Python SeabornのFacetGridを使ってデータを可視化する方法を解説

barplot（棒グラフ）関数は、カテゴリ変数と連続変数の間の関係を表現します。データは長方形のバーの形式で表示され、バーの長さはその特定のカテゴリにおけるデータの割合を示します。

点プロット（pointplot）は棒グラフとよく似ていますが、塗りつぶしたバーの代わりに、データポイントの推定値がもう一方の軸上の特定の高さにある点として表現される点が異なります。

カテゴリカルデータは、カテゴリ散布図やpointplotなどの個別のプロット、あるいはfactorplotと呼ばれるより高レベルな関数を使って可視化できます。factorplot関数は、パラメータ「kind」を指定することで、FacetGrid上にカテゴリプロットを描画します。

ここでは「kind」パラメータの値として「violin」を指定します。なお、FacetGridはデフォルトで「pointplot」関数を使用します。

それでは、factorplotを使ってバイオリンプロットを作成する方法を見ていきましょう。

FacetGridとは？

FacetGridはパネルの行列（マトリックス）であり、すべての変数を行と列に分割することで定義されます。このパネル構造により、1つのプロットがあたかも多数のプロットであるかのように表示されます。

FacetGridは、2つの離散変数のさまざまな組み合わせを網羅的に分析したい場合に非常に便利です。以下に具体例を示します。

サンプルコード

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
my_df = sb.load_dataset('exercise')
sb.factorplot(x = "time", y = "pulse", hue = "kind", kind = 'violin', col = "diet", data = my_df);
plt.show()

出力結果

コードの解説

• 必要なパッケージ（pandas、seaborn、matplotlib）をインポートします。
• 入力データは「exercise」データセットで、seabornライブラリから「load_dataset」関数を使って読み込まれます。
• 読み込んだデータはデータフレーム「my_df」に格納されます。
• このデータを「factorplot」関数を使って可視化します。
• x軸に「time」（時間）、y軸に「pulse」（脈拍）を指定し、「hue」パラメータで「kind」（運動の種類）ごとに色分けしています。
• 「kind」パラメータには「violin」を指定しているため、バイオリンプロットが描画されます。
• さらに「col」パラメータで「diet」（食事の種類）を指定することで、食事タイプ別にプロットが列方向へ分割されて表示されます。
• 最後にplt.show()を実行すると、作成したグラフが画面に表示されます。

なお、比較的新しいバージョンのseabornでは、factorplotは非推奨（deprecated）となっており、代わりにcatplot関数の使用が推奨されています。catplotも同様にFacetGridを基盤としているため、同じ引数を渡すことでほぼ同じ結果を得ることができます。