Jointplotで相関と分布を同時に表示

入門

6.5.4

Jointplotで相関と分布を同時に表示

最終更新 2020-03-11 読了時間 1 分
まとめ
  • 散布図と周辺分布（KDE・ヒストグラム）を同時に表示するチャート。
  • sns.jointplot 一行で中央の散布図＋周辺分布を描画できる。
  • 2変数の相関だけでなく各変数の分布形状もまとめて確認したいときに使う。

seaborn.jointplot は中央に散布図、上下左右にヒストグラムを描画してくれる便利な関数です。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17

import seaborn as sns

fmri = sns.load_dataset("fmri")
subset = fmri[fmri["region"] == "frontal"].copy()

g = sns.jointplot(
    data=subset,
    x="timepoint",
    y="signal",
    kind="kde",
    fill=True,
    cmap="Blues",
    height=4.5,
)
g.fig.suptitle("fMRI 信号の Jointplot", y=1.02)

plt.show()

seaborn.jointplot は中央に散布図、上下左右にヒストグラムを描画してくれる便利な関数ですの図

読み方のポイント #

  • 中央の散布図が濃い領域は出現頻度が高い。周辺の KDE で各軸の分布も把握できる。
  • kind="hex" や kind="hist" に切り替えると別タイプのチャートになる。
  • データ量が多いと等高線の描画が重くなるため、サンプリングするか levels を減らすと良い。

いつ使うか #

  • 適している場面: 2変数の相関と各変数の周辺分布を同時に確認したいとき。EDAの初期段階に最適です。
  • 不向きな場面: サブプロットが固定構成のため、レイアウトの細かいカスタマイズが必要な場面には向きません。
  • 代替手段: マージナルヒストグラム付き散布図なら matplotlib だけでレイアウトを自由に制御できます。

よくある失敗パターン #

  • 周辺分布の種類の不適切な選択: データが少ないのに KDE を選ぶと滑らかすぎて実態と乖離します。データ数に応じてヒストグラムと KDE を使い分けてください。
  • 図のサイズ不足: 小さすぎる figure サイズだと周辺分布が潰れて読めなくなります。最低でも 6×6 以上を確保しましょう。