【Python】Seabornのfactorplot関数でバイオリン図を可視化する方法

データ分析において、カテゴリ変数と連続変数の関係を視覚的に把握することは非常に重要です。Pythonの可視化ライブラリ「Seaborn」には、カテゴリカルデータを見やすく可視化するための機能が多数用意されています。本記事では、factorplot関数を使ってバイオリン図（バイオリンプロット）を描く方法を解説します。

barplot（棒グラフ）とpointplot（点グラフ）との違い

barplot関数は、カテゴリ変数と連続変数の関係を表現するための関数です。データは長方形のバーとして描画され、バーの長さがそのカテゴリにおけるデータの推定値（割合）を示します。

一方、pointplotも棒グラフと似た役割を持ちますが、塗りつぶしたバーの代わりに、データポイントの推定値をもう一方の軸上の特定の高さにある「点」として表現する点が異なります。

factorplot関数とは

カテゴリカルデータは、カテゴリ散布図やpointplotなどを用いた複数種類のプロットで可視化できます。これらを統一的に扱える高レベルな関数が「factorplot」です。

factorplot関数は、FacetGrid上にカテゴリプロットを描画する関数で、「kind」パラメータによってプロットの種類を切り替えられます。デフォルトではpointplotが使用されますが、バイオリン図を描きたい場合は「kind」に「violin」を指定します。

コード例：factorplotでバイオリン図を作成する

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', data = my_df)
plt.show()

出力結果

コードの解説

• まず、必要なパッケージ（pandas、seaborn、matplotlib）をインポートします。
• 入力データには、seabornライブラリに収録されている「exercise」データセットを使用します。
• load_dataset関数でこのデータセットを読み込み、データフレーム（my_df）に格納します。
• factorplot関数にデータフレームをdata引数として渡し、データを可視化します。
• x軸に「time」（時間）、y軸に「pulse」（脈拍）を指定し、hueに「kind」（運動の種類）を設定することでカテゴリごとに色分けされます。
• kindパラメータに「violin」を指定しているため、データの分布形状がバイオリン図として描画されます。
• 最後にplt.show()を実行すると、グラフが画面に表示されます。

補足：最新版ではcatplotの使用を推奨

なお、factorplotはSeaborn 0.9.0以降で非推奨（deprecated）となり、現在は後継関数である「catplot」の使用が推奨されています。引数の指定方法はほぼ共通しており、sb.catplot(x="time", y="pulse", hue="kind", kind='violin', data=my_df)のように書き換えるだけで同じバイオリン図を描けます。新規にコードを書く場合はcatplotを使うとよいでしょう。