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

2次元 KDE で密度を等高線表示

中級

06.2.6

2次元 KDE で密度を等高線表示

最終更新 2020-04-08 読了時間 2 分
まとめ
2 次元 KDE は、散布図の各点に小さな釣鐘型の山を置いて足し合わせ、できた「密度の地形」を等高線か塗りつぶしで描く図です。sns.kdeplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", hue="species", fill=True) の 1 回で、ペンギン 3 種それぞれの「くちばしの長さ × 深さ」の密集地が別色の等高線の島になります。342 点が重なって黒い塊に見える散布図でも、等高線なら中心がどこで、どの方向に広がり、種どうしがどこで重なるかが読めます。読み終えると、thresh と levels で島の輪郭と段数を調整し、bw_adjust を変えてクラスタの島が消えたり分かれたりしないか確かめられるようになります。

1 次元の 密度プロット で「各点に置いた山の合計」という考え方を先に学ぶと、2 次元への拡張が理解しやすくなります。

直感 #

ペンギン 342 羽の「くちばしの長さ」と「くちばしの深さ」を散布図にすると、3 種が入り混じった塊ができ、点が重なった場所ほど実際には何羽いるのか読めなくなります。2 次元 KDE は 1 次元の密度プロットをそのまま平面に広げたもので、342 点それぞれの位置に同じ大きさの釣鐘型の山を置き、全部を足し合わせて「密度の地形」を作ります。地形を等高線で描けば、山頂(最も密な組み合わせ)がどこか、尾根がどの向きに伸びているか(長さと深さの相関)、3 種の島がどこで接しているかが見えます。山の底面の幅(バンド幅)を広げると島どうしがつながり、狭めると小さな島に割れるので、形は幅の選び方に依存します。

Python で描く #

次のコードは seaborn 付属の penguins データから欠損行を除き、くちばしの長さと深さの 2 次元密度を種別に塗りつぶした等高線で描きます。

 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 seaborn as sns
import matplotlib.pyplot as plt

penguins = sns.load_dataset("penguins").dropna(subset=["bill_length_mm", "bill_depth_mm"])

fig, ax = plt.subplots(figsize=(5.5, 4.5))
sns.kdeplot(
    data=penguins,
    x="bill_length_mm",
    y="bill_depth_mm",
    hue="species",
    fill=True,
    thresh=0.05,
    levels=6,
    alpha=0.6,
    ax=ax,
)

ax.set_xlabel("くちばし長 (mm)")
ax.set_ylabel("くちばし深さ (mm)")
ax.set_title("ペンギン種別の 2 次元 KDE")
ax.grid(alpha=0.2)

fig.tight_layout()

plt.show()

散布図が密集しているときに有効ですの図

実行結果の読み方 #

Adelie の島は左上(長さ 39 mm、深さ 18 mm 付近)、Chinstrap は右上(49 mm、18.5 mm 付近)、Gentoo は右下(47 mm、15 mm 付近)に中心があります。Chinstrap と Gentoo は長さが似ていても深さで分かれ、Adelie と Chinstrap は深さが似ていても長さで分かれるので、2 変数を組み合わせれば 3 種をほぼ分離できると読めます。各島の内側の線ほど密度が高く、Gentoo の島が横に長いのは長さの散らばりが深さより大きいことを表しています。

使いどころと落とし穴 #

2 次元 KDE が向くのは、点が 200 個以上重なって散布図では濃淡が読めないときと、クラスごとの密集地の重なりを見たいときです。落とし穴は 2 つあります。第一に、bw_adjust が大きすぎると 2 つの島が 1 つにつながり、クラスタの存在が消えるので、0.5 と 1.5 で描き比べて島の数が変わらないか確かめます。第二に、1 万点を超えると推定に時間がかかるので、sample(3000) で間引くか、パラメータなしで密度を数えられる Hexbin プロット に切り替えます。周辺分布も一緒に見たいなら Jointplot で kind="kde" を指定するのが近道です。