Python Seabornの箱ひげ図（ボックスプロット）を使ってカテゴリ別のデータを比較する方法

はじめに

Seabornは、Pythonでデータを可視化するための強力なライブラリです。洗練されたカスタムテーマと高水準のインターフェースを備えており、美しいグラフを少ないコード量で作成できます。

散布図は便利な可視化手法ですが、特定のカテゴリ内における値の分布しか把握できず、得られる情報には限りがあります。カテゴリ間でデータを比較したい場合には、別の手法が必要になります。そこで活躍するのが箱ひげ図（ボックスプロット）です。箱ひげ図を使うことで、四分位数に基づいてデータセット内の分布を直感的に理解できます。

箱ひげ図の構成要素

箱ひげ図は、箱から上下に伸びる縦線で構成されます。この線は「ひげ（ウィスカー）」と呼ばれ、上側・下側の四分位数の範囲外でデータがどのように変動しているかを示します。この特徴から、箱ひげ図は「ひげ図（ウィスカープロット）」とも呼ばれます。また、外れ値（異常値）は個別の点としてプロットされるため、分布全体の様子がひと目でわかります。

boxplot関数の構文

seaborn.boxplot(x, y, data, ...)

x軸とy軸に指定する列名、および対象となるデータフレームを引数として渡します。

実装例：アヤメ（Iris）データセットの比較

ここでは、品種ごとの「花びらの長さ（petal_length）」の分布を箱ひげ図で比較する例を紹介します。

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt

my_df = sb.load_dataset('iris')
sb.boxplot(x = "species", y = "petal_length", data = my_df)
plt.show()

コードの解説

• 必要なライブラリ（pandas、seaborn、matplotlib）をインポートします。
• Seabornのload_dataset関数を使用して、アヤメ（iris）データセットを読み込みます。
• 読み込んだデータはデータフレームとして保存されます。
• boxplot関数にデータフレームを渡し、x軸に「species（品種）」、y軸に「petal_length（花びらの長さ）」を指定します。
• これにより、品種ごとの花びらの長さの分布を比較できる箱ひげ図が描画され、plt.show()によって画面に表示されます。

まとめ

箱ひげ図を使用すると、中央値、四分位範囲、外れ値などを一目で確認でき、複数のカテゴリ間のデータ分布を効率的に比較できます。Seabornのboxplot関数を活用すれば、わずか数行のコードでこのような分析用グラフを作成できるため、探索的データ分析（EDA）において非常に有用な手法といえます。