カテゴリ別の散布図に注釈を追加

先に 散布図の基本形 で 1 グループの点の打ち方を見ておくと、この章は「色分け・基準線・注釈の 3 つを足す」だけの拡張だと分かります。

直感 #

3 つのグループの評価指標 X と Y を 210 点の散布図にすると、分析者には「C グループが右上に固まっている」と見えても、初めて図を見る人は 210 個の点を眺めるだけで終わります。そこで 3 つの道具を足します。まずグループごとに青・緑・橙で色を分け、次に X と Y の全体平均に破線を引いて図を「平均より上か下か」の 4 象限に切り、最後に右上の塊へ「高スコア帯」と矢印を打ちます。点の配置は変えていないのに、読者の目は矢印の先へ誘導され、「C は X も Y も平均より高いグループだ」という結論が 3 秒で伝わります。

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：r は「直線に沿う強さ」。曲線的な関係や外れ値があると、r だけでは関係を見誤る。

Python で描く #

次のコードは、中心の違う 3 つの正規分布から A（80 点）・B（70 点）・C（60 点）を作り、グループごとに ax.scatter で色を分けて描きます。その上に平均を通る破線 2 本と、(66, 84) を指す矢印付きの注釈「高スコア帯」を加えます。

 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
27
28
29
30
31
32
33
34

import numpy as np
import matplotlib.pyplot as plt

rng = np.random.default_rng(0)
cluster = np.concatenate([np.full(80, "A"), np.full(70, "B"), np.full(60, "C")])
x = np.concatenate([rng.normal(40, 6, 80), rng.normal(55, 5, 70), rng.normal(65, 4, 60)])
y = np.concatenate([rng.normal(70, 5, 80), rng.normal(60, 6, 70), rng.normal(80, 5, 60)])
palette = {"A": "#2563eb", "B": "#10b981", "C": "#f97316"}

fig, ax = plt.subplots(figsize=(6, 4))
for cat in np.unique(cluster):
    mask = cluster == cat
    ax.scatter(x[mask], y[mask], label=f"グループ {cat}", color=palette[cat], alpha=0.75, edgecolors="white", s=60)

ax.axvline(np.mean(x), color="#9ca3af", linestyle="--", linewidth=1)
ax.axhline(np.mean(y), color="#9ca3af", linestyle="--", linewidth=1)

ax.annotate(
    "高スコア帯",
    xy=(66, 84),
    xytext=(72, 90),
    arrowprops=dict(arrowstyle="->", color="#1f2937"),
    fontsize=11,
)

ax.set_xlabel("評価指標 X")
ax.set_ylabel("評価指標 Y")
ax.set_title("カテゴリ別散布図と注釈")
ax.legend()
ax.grid(alpha=0.3)

fig.tight_layout()

plt.show()

実行結果の読み方 #

青の A は左上（X 約 40、Y 約 70）、緑の B は中央下（X 約 55、Y 約 60）、橙の C は右上（X 約 65、Y 約 80）に固まります。灰色の破線は X の全体平均（約 52）と Y の全体平均（約 70）を通り、C だけが「X も Y も平均より高い」右上の象限にほぼ全員入っていることが読めます。矢印付きの「高スコア帯」はその C の塊を指しており、読者はまずそこを見てから他の 2 グループに目を移します。A は X が低く、B は Y が低い、という対比も象限の位置から読めます。

使いどころと落とし穴 #

この手法が向くのは、分析者がすでに結論（「C が高スコア帯」）を持っていて、それを第三者に図で納得させるプレゼンや報告書の場面です。基準線は全体平均のほかに目標値や業界平均でもよく、axhline(80) のように固定値を渡します。凡例の順番を「重視順」や「規模順」に並べ替えると説明の流れに沿います。落とし穴の 1 つ目は注釈の付けすぎで、210 点すべてや 10 か所に矢印を打つと情報過多で何も伝わらないため、本当に見せたい 1〜2 か所に絞ります。2 つ目はラベルの重なりで、数十点に名前を付けると文字どうしが重なって読めなくなるので、adjustText ライブラリで自動的にずらすか、xytext を手で調整します。全点の値を確認したい用途なら、静止画ではなく Plotly などのホバー表示付きの図に切り替えるほうが向いています。