Python 工程能力指数Cpkを計算する「pandas」

 　本記事では、csvファイルから各列のCpk（cpu, cplの小さい方）を計算して、csvファイルに出力する雛形コードを載せました。

また、下図のようにヒストグラムも作成します。

使用した例題のcsvデータの作成方法は、次のリンク先を参照下さい。https://hk29.hatenablog.jp/entry/2019/12/10/201705

■本プログラム

#!/usr/bin/env python
# coding: utf-8

# In[1]:


import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
plt.rcParams['font.size'] = 16 # グラフの基本フォントサイズの設定

# ファイルを読み込む
file_path = 'boston_XYdata.csv'
df = pd.read_csv(file_path)

# インデックスを1からに振り直す
df.index = np.arange(1, len(df) + 1)
df


# In[2]:


# 必要なデータ列の抽出とヒストグラムの作成
DF = df[['RM', 'LSTAT', 'PRICE']]
DF.hist()
plt.tight_layout()
DF


# In[3]:


# cpkを算出する
def cpk_func(i, col, df_col, lsl, usl):
    # 平均値の算出
    ave = df_col.mean()

    # 標準偏差の算出
    sigma = np.std(df_col.values, ddof=1)

    # 正規分布のためのx軸の範囲を作成
    x = np.linspace(ave - 3 * sigma, ave + 3 * sigma, num = 1000)

    # 正規分布の計算
    y = np.exp(-(x - ave) ** 2 / (2 * sigma ** 2)) / (np.sqrt(2 * np.pi) * sigma)
    
    # cpuとcplの計算
    cpu = (usl - ave) / (3 * sigma)
    cpl = (ave - lsl) / (3 * sigma)
    
    # cpkを選定する（cpuとcplの小さい方を選択）
    cpk = min(cpu, cpl)

    # ヒストグラムでプロット
    ax = fig.add_subplot(1, len(DF.columns), i, title = col + ": cpk={:.2f}".format(cpk))
    ax.hist(df_col.values, bins = 10, density=False, color='b', rwidth=0.9)
    
    # 2軸にする
    ax2 = ax.twinx()
    ax2.plot(x, y, c='r')    
    
    ax.grid()
    plt.tight_layout()
    
    return ave, sigma, cpk


# 各列の下限と上限をリストで作成（後ほど、pandasデータフレームに結合する）
judge_list = [(5, 9), (0, 50), (-70, 70)]

ave_list = []
sigma_list = []
cpk_list = []
lower_judge_list = []
upper_judge_list = []
fig = plt.figure(figsize = (14, 6))
for i, (col, (lower, upper)) in enumerate(zip(DF.columns, judge_list), start=1):
    my_ave, my_sigma, my_cpk = cpk_func(i, col, DF[col], lower, upper)
    ave_list.append(my_ave)
    sigma_list.append(my_sigma)
    cpk_list.append(my_cpk)
    lower_judge_list.append(lower)
    upper_judge_list.append(upper)
cpk_list


# In[4]:


# cpk計算結果をpandasデータフレームに結合する
def df_insert_func(df, index, value):
    # index 行目までを抽出し、その直後に行を追加
    df1 = df.iloc[:index].append(pd.Series(value, index=df.columns), ignore_index=True)
    # index + 1 行目以降を抽出
    df2 = df.iloc[index:]
    # 縦方向に結合
    df_concat = pd.concat((df1, df2)).reset_index(drop=True)

    return df_concat

new_df = df_insert_func(DF, 0, sigma_list)
new_df = df_insert_func(new_df, 0, ave_list)
new_df = df_insert_func(new_df, 0, lower_judge_list)
new_df = df_insert_func(new_df, 0, upper_judge_list)
new_df = df_insert_func(new_df, 0, cpk_list)
new_df


# In[5]:


# 新しいインデックスをリストで作成する
row_list = DF.index.to_list()
new_index_list = ['cpk', 'usl', 'lsl', 'ave', 'sigma'] + row_list
#new_index_list


# In[6]:


# インデックスを差し替える
new_df.set_axis(new_index_list, axis = 'index', inplace = True)


# In[7]:


new_df.to_csv('new_' + file_path)
new_df


# In[ ]:

以上

<広告>

リンク