Matplotlibでラグプロット（Rug Plot）を作成する方法

ラグプロット（Rug Plot）は、データの分布を視覚的に把握するための手法の一つです。単一変数のデータを、軸に沿って短いマーク（目盛りのような線）として表示することで、データがどの位置に集中しているのかを直感的に確認できます。

この記事では、MatplotlibとSciPyを組み合わせて、ラグプロットにカーネル密度推定（KDE）の曲線を重ねて描画する方法を、具体的な手順とサンプルコード付きで解説します。

ラグプロット作成の手順

• figure()メソッドで図のサイズを設定し、rcParamsを使ってサブプロット間の余白を自動調整します。
• NumPyを使ってx方向のデータポイントを作成します。
• ガウシアンカーネルによるカーネル密度推定（KDE）の表現をkde1とkde2として追加します。
• figure()メソッドで新しい図を作成、または既存の図をアクティブ化します。
• サブプロット配置の一部として、図に「ax1」を追加します。
• マーカーサイズを20に設定してラグプロットを描画します。
• plot()メソッドを使い、x_eval、kde1(x_eval)、kde2(x_eval)のデータポイントをプロットします。
• legend()メソッドで凡例をグラフ上に配置します。
• show()メソッドで図を表示します。

サンプルコード

import numpy as np
from scipy import stats
import matplotlib.pyplot as plt

plt.rcParams["figure.figsize"] = [7.00, 3.50]
plt.rcParams["figure.autolayout"] = True

x = np.array([-6, -4, 2, 1, 4], dtype=float)

kde1 = stats.gaussian_kde(x)
kde2 = stats.gaussian_kde(x, bw_method='silverman')

fig = plt.figure()

ax = fig.add_subplot(111)
ax.plot(x, np.zeros(x.shape), 'b+', ms=20)

x_eval = np.linspace(-5, 5, num=10)
ax.plot(x_eval, kde1(x_eval), 'k-', label="Scott's Rule")
ax.plot(x_eval, kde2(x_eval), 'r-', label="Silverman's Rule")

plt.legend(loc='upper right')

plt.show()

コードのポイント

このコードでは、scipy.stats.gaussian_kdeを使って2種類の帯域幅推定法を比較しています。デフォルトではスコットの法則（Scott's Rule）が適用され、bw_method='silverman'を指定するとシルバーマンの法則（Silverman's Rule）が使われます。青色の「+」マークがラグプロット本体であり、実際のデータポイントの位置を示しています。その上に黒と赤のKDE曲線を重ねることで、データ分布の滑らかな近似を視覚的に比較できます。

出力結果

上記のコードを実行すると、以下のような出力が得られます。