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

Hexbin プロットで密度を捉える

中級

06.7.1

Hexbin プロットで密度を捉える

最終更新 2020-01-29 読了時間 2 分
まとめ
Hexbin プロットは、散布図の平面を六角形のタイルで敷き詰め、各タイルに入った点の数を色の濃さで表す「2 変量のヒストグラム」です。点が 1,000 個を超える散布図では中心部が真っ黒に重なって密度が読めませんが、六角形ごとに件数を集計すれば「どこに最も多く集まっているか」が色で分かります。matplotlib では ax.hexbin(x, y, gridsize=18, cmap="Blues", mincnt=1) の 1 行で描け、戻り値をそのまま fig.colorbar に渡せば件数の目盛りが付きます。読み終えると、購入金額 2,500 円・滞在時間 25 分付近に濃い六角形が集まる理由を理解し、gridsize を変えたときに粗さがどう変わるかを自分のデータで試せるようになります。

直感 #

1,000 人の購入金額と滞在時間を散布図にすると、平均付近の点が重なって黒い塊になり、「塊の中でどこが最も濃いか」は読めません。alpha=0.1 で透かす方法もありますが、点が 1 万個になればやはり潰れます。Hexbin は平面を六角形のマス目に分け、マスごとに点を数えて色にします。これはヒストグラムを 2 次元に拡張したもので、濃い六角形が多数派の顧客像、薄い六角形が少数の顧客です。四角ではなく六角形を使うのは、隣接するマスとの距離がすべて等しく、斜め方向の偏りが出にくいからです。

Python で描く #

次のコードは、ガンマ分布の滞在時間(平均 36 分、右に長い裾)と正規分布の購入金額(平均 2,500 円、標準偏差 700 円)を 1,000 件作り、hexbin で件数の密度を描きます。カラーバーで色と件数の対応を示します。

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

rng = np.random.default_rng(42)
session = rng.gamma(shape=3, scale=12, size=1000)   # 滞在時間(分)
amount = rng.normal(loc=2500, scale=700, size=1000) # 購入金額(円)

fig, ax = plt.subplots(figsize=(6, 4))
hb = ax.hexbin(
    amount,
    session,
    gridsize=18,
    cmap="Blues",
    mincnt=1,
)
ax.set_xlabel("購入金額(円)")
ax.set_ylabel("滞在時間(分)")
ax.set_title("滞在時間 × 購入金額の Hexbin")
cb = fig.colorbar(hb, ax=ax, shrink=0.85)
cb.set_label("件数")

fig.tight_layout()

plt.show()

matplotlib.hexbin で簡単に描けますの図

実行結果の読み方 #

色が濃い六角形ほど多くの顧客(カラーバーの件数)が入っています。この例では購入金額 2,500 円・滞在時間 20〜30 分付近に最も濃いマスがあり、そこから上方向(滞在時間が長い側)に薄い六角形が長く伸びているのがガンマ分布の右裾です。横方向は 2,500 円を中心に左右対称に薄くなり、正規分布の形がそのまま出ています。カラーバーの目盛りから、最も濃いマスに 20 件前後が入っていると読み取れます。

使いどころと落とし穴 #

Hexbin は、点が数千〜数万個あって通常の散布図が重なりで読めなくなったときに使います。点が 100 個程度しかないと六角形の大半が 1 件で空白だらけになり、ax.scatter の方が情報を失いません。gridsize は必ず数通り試すべき引数で、粗すぎれば密度の構造が消え、細かすぎれば散布図と同じになります。空マスを白のままにすると背景と区別がつかずデータの範囲が読めないので、mincnt=1 で描かないか、ax.set_facecolor("#f1f5f9") で背景を薄いグレーにして白い六角形を見せるかのどちらかを選んでください。滑らかな等高線で密度を表したいなら、sns.kdeplot(x, y) による 2 次元 KDE が代替になります。