Seabornライブラリを使ってPythonでカーネル密度推定（KDE）を可視化する方法

データの可視化は、膨大な数値を一つずつ確認したり複雑な計算を実行したりすることなく、データ全体の傾向や特徴を直感的に把握するために非常に重要なステップです。SeabornはPythonのデータ可視化ライブラリの一つで、洗練されたカスタムテーマと高水準インターフェースを備えており、美しいグラフを簡単に作成できます。

カーネル密度推定（Kernel Density Estimation、略称KDE）とは、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。この手法は、分布の形状を事前に仮定しないノンパラメトリックな値の解析によく用いられます。

Seabornの「distplot」関数を使用する際、引数「kde」をTrueに、「hist」をFalseに設定すると、ヒストグラムを非表示にしてKDEの曲線のみを描画できます。

それでは、Pythonでカーネル密度推定を可視化する具体的な手順を見ていきましょう。

コード例

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

df = sb.load_dataset('iris')
sb.distplot(df['petal_length'], kde=True, hist=False)
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。
• 「load_dataset」関数を使って、Seabornに組み込まれているiris（アヤメ）データセットを読み込みます。
• 読み込んだデータの「petal_length」（花弁の長さ）列を、「distplot」関数で可視化します。
• 引数「kde」をTrueに設定しているため、度数の棒グラフであるヒストグラムは描画されず、滑らかなカーネル密度曲線だけが表示されます。
• 最後に「plt.show()」を呼び出すことで、グラフが画面に出力されます。

補足： 引数の組み合わせを変えることで、表示内容を柔軟に切り替えられます。「kde=False、hist=True」にするとヒストグラムのみが表示され、両方をTrueにすればヒストグラムとKDE曲線を重ねて表示することも可能です。

新しいバージョンでの注意点

なお、Seaborn 0.11以降では「distplot」は非推奨（deprecated）となっており、将来のバージョンで削除される予定です。最新の環境では、代わりに「kdeplot」関数を使用するのがおすすめです。

sb.kdeplot(df['petal_length'])
plt.show()

「kdeplot」はKDEの描画に特化した関数で、帯域幅（bw_adjust）の調整や複数グループの比較など、より細かい制御が可能になっています。