K_DM Book
用語集
対象者 標準
対象者別の入口 →

対象者の設定はこのブラウザの中にだけ保存されます。

言語 JA

月別ボックスプロット

入門

04.3.2

月別ボックスプロット

最終更新 2020-06-17 読了時間 2 分
まとめ
月別ボックスプロットは、複数年の日次データを「1 月の値すべて」「2 月の値すべて」と 12 のグループに分け、各グループの中央値・四分位範囲・外れ値を箱とひげで並べた図です。このページでは、水準 150 に振幅 5 の年周期と標準偏差 2.2 のノイズを足した 4 年分(1,460 日)の系列を作り、series.index.month == month で月ごとに切り出して ax.boxplot(data, labels=...) に渡します。読み終えると、中央線の上下から季節性の水準差を、箱の高さからばらつきの大小を、ひげの外の点から特殊要因の月を読み分けられるようになります。

月ごとに箱ひげ図を並べると、「7 月は高く 1 月は低い」という水準差と、「12 月だけ箱が長い」というばらつきの差を同じ図で比べられます。

直感 #

4 年分の日次データを 1 本の折れ線で描くと、年周期の波が 4 回繰り返すだけで「6 月と 7 月でどちらが高いか」は読めません。そこで年の違いを無視して「月」だけで束ね、1 月なら 4 年×31 日 = 124 個の値を 1 つの箱にまとめます。箱の中の線が中央値、箱の上下が第 1・第 3 四分位、ひげの先が四分位範囲の 1.5 倍までの範囲で、それより外の点が外れ値です。12 個の箱を横に並べれば、中央線がなぞる曲線が季節性の形、箱の高さが月ごとの安定度になります。

何が起きているか(ステップで見る) #

コードを読む前に、この手法が図の上で何をしているかを追ってみましょう。「再生」を押すか、スライダーを動かすと 1 手順ずつ進みます。

見るポイント:曜日ごとに色分け・平均すると、ノイズに隠れた週のパターンが取り出せる。

Python で描く #

次のコードは、2019 年から 4 年分の日次系列に \(5 \sin(2\pi \cdot \text{dayofyear} / 365)\) の年周期を仕込み、12 か月分の値を boxplot で並べて月ごとに青の濃さを変えて塗ります。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

rng = np.random.default_rng(15)
dates = pd.date_range("2019-01-01", periods=4 * 365, freq="D")
seasonal = 5 * np.sin(2 * np.pi * dates.dayofyear / 365)
noise = rng.normal(0, 2.2, size=len(dates))
series = pd.Series(150 + seasonal + noise, index=dates)

data = [series[series.index.month == month].values for month in range(1, 13)]

fig, ax = plt.subplots(figsize=(9, 4))
ax.boxplot(data, labels=[f"{m}月" for m in range(1, 13)], patch_artist=True)

colors = plt.cm.Blues(np.linspace(0.4, 0.8, 12))
for patch, color in zip(ax.artists, colors):
    patch.set_facecolor(color)

ax.set_title("月別ボックスプロット")
ax.set_xlabel("月")
ax.set_ylabel("値")
ax.grid(alpha=0.3, axis="y")

fig.tight_layout()
fig.savefig("static/images/timeseries/monthly_boxplot.svg")

月別ボックスプロットの図

実行結果の読み方 #

中央線は 1 月の 150 付近から 4 月の 155 付近へ上がり、10 月の 145 付近へ下がって 12 月に 150 へ戻る、仕込んだ正弦波の形をなぞります。箱の高さはどの月もほぼ同じで、これはノイズの標準偏差 2.2 を全期間で一定にしてあるためです。実データで 12 月だけ箱が 2 倍長ければ、その月のばらつきが大きい、つまり年によって 12 月の挙動が違うと読みます。ひげの外に打たれた点は四分位範囲の 1.5 倍を超えた日で、正規ノイズなら 124 個中 1 個程度しか出ません。ある月に 5 個以上まとまって出るなら、連休やイベントのような特殊要因を疑います。

使いどころと落とし穴 #

月別ボックスプロットは「季節性があるか」を最初に確認する図で、中央線が平らなら季節項をモデルに入れる必要はなく、山と谷の差が箱の高さより大きければ seasonal_decompose や月ダミー変数を検討します。落とし穴はトレンドで、4 年間に水準が 20 上がる系列では、どの月の箱も「1 年目は低く 4 年目は高い」ぶんだけ縦に伸び、季節性のばらつきと区別がつきません。先に series - series.rolling(365, center=True).mean() でトレンドを引くか、年ごとに色を変えて 季節サブシリーズプロット を描くと、どちらの要因かを切り分けられます。