06.5.5
散布図にマージナルヒストグラムを追加
sns.jointplot が中央と周辺を一度に決めてしまうのに対し、sns.JointGrid は枠だけを作り、g.plot_joint(関数, ...) と g.plot_marginals(関数, ...) で中央と周辺の描き方を別々に指定できます。この章では iris データ 150 件の花弁長と花弁幅を、中央は 3 種で色分けした scatterplot、周辺は階段状の histplot で描きます。読み終えると、jointplot では届かない「中央だけ色分け、周辺は灰色」のような組み合わせを自分で作る方法と、ビン幅と軸範囲を中央と揃える理由が分かります。先に 散布図の基本形 で点の打ち方を、Jointplot で 3 パネルの読み方を見ておくと、この章は「同じ 3 パネルを自分で組み立てる」話だと分かります。
直感 #
iris の花弁長と花弁幅を散布図にすると、setosa の塊が左下に離れ、versicolor と virginica が右上で部分的に重なる形が見えます。ここで「花弁長だけを見たとき 3 種はどう分かれるか」を知りたくなっても、散布図を横に押しつぶして想像するしかありません。上にヒストグラムを貼れば花弁長の分布、右に貼れば花弁幅の分布がそのまま見え、たとえば花弁長 1〜2 cm に setosa だけの山が立つことが読めます。JointGrid はこの 3 枚の配置だけを用意し、中身は自分で選べるので、中央は種ごとの色分け、周辺は種を区別しない灰色、という組み合わせが作れます。
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、iris データで JointGrid の枠を作り、中央に sns.scatterplot を種ごとに色分けして描き、上と右に sns.histplot の階段状ヒストグラムを灰色で描きます。中央と周辺で関数と引数を別々に渡しているところが jointplot との違いです。
| |

実行結果の読み方 #
中央の散布図では、setosa が花弁長 1〜2 cm・花弁幅 0.1〜0.6 cm の左下に孤立し、versicolor と virginica が右上で一部重なります。上のヒストグラムを見ると花弁長の分布は 1〜2 cm と 3〜7 cm に分かれた 2 つの山になり、左の小さな山が setosa 50 件そのものだと中央の色から分かります。右のヒストグラムでも花弁幅 0.1〜0.6 cm に同じ 50 件の山が立ち、残り 100 件が 1.0〜2.5 cm に広がります。中央だけでは「重なっている」としか言えない versicolor と virginica も、周辺の山の形を見れば花弁幅 1.5 cm 前後を境に分布が切り替わることが読めます。
使いどころと落とし穴 #
JointGrid が向くのは、jointplot の既定では足りない組み合わせ、たとえば中央は色分けの散布図で周辺は全体のヒストグラム、中央は回帰直線で周辺は KDE、のように中央と周辺を別々に設計したい場面です。周辺を sns.kdeplot にするとビン幅に依存しない滑らかな形で分布を確かめられます。落とし穴の 1 つ目はビン幅の不統一で、上と右で bins の基準が違うと 2 つの分布の山の高さを比べられないので、binwidth=0.25 のように同じ幅を両方に渡します。2 つ目は軸範囲のずれで、周辺パネルを JointGrid の外で別に描くと中央の点とヒストグラムの位置が合わなくなるため、必ず plot_marginals を通して軸を共有させます。色分けした場合の凡例は中央のパネルに付くので、位置を変えたいときは g.ax_joint.legend(loc="upper left") で調整します。