上巻 第6章 練習問題

上巻 第6章 練習問題#

ここでは、 本書の学習内容の定着 を目的とした練習問題を掲載します。 解答・解説は「解答例」ページを参照してください。 なお、問題の性質上、本書で取り上げた処理と重複することがあります。 ご了承ください。

前提#

以下のように、ライブラリのインポートと変数の定義が完了していることを前提とします。

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
# 組み合わせを生成するためのitertoolsをインポート
from itertools import combinations
from pathlib import Path

# 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

# plotly.expressのインポート
# インタラクティブなグラフ作成のライブラリ
# pxという名前で参照可能
import plotly.express as px

# plotly.graph_objectsからFigureクラスのインポート
# 型ヒントの利用を主目的とする
from plotly.graph_objects import Figure
Hide code cell content 
# アニメ・ゲームの基礎分析済みデータを読み込み
DIR_AN_IN = Path("../../../data/an/input")  # アニメデータ
DIR_GM_IN = Path("../../../data/gm/input")  # ゲームデータ

# アニメ各話に関するファイル
FN_AE = "an_ae.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"

# ゲームパッケージとプラットフォームの対応関係に関するファイル
FN_PKG_PF = "gm_pkg_pf.csv"

以下のファイルを読み込み済みと仮定します。

Hide code cell content 
df_ae = pd.read_csv(DIR_AN_IN / FN_AE)  # アニメ各話データ
df_ac_act = pd.read_csv(DIR_AN_IN / FN_AC_ACT)  # アニメ作品と声優
df_pkg_pf = pd.read_csv(DIR_GM_IN / FN_PKG_PF)  # ゲームパッケージとプラットフォーム
Hide code cell content 
# 日付列をdatetime型に変換
df_ae["date"] = pd.to_datetime(df_ae["date"])
df_ac_act["first_date"] = pd.to_datetime(df_ac_act["first_date"])
df_ac_act["last_date"] = pd.to_datetime(df_ac_act["last_date"])

基礎 問題1：特定列のユニーク値数の確認#

関連セクション: ゲームデータの基礎分析

本書では df_pkg_pf.nunique() を用いて全列のユニーク値数を確認しました。 ここでは、特定の列（pfname と publisher）に絞ってユニーク値数を確認してみましょう。

df_pkg_pf から pfname 列と publisher 列を選択し、それぞれのユニーク値数を表示してください。

ヒント

  • DataFrameから複数列を選択するには df[["列名1", "列名2"]] のようにリストで指定します

  • 例えば pkgname と date 列のユニーク値数を確認するには df_pkg_pf[["pkgname", "date"]].nunique() とします

基礎 問題2：声優データの活動期間の確認#

関連セクション: アニメデータの基礎分析

本書では df_ae["date"] 列の最小値と最大値を確認して、アニメ各話の放送期間を把握しました。 ここでは、声優データ（df_ac_act）の first_date 列と last_date 列の範囲を確認してみましょう。

df_ac_act の first_date 列と last_date 列それぞれについて、最小値と最大値を表示してください。

ヒント

  • 日付列の最小値・最大値は .min() と .max() で取得できます

  • 例えば df_ae["date"].min() のように使用します

標準 問題3：特定プラットフォームに絞った価格統計#

関連セクション: ゲームデータの基礎分析

本文では df_pkg_pf.describe() を用いて全データの価格統計を確認しました。 ここでは、特定のプラットフォーム（プレイステーション2）に絞って価格の統計を確認してみましょう。

df_pkg_pf から pfname が「プレイステーション2」のデータのみを抽出し、price 列の記述統計量を表示してください。

ヒント

  • 特定の条件でデータを絞り込むにはブールインデックスを使用します

  • 例えば pfname が「プレイステーション」のデータを抽出するには df_pkg_pf[df_pkg_pf["pfname"] == "プレイステーション"] とします

  • 記述統計量は .describe() で確認できます

標準 問題4：特定年代に絞ったアニメ作品数#

関連セクション: アニメデータの基礎分析

本文で確認したように、アニメデータは1990年以前に大きな欠損があります。 ここでは、十分余裕を持たせて2000年以降のデータに絞って分析を行ってみましょう。

df_ae から2000年以降のデータのみを抽出し、年ごとのユニークなアニメ作品数（acid）を集計して、作品数が多い順に上位10件を表示してください。

ヒント

  • 日付から年を取得するには .dt.year を使用します

  • 2000年以降のデータを抽出するには df_ae[df_ae["date"].dt.year >= 2000] とします

  • .groupby() と .nunique() で年ごとのユニーク数を集計し、.sort_values(ascending=False) で降順ソートできます

発展 問題5：放送日データの空白期間の特定#

関連セクション: アニメデータの基礎分析

第6章で触れた通り、アニメデータには特定の期間に大規模な欠損が見られます。 単純に groupby で集計すると「データが0件の年」は結果から消えてしまい、欠損の深刻さを見落とす可能性があります。

  • データの最小年から最大年までの全ての年を含む「枠（レンジ）」を作成してください

  • それに対して df_ae の作品数を紐付けてください

  • 完全にデータが欠損している年を列挙してください。

なお、ここでは簡単のため「当該年にそもそもアニメが放送されていたかどうか（つまり0が正解かどうか）」には深入りしません。 実態は別として、 データとして アニメ作品数が0の年を抽出しましょう。

ヒント

  • range(min_year, max_year + 1) で全年のリストを作成できます

  • pd.merge() の how="left" で欠損年も保持したまま結合できます

  • 欠損値は .fillna(0) で0に置き換えられます

応用 問題6：年代別の声優カバー率#

関連セクション: アニメデータの基礎分析

本書で扱うアニメ作品データの中には、声優情報に欠損があるものも含まれます。 どの時代の分析にこのデータが適しているのか、その限界を明らかにしましょう。

  • first_date を利用して作品を「年代（10年単位）」ごとに分類してください

  • 年代別に「総作品数」と「声優情報あり作品数」を集計してください

  • 年代別の声優データカバー率を算出してください

ヒント

  • 年代は (year // 10) * 10 で計算できます（例: 1995 → 1990）

  • 声優情報の有無は df_ac_act に acid が存在するかでフラグ化できます

  • .agg() で複数の集計を一度に実行できます

応用 問題7：マルチプラットフォーム展開のペア分析#

関連セクション: ゲームデータの基礎分析

ゲーム業界において、複数のプラットフォームで同一タイトルが展開されることは珍しくありません。 どのような組み合わせが多いのか、「プラットフォームのペア」を分析してみましょう。

  • df_pkg_pf において、2つ以上のプラットフォームで発売されているタイトルを対象にしてください

  • タイトルが3機種以上に展開されている場合、全ての2機種の組み合わせを個別にカウントしてください

  • 最も頻出するプラットフォームのペアの上位10件を表示してください

ヒント

  • タイトル（pkgname）ごとにプラットフォームのリストを .unique() で取得できます

  • itertools.combinations() で2つの組み合わせを生成できます

  • .value_counts() で出現回数をカウントできます

Contents