吹奏楽全国大会への道のりを平成1年～平成30年のデータで分析してみた - Qiita
過去 の 新聞 記事 欲しいassign ( seq2 = df [ 'seq'] / df [ 'count']) byseq2_sum = tmp. groupby ( 'seq2')[[ 'zenkoku', 'gold', 'silver', 'bronze']]. sum () #全国出場率列を追加 byseq2_rate = byseq2_sum. assign ( total = byseq2_sum [ 'zenkoku'] + byseq2_sum [ 'gold'] + byseq2_sum [ 'silver'] + byseq2_sum [ 'bronze'], zenkoku_rate = round (( byseq2_sum [ 'zenkoku'] / ( byseq2_sum [ 'zenkoku'] + byseq2_sum [ 'gold'] + byseq2_sum [ 'silver'] + byseq2_sum [ 'bronze'])) * 100, 1)). 吹奏楽コンクールデータベース検索 - Musica Bella. reset_index () byseq2_rate. scatter ( x = 'seq2', y = 'zenkoku_rate') 全体で見ても、わずかですが、 やや右肩上がりには見えますね。 確かにM-1グランプリなどを見ても、前半の点数は後半に比べてやや低めに採点されているように見えますからね。人間の心理が多少働くのはやむを得ないのでしょう。 ただ、 結局は演奏順は運で決まりますし、気にするほどの相関ではないと考えた方がいいでしょう。 早ければ気にしない、遅ければラッキー、程度ですね。 ※スピアマンの相関係数でも優位性があるようでしたが、詳しくなく今回のケースに適しているのかわからなかったので載せてはいません。 最後に、恐らく吹奏楽に携わる人なら気になる全国常連の指揮者トップ10を集計してみました。 #指揮者で集計 bysiki_sum = df. groupby ( 'siki')[[ 'zenkoku', 'gold', 'silver', 'bronze']]. sum () #全国出場率の列追加 bysiki_rate = bysiki_sum. assign ( total = bysiki_sum [ 'zenkoku'] + bysiki_sum [ 'gold'] + bysiki_sum [ 'silver'] + bysiki_sum [ 'bronze'], zenkoku_rate = round (( bysiki_sum [ 'zenkoku'] / ( bysiki_sum [ 'zenkoku'] + bysiki_sum [ 'gold'] + bysiki_sum [ 'silver'] + bysiki_sum [ 'bronze'])) * 100, 1)) bysiki_rate.
吹奏楽コンクールデータベース検索 - Musica Bella
get_dummies ( df, columns = [ 'prize'], prefix = '', prefix_sep = '') #高校名称統一(わかっているものだけ) df = df. replace ( '大阪府立淀川工業高等学校', '大阪府立淀川工科高等学校') これで下準備が整いました。DataFrameはこんな感じ。 ではここから分析結果を見ていきます。 ※コードは最低限結果が表示できる程度のシンプルな形で書いていますが、結果は見やすいようにさらにラベル等を加工したものを貼り付けていますのでご認識ください。 df2018 = df. query ( 'year == "2018"') len ( df2018) 今年の支部大会全ての総出場校数は 220校 です。 仮に47都道府県で割っても1県につき4〜5校。 支部大会に出るだけでも、かなり厳選されているのがわかります。 #代表(全国大会進出)数、金賞数、銀賞数、銅賞数 df2018 [[ 'zenkoku', 'gold', 'silver', 'bronze']]. sum () #円グラフで表示 df2018 [[ 'zenkoku', 'gold', 'silver', 'bronze']]. sum (). plot. pie ( counterclock = False, startangle = 90, subplots = True, autopct = "%1. 1f%%") そのうち 全国へ行けるのは13% です。やっとの思いで 支部大会まで漕ぎ着けても、代表になれるのは10校中1〜2校。 ちなみに30年トータルで見ると… やっぱり 14% 程度。大して変わっていないようですね。 ※ちなみに「全国大会出場」は「金賞」には含めていません。 #高校名で集計 zenkoku_sum = df. groupby ( 'name')[[ 'zenkoku']]. 吹奏楽 コンクール 自由 曲 データベース - Capeco Africa. sum () #全国経験校数を合計 zenkoku_rate = pd. Series ([ len ( zenkoku_sum. query ( 'zenkoku > 0')), len ( zenkoku_sum. query ( 'zenkoku == 0'))], index = [ '経験あり', '経験なし']) zenkoku_rate zenkoku_rate.
吹奏楽 コンクール 自由 曲 データベース - Capeco Africa
sort_values (([ 'zenkoku_rate']), ascending = False) #棒グラフ表示 byregion_rate [ 'zenkoku_rate']. sort_values ( ascending = False). bar ( alpha = 1. 0, figsize = ( 12, 5)) なぜか 東京支部だけ全国出場率が高い のが気になります。確かに2018年の東京支部だけで見ても12校中3校が代表なので、25%でした。高校数が多い故の配慮? 都道府県単位で、全国出場数を比較してみます。 #北海道(prefに「~地区」を含む)のSeries作成 hokkaido_sum = df [ df [ 'pref']. str. contains ( '地区')][ 'zenkoku']. sum () hokkaido = pd. Series ([ '北海道', hokkaido_sum], [ 'pref', 'zenkoku']) #北海道以外を都道府県で集計 bypref = df [ ~ df [ 'pref']. contains ( '地区')]. groupby ( 'pref')[ 'zenkoku']. reset_index () #北海道分を追加 bypref = bypref. append ( hokkaido, ignore_index = True) bypref. sort_values ( by = 'zenkoku', ascending = False). bar ( y = 'zenkoku', alpha = 1. 0, figsize = ( 17, 5), x = 'pref') 都道府県別で見ると、こんなに差があるんですね (見にくければ画像を拡大してご覧ください)。やっぱり 高校数が多い県は強い高校が多いと考えられるので、全国大会出場回数も多いのかな? と思ったので、各県の高校数(吹奏楽部有無を考慮せず全て)を折れ線グラフでプロットしてみます。 #高校数のDataFrame作成 school_count = pd.