“みたけ山トレイルラン”のCDF

“みたけ山トレイルラン”のCDFをグラフにしてみます。

以下の内容の続きです
”みたけ山トレイルラン”のPMF
http://jbclub.xii.jp/?p=587

再びの”みたけ山トレイルラン”のヒストグラム
http://jbclub.xii.jp/?p=573

#CDF
累積分布関数（CDF）
　値をパーセンタイル順位に対応づける関数

パーセンタイル順位とは
　分布中の与えられた値以下の値が分布中に占めるパーセント

たとえば、テストの順位で90パーセンタイル順位だった場合、受験者の90パーセントの人と同じかより良い結果をだしたということ。

CDFのグラフの出し方

#秒に変換
df['D'] = df['A'] / pd.to_timedelta('00:00:01') //1

df.head(10)
Out[133]: 
         A     B        C       D
0 01:05:03  13.0 01:05:00  3903.0
1 01:07:10  13.0 01:05:00  4030.0
2 01:07:52  13.0 01:05:00  4072.0
3 01:12:00  14.0 01:10:00  4320.0
4 01:12:14  14.0 01:10:00  4334.0
5 01:12:31  14.0 01:10:00  4351.0
6 01:12:54  14.0 01:10:00  4374.0
7 01:13:23  14.0 01:10:00  4403.0
8 01:13:44  14.0 01:10:00  4424.0
9 01:13:54  14.0 01:10:00  4434.0


cdf = thinkstats2.Cdf(df['D'])
thinkplot.Cdf(cdf)


#グラフ化の体裁を整える
plt.xticks([3600, 4500, 5400, 6300, 7200, 8100,9000,9900], ['1:00:00','1:15:00','1:30:00','1:45:00','2:00:00','2:15:00','2:30:00','2:45:00'])
plt.xlabel('TIME') 
plt.ylabel('CDF')

最初にデータフレームのD列で秒表示にしているのはthinkplotでグラフにできないからです。

グラフはこうなります。

CDFを計算すればパーセンタイル順位の計算は簡単にできまうす。Cdfクラスには2つのメソッドが用意されています。

パーセンタイル順位
PercentileRank(X)
　値xについてパーセンタイル順位を計算する。

Percentile(p)
　パーセンタイル順位について対応する値xを計算する

パーセンタイル順位を計算するにはA列でCDFを計算しておいたほうがよいです。

cdf2 = thinkstats2.Cdf(df['A'])

パーセンタイル順位の計算

cdf2.PercentileRank(pd.to_timedelta('1:45:00'))
Out[143]: 25.518925518925517

#今回はタイムが早いほうが順位が高いので、パーセンタイル順位は

100 - 25.518925518925517
Out[144]: 74.48107448107449

になります。

逆は例えば90パーセンタイル順位を知りたいとすると
以下のようにできます。

#パーセンタイル順位から対応する時間を計算
cdf2.Percentile(10)
Out[57]: Timedelta('0 days 01:30:00')

こんな感じです。

以上

関連する投稿:

• 2016-11-27:”みたけ山トレイルラン”のPMF
• 2016-01-08:みたけ山トレイルランのヒストグラム
• 2016-11-26:再びの”みたけ山トレイルラン”のヒストグラム
• 2014-05-02:Pythonでグラフを描く
• 2014-09-04:Pyhton　Apacheアクセスログを取り込んでグラフで表示する