日本語 English
| 開講年度/ Academic YearAcademic Year |
20262026 |
| 科目設置学部/ CollegeCollege |
経済学部/College of EconomicsCollege of Economics |
| 科目コード等/ Course CodeCourse Code |
BX371/BX371BX371 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
記述統計にもとづく経済・地域データ分析―Pythonによる可視化と身近な事例― |
| 授業形態/ Class FormatClass Format |
対面（全回対面）/Face to face (all classes are face-to-face)Face to face (all classes are face-to-face) |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
|
| 授業形式/ Class StyleCampus |
講義/LectureLecture |
| 校地/ CampusCampus |
池袋/IkebukuroIkebukuro |
| 学期/ SemesterSemester |
春学期/Spring SemesterSpring Semester |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
土2/Sat.2 Sat.2 ログインして教室を表示する（Log in to view the classrooms.） |
| 単位/ CreditsCredits |
22 |
| 科目ナンバリング/ Course NumberCourse Number |
EPS2340 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
抽選登録/Lottery RegistrationLottery Registration（定員：70人/ Capacity：70） |
| 配当年次/ Assigned YearAssigned Year |
配当年次は開講学部のR Guideに掲載している科目表で確認してください。配当年次は開講学部のR Guideに掲載している科目表で確認してください。 |
| 先修規定/ Prerequisite RegulationsPrerequisite Regulations |
2024年度以降入学者／データ分析入門1・2 2023年度以前入学者／情報処理入門1・2 |
| 他学部履修可否/ Acceptance of Other CollegesAcceptance of Other Colleges |
履修登録システムの『他学部・他研究科履修不許可科目一覧』で確認してください。 |
| 履修中止可否/ Course CancellationCourse Cancellation |
〇（履修中止可/ Eligible for cancellation） |
| オンライン授業60単位制限対象科目/ Online Classes Subject to 60-Credit Upper LimitOnline Classes Subject to 60-Credit Upper Limit |
|
| 学位授与方針との関連/ Relationship with Degree PolicyRelationship with Degree Policy |
各授業科目は、学部・研究科の定める学位授与方針（DP）や教育課程編成の方針（CP）に基づき、カリキュラム上に配置されています。詳細はカリキュラム・マップで確認することができます。 https://www.rikkyo.ac.jp/about/disclosure/educational_policy/economics.html |
| 備考/ NotesNotes |
旧科目名）政策情報処理Ａ |
1. Understand statistical concepts and calculation procedures, and accurately compute and visualize them using Python.
2. Explore statistical concepts through small-scale datasets, gaining awareness of procedures and logical structures.
3. Analyze and visualize real-world data, and communicate macro trends effectively in writing.
4. Explain theories and calculation procedures clearly using Markdown and mathematical notation.
5. Develop skills in reproducible data processing, statistical computation, and visualization, while improving practical application abilities.
First half: Using small-scale data such as test scores, participants will learn basic statistical concepts, including mean, variance, standardization, frequency distribution, and histograms, and will perform calculations and visualizations using Python.
Second half: Using small-scale census data (e.g., aging rate, population distribution), participants will explore regional and social trends through visualization and analysis using Python and jStatMap.
Advanced: Participants will document their analysis procedures using Markdown and mathematical notation, and leverage AI tools to clarify questions and deepen their understanding.
| 1 | 【内容】Jupyter Notebook 入門、変数、計算 【ツール】Jupyterの使い方 【ポイント】プログラミング環境に慣れる |
| 2 | 【内容】文字列、リスト、データ型 【ツール】Python基礎 【ポイント】データ操作の基本 |
| 3 | 【内容】小規模データで平均・分散・標準化 【ツール】NumPy 【ポイント】統計量の概念を体感 |
| 4 | 【内容】CSVデータ読み込み・Pandas基礎 【ツール】Pandas 【ポイント】実データ扱いの基礎 |
| 5 | 【内容】豊島区町丁字別人口の平均 【ツール】NumPy, Pandas 【ポイント】代表値の理解、マクロ傾向の把握 |
| 6 | 【内容】豊島区町丁字別人口の分散・標準化 【ツール】NumPy, Pandas 【ポイント】データのばらつきの理解 |
| 7 | 【内容】度数分布 【ツール】NumPy, Pandas 【ポイント】データ分布の理解、ヒストグラムとの接続 |
| 8 | 【内容】ヒストグラム作成 【ツール】NumPy, Pandas, Matplotlib 【ポイント】可視化による直感的理解 |
| 9 | 【内容】相関関係 【ツール】Numpy, Pandas 【ポイント】変数間の関係を理解、マクロ視点に結び付ける |
| 10 | 【内容】標本平均・母平均（推測統計の基本） 【ツール】Numpy, Pandas 【ポイント】推測統計の基礎、手順の理解 |
| 11 | 【内容】豊島区町丁字別の人口密度の統計地図 【ツール】jStatMap 【ポイント】空間分布の直感的理解、地図操作体験 |
| 12 | 【内容】年少人口割合・高齢化率の統計地図 【ツール】jStatMap 【ポイント】統計地図の階級区分、マクロ解釈 |
| 13 | 【内容】統計地図と鉄道データの重ね合わせ 【ツール】jStatMap/発展：GeoPanas 【ポイント】空間データの統合 |
| 14 | 第1回～第13回まとめ |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
授業時間外の学修に関する指示は、履修登録完了後に「Canvas LMS」上で履修者に対して行う。各回の予習・復習にはそれぞれ2時間程度を要する
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 筆記試験 (Written Exam) | 60 | |
| 平常点 (In-class Points) | 40 |
リアクションペーパー(15%) 授業内に指示した複数回の提出物(25%) |
| 備考 (Notes) | ||
なし/None
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 辻 真吾、谷合 廣紀 | 『Pythonで理解する統計解析の基礎』 | 技術評論社 | 2018 | 4297100495 |
1.統計量の意味と計算手順を理解し、Pythonで正確に計算・可視化できる
2.小規模データを用いて統計概念を体感し、手順や論理構造に意識を向ける
3.実社会データを分析・可視化し、マクロ的傾向を文章で説明できる
4.Markdownや数式記法を使い、理論と計算手順を明示できる
5.データ処理・統計計算・可視化の再現性や論理構造を理解し、応用力を高める
1. Understand statistical concepts and calculation procedures, and accurately compute and visualize them using Python.
2. Explore statistical concepts through small-scale datasets, gaining awareness of procedures and logical structures.
3. Analyze and visualize real-world data, and communicate macro trends effectively in writing.
4. Explain theories and calculation procedures clearly using Markdown and mathematical notation.
5. Develop skills in reproducible data processing, statistical computation, and visualization, while improving practical application abilities.
前半：テスト点数などの小規模データを用いて、平均・分散・標準化・度数分布・ヒストグラムといった基本的な統計概念を理解し、Pythonによる計算と可視化を行う。
後半：国勢調査の小地域統計データ（高齢化率、人口分布など）を題材に、Pythonや jStatMap を用いた可視化・分析を通して、地域的・社会的傾向を読み取る。
発展：Markdownや数式記法を用いて分析手順を記録し、AIツールを活用した疑問点の整理や理解の深化を行う。
First half: Using small-scale data such as test scores, participants will learn basic statistical concepts, including mean, variance, standardization, frequency distribution, and histograms, and will perform calculations and visualizations using Python.
Second half: Using small-scale census data (e.g., aging rate, population distribution), participants will explore regional and social trends through visualization and analysis using Python and jStatMap.
Advanced: Participants will document their analysis procedures using Markdown and mathematical notation, and leverage AI tools to clarify questions and deepen their understanding.
| 1 | 【内容】Jupyter Notebook 入門、変数、計算 【ツール】Jupyterの使い方 【ポイント】プログラミング環境に慣れる |
| 2 | 【内容】文字列、リスト、データ型 【ツール】Python基礎 【ポイント】データ操作の基本 |
| 3 | 【内容】小規模データで平均・分散・標準化 【ツール】NumPy 【ポイント】統計量の概念を体感 |
| 4 | 【内容】CSVデータ読み込み・Pandas基礎 【ツール】Pandas 【ポイント】実データ扱いの基礎 |
| 5 | 【内容】豊島区町丁字別人口の平均 【ツール】NumPy, Pandas 【ポイント】代表値の理解、マクロ傾向の把握 |
| 6 | 【内容】豊島区町丁字別人口の分散・標準化 【ツール】NumPy, Pandas 【ポイント】データのばらつきの理解 |
| 7 | 【内容】度数分布 【ツール】NumPy, Pandas 【ポイント】データ分布の理解、ヒストグラムとの接続 |
| 8 | 【内容】ヒストグラム作成 【ツール】NumPy, Pandas, Matplotlib 【ポイント】可視化による直感的理解 |
| 9 | 【内容】相関関係 【ツール】Numpy, Pandas 【ポイント】変数間の関係を理解、マクロ視点に結び付ける |
| 10 | 【内容】標本平均・母平均（推測統計の基本） 【ツール】Numpy, Pandas 【ポイント】推測統計の基礎、手順の理解 |
| 11 | 【内容】豊島区町丁字別の人口密度の統計地図 【ツール】jStatMap 【ポイント】空間分布の直感的理解、地図操作体験 |
| 12 | 【内容】年少人口割合・高齢化率の統計地図 【ツール】jStatMap 【ポイント】統計地図の階級区分、マクロ解釈 |
| 13 | 【内容】統計地図と鉄道データの重ね合わせ 【ツール】jStatMap/発展：GeoPanas 【ポイント】空間データの統合 |
| 14 | 第1回～第13回まとめ |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
授業時間外の学修に関する指示は、履修登録完了後に「Canvas LMS」上で履修者に対して行う。各回の予習・復習にはそれぞれ2時間程度を要する
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 筆記試験 (Written Exam) | 60 | |
| 平常点 (In-class Points) | 40 |
リアクションペーパー(15%) 授業内に指示した複数回の提出物(25%) |
| 備考 (Notes) | ||
なし/None
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 辻 真吾、谷合 廣紀 | 『Pythonで理解する統計解析の基礎』 | 技術評論社 | 2018 | 4297100495 |