ある番組でとあるクイズ王の
出身高校の話が出ていて
気になって調べてしまいました。

解説動画はこちら



さて今回はこちらのサイトさんの
データを参考にさせていただいております。

参考：みんなの高校情報



さて
データはCSVなどにして
pandasのデータフレームに取り込みます。

こんな感じのデータになりました。

	偏差値	ランク	学校名	住所	形態	評判
0	79	1	灘高等学校	兵庫県神戸市東灘区	私立	4.51
1	78	2	お茶の水女子大学附属高等学校	東京都文京区	国立	4.14
2	78	2	開成高等学校	東京都荒川区	私立	4.96
3	78	2	筑波大学附属高等学校	東京都文京区	国立	4.27
4	78	2	筑波大学附属駒場高等学校	東京都世田谷区	国立	4.56

これを使って行きたいと思います。

まず最初は統計情報です。

df['偏差値'].describe()

全部で7765校分のデータで
平均偏差値は50ですが
中央値は48とやや低いので
低めにデータが偏っていそうですね。

と言うことで
偏差値ごとの学校数で
グラフ化してみましょう。

偏差値を横軸に
学校数を縦軸にとった
ヒストグラムを生成します。

divine_df  = pd.DataFrame(df['偏差値'].value_counts().sort_index())
divine_df['累積'] = divine_df['偏差値'].cumsum()/sum(divine_df['偏差値'])
divine_df.head()

	偏差値	累積
35	7	0.000901
36	93	0.012878
37	181	0.036188
38	256	0.069156
39	350	0.114231

fig, ax1 = plt.subplots(figsize=(16,10))
ax2 = ax1.twinx()
ax1.bar(divine_df.index, divine_df['偏差値'], label="偏差値")
ax2.plot(divine_df.index, divine_df['累積'],label="累積",c='orange')
ax1.xaxis.set_ticks(pd.np.arange(35, 80, 1))
for i,d in enumerate(divine_df['偏差値']):
    ax1.text(divine_df.index[i], d, "{0}".format(d), size=10)
plt.show()

中央値は48でしたが
一番高校が多い偏差値は42ですね。

大体偏差値57位で
全体の80%の高校がおさまります。


ここからは偏差値TOPの学校を
みていきましょう。

df[df['ランク']<=10]

	偏差値	ランク	学校名	住所	形態	評判
0	79	1	灘高等学校	兵庫県神戸市東灘区	私立	4.51
1	78	2	お茶の水女子大学附属高等学校	東京都文京区	国立	4.14
2	78	2	開成高等学校	東京都荒川区	私立	4.96
3	78	2	筑波大学附属高等学校	東京都文京区	国立	4.27
4	78	2	筑波大学附属駒場高等学校	東京都世田谷区	国立	4.56
5	78	2	東大寺学園高等学校	奈良県奈良市	私立	4.44
6	78	2	ラ・サール高等学校	鹿児島県鹿児島市	私立	4.09
7	77	8	慶應義塾女子高等学校	東京都港区	私立	4.09
8	77	8	東京学芸大学附属高等学校	東京都世田谷区	国立	4.49
9	77	8	神戸高等学校	兵庫県神戸市灘区	公立	4.10

偏差値70以上の学校をみるには
こんなコードになりますが
数は218校あるようです。

df[df['偏差値']>=70]

逆にげべはどうなんだって
話になると思うので
げべはこんな感じでした。

df[df['ランク']==max(df['ランク'])]

	偏差値	ランク	学校名	住所	形態	評判
7758	35	7759	田口高等学校	愛知県北設楽郡設楽町	公立	3.30
7759	35	7759	真壁高等学校	茨城県桜川市	公立	2.77
7760	35	7759	京都国際高等学校	京都府京都市東山区	私立	2.19
7761	35	7759	西山学院高等学校	宮城県刈田郡七ヶ宿町	私立	2.75
7762	35	7759	東大阪大学柏原高等学校	大阪府柏原市	私立	2.83
7763	35	7759	耶麻農業高等学校	福島県喜多方市	公立	2.75
7764	35	7759	霞城学園高等学校	山形県山形市	公立	2.91

次に都道府県別の偏差値を見てみましょう。

都道府県別などにしたい場合は
カテゴリとして都道府県が必要です。

住所から都道府県を抜き出す関数を作って
うまくデータ化します。

def function(se):
    if '北海道' in se:
        return '北海道'
    elif '東京都' in se:
        return '東京都'
    elif '大阪府' in se or '京都府' in se:
        return '大阪府'
    elif '京都府' in se:
        return '京都府'
    else:
        return se.split('県')[0]+'県'

df['都道府県'] = df['住所'].apply(function)
df[['都道府県','偏差値']].groupby("都道府県").describe().sort_values(('偏差値',  'mean'),ascending=False)

	偏差値
	count	mean	std	min	25%	50%	75%	max
都道府県
埼玉県	352.0	53.911932	9.417549	40.0	45.0	53.0	61.0	76.0
東京都	585.0	53.858120	9.353889	38.0	46.0	53.0	60.0	78.0
千葉県	304.0	51.980263	9.673870	38.0	43.0	50.0	59.0	76.0
大阪府	713.0	51.708275	9.402465	35.0	44.0	50.0	58.0	76.0
兵庫県	334.0	51.583832	8.879093	36.0	44.0	50.0	58.0	79.0

平均偏差値だと埼玉がTOPになるようです。

偏差値70以上の高校だけに絞るコードは
次のようになりました。

df[df['偏差値']>=70][['都道府県','偏差値']].groupby("都道府県").describe().sort_values(('偏差値',  'count'),ascending=False)

40以下をみる場合は条件を40以下に
変更すれば見られます。

最後に都道府県別での箱ヒゲ図を
見ていたいと思います。

都道府県ごとの分布のような
ものを見たい場合にこの箱ヒゲ図は
非常に役立ちます。

seabornと言うライブラリを用いると
箱ヒゲ図を作ることができます。

import seaborn as sns

plt.figure(figsize=(16,10))
idx = df[['都道府県','偏差値']].groupby("都道府県").agg(np.median).sort_values('偏差値',ascending=False).index
sns.boxplot(x="都道府県", y="偏差値", data=df,order=idx)
plt.xticks(rotation=90)
plt.show()

まとめですが
埼玉県 , 東京都 , 千葉県 , 大阪府 , 兵庫県
この5県は偏差値の平均が高く

この近隣に住むと偏差値の高い高校に
通いやすいでしょうね。

自分は近所の高校で
卒業時の偏差値20くらいなので
今だとどの高校にも入れなさそうwww

今回はこれまでです
それでは

タグ ：

#Python

#グラフ

#matplotlib

#pandas

#ランキング