import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
sakura = pd.read_csv("tokyo_sakura.csv")
sakura.head()| year | bloom_day | march_temp_c | |
|---|---|---|---|
| 0 | 1953 | 26 | 9.4 |
| 1 | 1954 | 26 | 8.4 |
| 2 | 1955 | 24 | 8.7 |
| 3 | 1956 | 26 | 8.6 |
| 4 | 1957 | 33 | 6.8 |
10 気温とさくらの開花を調べる
これまでに学んだデータの読み込み，散布図，相関係数を使って，東京のさくらの開花日を調べよう．本章の問いは，3 月の平均気温が高い年ほど，さくらの開花は早いのかである．
まず，散布図で関係を確認し，相関係数を求める．次に，年代による違いを比べ，この分析からわかることと，相関だけでは判断できないことを考える．
10.1 どのようなデータか
図 5.2 では，東京のさくらの開花が早くなる傾向を見た．そして，原因を考えるには，気温など，ほかのデータも調べる必要があると述べた．ここでは，開花日と 3 月の平均気温の関係を，散布図と相関係数で調べる．
tokyo_sakura.csv は，気象庁が観測した 1953〜2025 年の東京のデータを，1 年 1 行にまとめた表である．各列は次の意味を持つ．
year：年bloom_day：ソメイヨシノの開花日（3 月 1 日を 1 日目として数えた日数）march_temp_c：3 月の平均気温（℃）
CSV ファイルをダウンロードし，チャプター 4 と同じ手順で Colab にアップロードする．本章のコードは，上から順に実行する．
出典：気象庁，生物季節観測累年値と過去の気象データ・ダウンロードを加工して作成．
10.2 散布図で関係を見る
横軸に 3 月の平均気温，縦軸に開花日をとり，1 年を 1 点で表す．
plt.figure(figsize=(6, 4))
plt.scatter(sakura["march_temp_c"], sakura["bloom_day"], color="steelblue")
plt.xlabel("Mean temperature in March (°C)")
plt.ylabel("Bloom day (March 1 = 1)")
plt.grid(alpha=0.3)
plt.tight_layout()
plt.show()
図 10.1 の点は，全体として右下がりに並んでいる．3 月の平均気温が高い年ほど，開花日が早い傾向がある．3 月の平均気温が特に低かった年と，特に高かった年を取り出してみよう．
cold_years = sakura[sakura["march_temp_c"] <= 6]
warm_years = sakura[sakura["march_temp_c"] >= 12.5]
print(cold_years)
print(warm_years) year bloom_day march_temp_c
17 1970 38 5.5
31 1984 42 5.9
year bloom_day march_temp_c
68 2021 14 12.8
70 2023 14 12.93 月の平均気温が 6℃ 以下だった 1970 年と 1984 年は，開花日が 38（4 月 7 日）と 42（4 月 11 日）であり，開花が遅かった．1984 年は，図 5.2 で最も遅く開花した年である．一方，12.5℃ 以上だった 2021 年と 2023 年は，どちらも 14（3 月 14 日）であり，最も早く開花した年に含まれる．
10.3 相関係数を求める
r = np.corrcoef(sakura["march_temp_c"], sakura["bloom_day"])[0, 1]
print("相関係数:", round(r, 2))相関係数: -0.85相関係数は -0.85 であり，3 月の平均気温と開花日には強い負の相関がある．
10.4 相関関係と因果関係
最初の 10 年間と最近の 10 年間で，3 月の平均気温と開花日を比べる．
early = sakura[sakura["year"] <= 1962]
recent = sakura[sakura["year"] >= 2016]
print("1953〜1962 年の 3 月の平均気温（℃）:", round(early["march_temp_c"].mean(), 1))
print("2016〜2025 年の 3 月の平均気温（℃）:", round(recent["march_temp_c"].mean(), 1))
print("1953〜1962 年の開花日の平均:", early["bloom_day"].mean())
print("2016〜2025 年の開花日の平均:", recent["bloom_day"].mean())1953〜1962 年の 3 月の平均気温（℃）: 8.5
2016〜2025 年の 3 月の平均気温（℃）: 10.8
1953〜1962 年の開花日の平均: 27.6
2016〜2025 年の開花日の平均: 19.53 月の平均気温は 8.5℃ から 10.8℃ に上がり，開花日の平均は 27.6 から 19.5 へと，約 8 日早くなっている．図 5.2 で見た，開花が早くなる傾向は，3 月の気温が上がったことと関係していそうだ．
ただし，相関係数は，二つの変数の直線的な関係の強さを表すだけであり，一方が他方の原因であることまでは示さない．開花が早くなった原因を確かめるには，さくらが開花するしくみについての知識や，ほかのデータと合わせて考える必要がある．相関関係があることと，因果関係があることは区別しよう．
10.5 わかったことをまとめる
- このデータでは，3 月の平均気温が高い年ほど，さくらの開花が早い傾向があった．
- 最初の 10 年間と最近の 10 年間を比べると，3 月の平均気温は高くなり，開花日の平均は早くなっていた．
- 相関係数だけでは，開花が早くなった原因までは判断できない．