In [1]:
import matplotlib.pyplot as plt
import pandas as pd
from pandas.plotting import scatter_matrix
import seaborn as sns
from IPython.display import HTML
import numpy as np

Analýza dat pro jednotlivé faktory¶

Data - načtení¶

In [2]:
data = pd.read_excel('Dotazník_Josef_Šajnar_statistika.xlsx', usecols='A:H', skiprows=[0], sheet_name='hot_analyza',
                    nrows=115, index_col=0, header=0)
col_list = ['Extraverze', 'Přívětivost', 'Svědomitost', 'Neuroticismus', 'Intelekt']

Data¶

In [3]:
display(HTML(r'<h3> Faktory - HOT </h3>'))
data

Faktory - HOT

Out[3]:
Pohlaví Věk Extraverze Přívětivost Svědomitost Neuroticismus Intelekt
Respondent
1 Muž 50-59 13 4 7 17 11
2 Muž 34-41 8 6 10 17 10
3 Muž 50-59 10 6 5 10 8
4 Muž 18-25 9 8 10 13 14
5 Žena 26-33 10 5 6 14 9
... ... ... ... ... ... ... ...
111 Muž 34-41 7 11 10 17 10
112 Muž 34-41 7 9 6 17 11
113 Muž 26-33 5 6 7 17 10
114 Muž 18-25 5 4 5 20 9
115 Muž 18-25 7 4 6 19 9

115 rows × 7 columns

Vyhodnocení celého souboru dat¶

Základní popisné charakteristiky souboru dat¶

In [4]:
data.loc[:, col_list].describe()
Out[4]:
Extraverze Přívětivost Svědomitost Neuroticismus Intelekt
count 115.000000 115.000000 115.000000 115.000000 115.000000
mean 8.643478 8.739130 7.730435 15.486957 10.356522
std 3.938544 4.155079 2.962697 3.527748 2.082472
min 4.000000 4.000000 4.000000 4.000000 7.000000
25% 6.000000 6.000000 6.000000 14.000000 9.000000
50% 8.000000 7.000000 7.000000 17.000000 10.000000
75% 10.000000 10.500000 9.000000 18.000000 11.000000
max 20.000000 20.000000 18.000000 20.000000 16.000000

Korelace mezi faktory¶

Pearsonova korelace¶
In [5]:
res = data[col_list].corr(method='pearson')
res.style.background_gradient(cmap='bwr', vmin=-1, vmax=1)
Out[5]:
  Extraverze Přívětivost Svědomitost Neuroticismus Intelekt
Extraverze 1.000000 0.362512 0.111219 -0.588429 0.481935
Přívětivost 0.362512 1.000000 0.352661 -0.561568 0.426486
Svědomitost 0.111219 0.352661 1.000000 -0.396063 0.064054
Neuroticismus -0.588429 -0.561568 -0.396063 1.000000 -0.456081
Intelekt 0.481935 0.426486 0.064054 -0.456081 1.000000
Spearmanova pořadová korelace¶
In [6]:
res = data[col_list].corr(method='spearman')
res.style.background_gradient(cmap='bwr', vmin=-1, vmax=1)
Out[6]:
  Extraverze Přívětivost Svědomitost Neuroticismus Intelekt
Extraverze 1.000000 0.356463 0.263819 -0.552978 0.448460
Přívětivost 0.356463 1.000000 0.308149 -0.474260 0.326129
Svědomitost 0.263819 0.308149 1.000000 -0.467366 0.089152
Neuroticismus -0.552978 -0.474260 -0.467366 1.000000 -0.288355
Intelekt 0.448460 0.326129 0.089152 -0.288355 1.000000
Grafické zobrazení závislostí¶
In [22]:
plt.rcParams['font.size'] = 10

display(HTML(r'<h3> Faktory </h3>'))
g = sns.PairGrid(data.loc[:, col_list], diag_sharey=False, )
g.fig.set_size_inches(15/2.54,15/2.54)
#g.map_upper(sns.scatterplot, size=.5, s=1)
g.map_lower(sns.scatterplot, s=5, linewidth=0)
#g.map_lower(sns.kdeplot)
g.map_diag(sns.distplot, kde=False, hist_kws={'ec': 'k'})

#g = g.add_legend(bbox_to_anchor=(0.9, 1.0), borderaxespad=0., frameon=True, 
#                 facecolor='white', title='Kategorie:', framealpha=1)

plt.savefig('histogramy_all.png', dpi=300, bbox_inches='tight', facecolor='white')

Faktory 

C:\Users\martina\anaconda3\lib\site-packages\seaborn\distributions.py:2619: FutureWarning: `distplot` is a deprecated function and will be removed in a future version. Please adapt your code to use either `displot` (a figure-level function with similar flexibility) or `histplot` (an axes-level function for histograms).
  warnings.warn(msg, FutureWarning)

Vyhodnocení podle věku¶

Popisné charakteristiky souboru dat¶

In [8]:
char = data.loc[:, col_list+['Věk']].groupby('Věk').describe().T
char
Out[8]:
Věk 18-25 26-33 34-41 42-49 50-59 60+
Extraverze count 31.000000 31.000000 23.000000 15.000000 9.000000 6.000000
mean 6.838710 7.709677 10.043478 9.466667 11.555556 11.000000
std 2.437167 2.795157 5.217787 4.206571 3.004626 5.366563
min 4.000000 4.000000 4.000000 4.000000 6.000000 5.000000
25% 5.000000 6.000000 7.000000 6.500000 10.000000 6.500000
50% 6.000000 7.000000 8.000000 9.000000 13.000000 11.000000
75% 8.000000 9.000000 11.500000 11.500000 13.000000 14.750000
max 14.000000 14.000000 20.000000 19.000000 15.000000 18.000000
Přívětivost count 31.000000 31.000000 23.000000 15.000000 9.000000 6.000000
mean 7.967742 8.161290 8.869565 8.866667 8.666667 15.000000
std 3.995697 3.615677 3.841216 3.739111 4.847680 4.979960
min 4.000000 4.000000 4.000000 5.000000 4.000000 8.000000
25% 5.500000 5.500000 6.000000 6.500000 6.000000 12.000000
50% 7.000000 7.000000 8.000000 8.000000 7.000000 15.500000
75% 9.500000 10.000000 11.000000 10.000000 10.000000 19.000000
max 19.000000 18.000000 17.000000 20.000000 19.000000 20.000000
Svědomitost count 31.000000 31.000000 23.000000 15.000000 9.000000 6.000000
mean 7.870968 7.838710 7.478261 7.533333 7.333333 8.500000
std 3.159556 3.225903 2.171501 3.563038 2.291288 3.391165
min 4.000000 4.000000 4.000000 4.000000 5.000000 6.000000
25% 6.000000 6.000000 6.000000 5.000000 6.000000 6.250000
50% 7.000000 7.000000 7.000000 7.000000 7.000000 7.500000
75% 9.500000 9.500000 8.500000 8.500000 7.000000 8.750000
max 16.000000 15.000000 13.000000 18.000000 12.000000 15.000000
Neuroticismus count 31.000000 31.000000 23.000000 15.000000 9.000000 6.000000
mean 15.935484 16.677419 15.304348 15.200000 14.111111 10.500000
std 3.375752 2.856421 3.125188 3.211586 3.620927 5.468089
min 6.000000 7.000000 8.000000 10.000000 10.000000 4.000000
25% 14.500000 15.000000 14.000000 13.000000 11.000000 6.000000
50% 17.000000 17.000000 16.000000 16.000000 15.000000 11.000000
75% 18.000000 19.000000 17.000000 17.500000 17.000000 13.750000
max 20.000000 20.000000 20.000000 20.000000 19.000000 18.000000
Intelekt count 31.000000 31.000000 23.000000 15.000000 9.000000 6.000000
mean 9.774194 9.741935 10.130435 11.533333 10.888889 13.666667
std 1.647416 1.692488 1.713697 2.386470 2.368778 2.250926
min 7.000000 7.000000 8.000000 8.000000 8.000000 11.000000
25% 9.000000 9.000000 9.000000 10.000000 10.000000 12.000000
50% 10.000000 10.000000 10.000000 12.000000 11.000000 13.500000
75% 10.500000 10.000000 11.000000 14.000000 11.000000 15.750000
max 14.000000 14.000000 16.000000 15.000000 15.000000 16.000000

Korelace mezi faktory podle věku¶

Pearsonova korelace¶

In [9]:
Věk_lst = ['18-25', '26-33', '34-41', '42-49', '50-59', '60+']
for Věk in Věk_lst:
    display(HTML(r'<h3> {} </h3>'.format(Věk)))
    res = data.loc[data.Věk==Věk, col_list].corr(method='pearson')
    display(res.style.background_gradient(cmap='bwr', vmin=-1, vmax=1))

18-25

  Extraverze Přívětivost Svědomitost Neuroticismus Intelekt
Extraverze 1.000000 0.194556 0.326196 -0.147163 0.297806
Přívětivost 0.194556 1.000000 0.525087 -0.662453 0.160901
Svědomitost 0.326196 0.525087 1.000000 -0.653980 0.147911
Neuroticismus -0.147163 -0.662453 -0.653980 1.000000 -0.164541
Intelekt 0.297806 0.160901 0.147911 -0.164541 1.000000

26-33

  Extraverze Přívětivost Svědomitost Neuroticismus Intelekt
Extraverze 1.000000 0.713910 0.567631 -0.709336 0.526182
Přívětivost 0.713910 1.000000 0.679613 -0.788761 0.246700
Svědomitost 0.567631 0.679613 1.000000 -0.743799 0.102016
Neuroticismus -0.709336 -0.788761 -0.743799 1.000000 -0.210852
Intelekt 0.526182 0.246700 0.102016 -0.210852 1.000000

34-41

  Extraverze Přívětivost Svědomitost Neuroticismus Intelekt
Extraverze 1.000000 0.292854 -0.050059 -0.806436 0.553431
Přívětivost 0.292854 1.000000 -0.030327 -0.174506 0.196047
Svědomitost -0.050059 -0.030327 1.000000 -0.082705 -0.090814
Neuroticismus -0.806436 -0.174506 -0.082705 1.000000 -0.550933
Intelekt 0.553431 0.196047 -0.090814 -0.550933 1.000000

42-49

  Extraverze Přívětivost Svědomitost Neuroticismus Intelekt
Extraverze 1.000000 -0.091128 -0.041620 -0.425089 0.172662
Přívětivost -0.091128 1.000000 0.541865 -0.289081 0.424785
Svědomitost -0.041620 0.541865 1.000000 -0.365788 0.308572
Neuroticismus -0.425089 -0.289081 -0.365788 1.000000 -0.527488
Intelekt 0.172662 0.424785 0.308572 -0.527488 1.000000

50-59

  Extraverze Přívětivost Svědomitost Neuroticismus Intelekt
Extraverze 1.000000 0.177360 -0.157359 -0.442983 0.554206
Přívětivost 0.177360 1.000000 -0.180060 -0.011869 0.616850
Svědomitost -0.157359 -0.180060 1.000000 0.145642 -0.314752
Neuroticismus -0.442983 -0.011869 0.145642 1.000000 -0.144116
Intelekt 0.554206 0.616850 -0.314752 -0.144116 1.000000

60+

  Extraverze Přívětivost Svědomitost Neuroticismus Intelekt
Extraverze 1.000000 0.905510 -0.329690 -0.967802 0.943729
Přívětivost 0.905510 1.000000 -0.521084 -0.807907 0.981309
Svědomitost -0.329690 -0.521084 1.000000 0.156392 -0.445419
Neuroticismus -0.967802 -0.807907 0.156392 1.000000 -0.844961
Intelekt 0.943729 0.981309 -0.445419 -0.844961 1.000000

Spearmanova pořadová korelace¶

In [10]:
for Věk in Věk_lst:
    display(HTML(r'<h3> {} </h3>'.format(Věk)))
    res = data.loc[data.Věk==Věk, col_list].corr(method='spearman')
    display(res.style.background_gradient(cmap='bwr', vmin=-1, vmax=1))

18-25

  Extraverze Přívětivost Svědomitost Neuroticismus Intelekt
Extraverze 1.000000 0.213270 0.305143 -0.126486 0.346276
Přívětivost 0.213270 1.000000 0.354518 -0.736524 0.000000
Svědomitost 0.305143 0.354518 1.000000 -0.603280 0.115867
Neuroticismus -0.126486 -0.736524 -0.603280 1.000000 -0.036790
Intelekt 0.346276 0.000000 0.115867 -0.036790 1.000000

26-33

  Extraverze Přívětivost Svědomitost Neuroticismus Intelekt
Extraverze 1.000000 0.660864 0.566963 -0.627876 0.451964
Přívětivost 0.660864 1.000000 0.486257 -0.578427 0.121254
Svědomitost 0.566963 0.486257 1.000000 -0.727673 0.173476
Neuroticismus -0.627876 -0.578427 -0.727673 1.000000 -0.092969
Intelekt 0.451964 0.121254 0.173476 -0.092969 1.000000

34-41

  Extraverze Přívětivost Svědomitost Neuroticismus Intelekt
Extraverze 1.000000 0.265481 0.203880 -0.738916 0.508857
Přívětivost 0.265481 1.000000 0.105954 -0.310576 0.511290
Svědomitost 0.203880 0.105954 1.000000 -0.305170 0.062397
Neuroticismus -0.738916 -0.310576 -0.305170 1.000000 -0.443671
Intelekt 0.508857 0.511290 0.062397 -0.443671 1.000000

42-49

  Extraverze Přívětivost Svědomitost Neuroticismus Intelekt
Extraverze 1.000000 0.056706 -0.043600 -0.558958 0.255272
Přívětivost 0.056706 1.000000 0.427158 -0.028881 0.429651
Svědomitost -0.043600 0.427158 1.000000 -0.319685 0.175278
Neuroticismus -0.558958 -0.028881 -0.319685 1.000000 -0.536607
Intelekt 0.255272 0.429651 0.175278 -0.536607 1.000000

50-59

  Extraverze Přívětivost Svědomitost Neuroticismus Intelekt
Extraverze 1.000000 -0.051732 -0.237728 -0.366434 0.587719
Přívětivost -0.051732 1.000000 -0.074949 0.114407 0.500074
Svědomitost -0.237728 -0.074949 1.000000 0.171941 -0.260155
Neuroticismus -0.366434 0.114407 0.171941 1.000000 -0.017244
Intelekt 0.587719 0.500074 -0.260155 -0.017244 1.000000

60+

  Extraverze Přívětivost Svědomitost Neuroticismus Intelekt
Extraverze 1.000000 0.706188 -0.057977 -1.000000 0.794461
Přívětivost 0.706188 1.000000 -0.179124 -0.706188 0.954545
Svědomitost -0.057977 -0.179124 1.000000 0.057977 -0.358249
Neuroticismus -1.000000 -0.706188 0.057977 1.000000 -0.794461
Intelekt 0.794461 0.954545 -0.358249 -0.794461 1.000000

Grafické zobrazení závislostí a identifikace případných shluků¶

In [23]:
plt.rcParams['font.size'] = 10

g = sns.PairGrid(data.loc[:, col_list+['Věk']], diag_sharey=False, hue='Věk')
g.fig.set_size_inches(15/2.54,15/2.54)
#g.map_upper(sns.scatterplot, size=.5, s=1)
g.map_lower(sns.scatterplot, s=5, linewidth=0)
#g.map_lower(sns.kdeplot)
g.map_diag(sns.distplot, kde=False, hist_kws={'ec': 'k'})

g = g.add_legend(bbox_to_anchor=(0.7, 0.9), borderaxespad=0., frameon=True, 
                 facecolor='white', title='Věk:', framealpha=1, ncol=2)

plt.savefig('histogramy_age.png', dpi=300, bbox_inches='tight', facecolor='white')

C:\Users\martina\anaconda3\lib\site-packages\seaborn\distributions.py:2619: FutureWarning: `distplot` is a deprecated function and will be removed in a future version. Please adapt your code to use either `displot` (a figure-level function with similar flexibility) or `histplot` (an axes-level function for histograms).
  warnings.warn(msg, FutureWarning)

Boxplot - grafické zhodnocení¶

In [12]:
plt.rcParams['font.size'] = 10
figsize = (16/2.54,15/2.54/2)
for col in col_list:
    display(HTML(r'<h4> {} </h4>'.format(col)))
    fig, (ax, ax2) = plt.subplots(ncols=2, figsize=figsize, gridspec_kw={'width_ratios':[1,3]}, tight_layout=True, sharey=True)
    vals = np.sqrt(data.loc[:, ['{}'.format(col), 'Věk']].groupby('Věk').count().values)/10.
    val = np.sum(vals) #np.sqrt(data.loc[:, '{}'.format(col)].count())/10.
    data.boxplot(column=['{}'.format(col)], ax=ax, widths=[val], showmeans=True, meanline=True, meanprops=dict(color='r'))
    data.boxplot(column=['{}'.format(col)], by='Věk', ax=ax2, widths=vals, showmeans=True, meanline=True, meanprops=dict(color='r'))
    #ax.set_title(r'{}'.format(col))
    fig.suptitle('')
    #print(val, np.sum(vals), vals)
    #print(ax.get_xlim())
    ax.set_ylim(3.5,21)
    plt.savefig('boxplot_{}.png'.format(col), dpi=300, bbox_inches='tight', pad_inches=0.01, facecolor='white')
    plt.show()

Extraverze

Přívětivost

Svědomitost

Neuroticismus

Intelekt

In [ ]: