipediaページサイズが大きい上位10人の声優を表示
df_tmp.sort_values("wiki_size", ascending=False).head(10)
actname wiki_size
2446 花澤香菜 393910.0
507 内田真礼 388653.0
1502 早見沙織 364131.0
1769 森川智之 360890.0
1647 松岡禎丞 356962.0
1924 沢城みゆき 354094.0
1863 水樹奈々 336020.0
1594 杉田智和 330195.0
838 大塚明夫 328094.0
1839 櫻井孝宏 325313.0

gender列の深掘り#

Hide code cell content 
# 各性別（`gender`）ごとに、ユニークな声優（`actid`）の数を集計
df_ac_act.groupby("gender")["actid"].nunique().reset_index()
gender actid
0 female 1664
1 male 1334
Hide code cell content 
# 各性別（`gender`）ごとに、合計行数をカウント
df_ac_act.value_counts("gender").reset_index()
gender count
0 female 16486
1 male 14006
Hide code cell content 
# 各声優（actid）に対して、性別（gender）が一意であることを確認
assert df_ac_act.groupby("actid")["gender"].nunique().max() == 1
Hide code cell content 
# 各声優（actid）と性別（gender）ごとに、関与したユニークなアニメ作品（acid）の数を集計
df_tmp = (
    df_ac_act.groupby(["actid", "gender"])["acid"].nunique().reset_index(name="n_ac")
)

# 上で集計したアニメ作品数を、性別ごとに基本統計量を計算する
df_tmp.groupby("gender")["n_ac"].describe().reset_index()
gender count mean std min 25% 50% 75% max
0 female 1664.0 9.907452 18.927906 1.0 1.0 3.0 9.0 181.0
1 male 1334.0 10.499250 20.759826 1.0 1.0 3.0 9.0 180.0
Contents