PythonのSeabornでstripplotを使うときにポイントの重なりを防ぐ方法（jitterパラメータの使い方）

データの可視化は、複雑な計算を行ったり数値を一つずつ確認したりしなくても、データの中で何が起きているのかを直感的に把握できるようにしてくれる重要なステップです。その可視化を支援するライブラリのひとつが「Seaborn」です。Seabornはカスタマイズされたテーマと高水準なインターフェースを備えており、美しいグラフを簡単に描画できます。

しかし、扱う変数がカテゴリカル（分類型）データである場合、一般的な散布図やヒストグラムなどはそのまま使えません。こうしたケースでは、カテゴリカル散布図（categorical scatterplot）を使用する必要があります。

stripplotとは

カテゴリカル変数を扱うためのプロットには、「stripplot」や「swarmplot」などがあります。「stripplot」関数は、少なくとも一方の変数がカテゴリカルデータである場合に使用されます。データは軸のいずれかに沿ってソートされた形で表現されます。

ただし、stripplotには弱点があります。それは、特定のポイント同士が重なってしまい、データの分布が見えにくくなるという点です。

jitterパラメータで重なりを回避する

この問題を解決するのが「jitter」パラメータです。jitterを有効にすると、データセットにわずかなランダムノイズが加算され、カテゴリ軸に沿った値の位置が調整されます。これにより、ポイントの重なりが避けられ、各値の分布がはっきりと視覚化されます。

stripplot関数の構文

seaborn.stripplot(x, y, data, jitter=...)

それでは、jitterパラメータを使用してデータセット内のカテゴリカル変数をプロットする方法を見てみましょう。

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.stripplot(x = "species", y = "petal_length", data = my_df, jitter = True)
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。
• 「load_dataset」関数を使用して、アヤメ（iris）の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。
• 「stripplot」関数を使ってデータを可視化します。
• x軸に「species」（品種）、y軸に「petal_length」（花びらの長さ）を指定し、データフレームを引数として渡します。
• 重なりを防ぐために、追加のパラメータとして「jitter=True」を指定しています。
• 最後に「plt.show()」でグラフを画面に表示します。

このように、jitterパラメータを活用することで、カテゴリカルデータの散布図においてポイントの重なりを効果的に回避でき、より読みやすく情報量の多いグラフを作成できます。