これまでの方法を組み合わせ、自分で小さなデータ分析を完成させます。
まず自分で予想してから、コードを動かしてみよう！
結果だけでなく、そう考えた理由も説明してみます。
QUESTION まず考えよう
あなたが学校生活について、データで確かめたい疑問は何ですか？
自分で分析するときの進め方
- 最初に、データで確かめられる具体的な問いを決めます。
- 問いに合うデータとグラフを選び、読み取れた事実を数値で説明します。
- 原因の断定や範囲外の予測を避け、残った疑問も書きましょう。
PREDICT 実行前の予想
使うデータ、適切なグラフ、予想される結果を、コードを書く前に整理してください。
TRY 実行して確かめよう
TRY
import matplotlib.pyplot as plt
# 例: 曜日と図書室利用者数
days = ['月', '火', '水', '木', '金']
visitors = [32, 45, 38, 51, 60]
plt.plot(days, visitors, marker='o')
plt.title('曜日と図書室利用者数')
plt.xlabel('曜日')
plt.ylabel('利用者数 (人)')
plt.grid(True)
plt.show()
グラフや数値のどこが予想と同じで、どこが違ったかを見つけましょう。
CHECK 結果を読み取ろう
グラフから確実に分かる事実と、まだ推測にとどまることを分けてください。
📖 考え方を確認する
金曜日が60人で最大なのは事実です。週末に読む本を借りるから増えた、という説明は追加調査が必要な仮説です。
CHALLENGE 自分で直してみよう
自分の問いを決め、データ、グラフ、結論、注意点を完成させてください。
CHALLENGE
import matplotlib.pyplot as plt
# 問い:
# 予想:
# データを用意しよう
# 問いに合うグラフを描こう
# 分かった事実:
# まだ分からないこと:📖 解答例と解説
import matplotlib.pyplot as plt
# 問い: 月ごとの電力使用量はどう変化したか
# 予想: 夏に向かって増える
months = ['4月', '5月', '6月', '7月']
power = [820, 790, 910, 1150]
plt.plot(months, power, marker='o')
plt.title('月ごとの電力使用量')
plt.ylabel('使用量 (kWh)')
plt.grid(True)
plt.show()
# 事実: 7月が1150kWhで最大
# 未確認: 気温や冷房が増加の原因かどうかこれは一例です。問い、選択理由、コード、事実、仮説、追加データを自分の言葉で説明できれば修了です。
POINT
- 問いに合った方法を自分で選ぶ
- 数値を根拠に結論を説明する
- 上級編では表データ処理・統計・予測へ進む
NEXT 次の学びへ
上級データサイエンス編では、CSV、表形式データ、統計量、データ整理、より多くのデータを使った予測を学びます。
振り返り：今回使った命令、結果から分かったこと、この方法を使える場面を、それぞれ1文で書きましょう。