PythonのSeabornライブラリでカーネル密度推定プロット（jointplot）を表示する方法

Seabornは、データの可視化を支援するPythonライブラリです。カスタマイズされたテーマと高水準インターフェースが備わっており、少ないコード量で美しいグラフを作成できます。

カーネル密度推定（KDE）とは

カーネル密度推定（Kernel Density Estimation、略称KDE）は、連続型確率変数の確率密度関数を推定するための手法です。ノンパラメトリックな値の分析に用いられ、データの分布を滑らかな曲線として表現できるのが特徴です。

jointplotを使用する際、引数「kind」に「kde」を指定すると、カーネル密度推定プロットが描画されます。

ここでは、Pythonのjointplot関数を使ってカーネル密度推定を描画する方法を解説します。

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('iris')
sb.jointplot(x = 'petal_length',y = 'petal_width',data = my_df,kind = 'kde')
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。
• 入力データには、scikit-learnから読み込める「iris」データセットを使用します。
• load_dataset関数を使ってアヤメ（iris）のデータを読み込み、データフレームに格納します。
• このデータをjointplot関数で可視化します。
• x軸とy軸の値は、それぞれ「petal_length」（花弁の長さ）と「petal_width」（花弁の幅）として引数に渡します。
• 引数「kind」に「kde」を指定することで、グラフがカーネル密度推定として描画されるようになります。
• 最後にplt.show()を呼び出すことで、カーネル密度推定プロットが画面上に表示されます。