note.nkmk.me

Python, pandas, seabornでペアプロット図(散布図行列)を作成

Date: 2018-04-22 / tags: Python, Matplotlib, seaborn, pandas

Pythonのビジュアライゼーションライブラリseabornとpandasを使うと、ペアプロット図(散布図行列)を簡単に作成できる。

seaborn.pairplot()関数を使う。

第一引数にpandas.DataFrameを指定するだけで各列同士の散布図がマトリクス上に配置されたペアプロット図が作成できる。対角線にはヒストグラムが配置される。

Irisデータセットを例に、各種引数による設定などを説明する。

  • Irisデータセット
  • seaborn.pairplot()関数の使い方とデフォルト設定
  • カテゴリデータに従って色分け: 引数hue
    • カテゴリの順番を指定: 引数hue_order
    • カテゴリの色を指定: 引数palette
  • グラフ化する列を指定: 引数vars, x_vars, y_vars
  • マーカーを指定: 引数markers
  • 回帰直線を重ねてプロット: 引数kind
  • 対角線のグラフの種類をカーネル密度分布に変更: 引数diag_kind
  • サイズを指定: 引数size
  • その他の引数: 引数plot_kws, diag_kws

Jupyter Notebookでグラフをインラインで表示したい場合は%matplotlib inlineを実行しておく。

スポンサーリンク

Irisデータセット

irisデータセットは機械学習でよく使われるアヤメの品種データ。

150件のデータがSetosa, Versicolor, Virginicaの3品種に分類されており、それぞれ、Sepal Length(がく片の長さ), Sepal Width(がく片の幅), Petal Length(花びらの長さ), Petal Width(花びらの幅)の4つの特徴量を持っている。

様々なライブラリにテストデータとして入っている。

pandas.DataFrameとして読み込む。seabornではsns.load_dataset("iris")で読み込むこともできる。

import pandas as pd
import seaborn as sns

df = pd.read_csv('data/src/iris.csv', index_col=0)
# df = sns.load_dataset("iris")

species列には3種類の品種が文字列で格納され、残り4つの列はそれぞれの特徴量が数値で格納される。

print(df.head())
#    sepal_length  sepal_width  petal_length  petal_width species
# 0           5.1          3.5           1.4          0.2  setosa
# 1           4.9          3.0           1.4          0.2  setosa
# 2           4.7          3.2           1.3          0.2  setosa
# 3           4.6          3.1           1.5          0.2  setosa
# 4           5.0          3.6           1.4          0.2  setosa

print(df.dtypes)
# sepal_length    float64
# sepal_width     float64
# petal_length    float64
# petal_width     float64
# species          object
# dtype: object

print(df['species'].value_counts())
# versicolor    50
# setosa        50
# virginica     50
# Name: species, dtype: int64

seaborn.pairplot()関数の使い方とデフォルト設定

デフォルトのままグラフを作成するにはpairplot()関数の第一引数にpandas.DataFrameのオブジェクトをそのまま指定する。

seaborn.PairGridという型が返る。

pg = sns.pairplot(df)
print(type(pg))
# <class 'seaborn.axisgrid.PairGrid'>

savefig()メソッドで画像ファイルとして保存できる。

pg.savefig('data/dst/seaborn_pairplot_default.png')

seaborn pairplot default

続けて書いてもOK。

sns.pairplot(df).savefig('data/dst/seaborn_pairplot_default.png')

Jupyter Notebookの場合は先に%matplotlib inlineを実行しておいてからpairplot()を実行するとグラフがインラインで表示される。

結果を見ると分かるように、pairplot()関数では自動的に数値の列のみが選択されペアプロット図が作成される。Irisの例ではspecies列が無視される。

カテゴリデータに従って色分け: 引数hue

引数hueにカテゴリデータが格納された列の列名を指定すると、そのカテゴリごとに色分けしたグラフが生成される。

アイリスの場合は品種データが格納された列の列名speciesを指定する。

sns.pairplot(df, hue='species').savefig('data/dst/seaborn_pairplot_hue.png')

seaborn pairplot hue

カテゴリの順番を指定: 引数hue_order

カテゴリの順番を指定したい場合は、引数hue_orderにリストで指定する。

sns.pairplot(df, hue='species',
             hue_order=['virginica', 'versicolor', 'setosa']).savefig('data/dst/seaborn_pairplot_hue_order.png')

seaborn pairplot hue_order

カテゴリの色を指定: 引数palette

カテゴリの色を指定したい場合は、引数paletteを指定する。

カラーマップ名を指定

Matplotlibで使えるカラーマップがそのまま使える。以下のMatplotlibの公式サイトにカラーマップが挙げられている。

sns.pairplot(df, hue='species', palette='Blues').savefig('data/dst/seaborn_pairplot_palette.png')

seaborn pairplot palette

個別に色を指定

カラーマップではなく各カテゴリ名と色を辞書形式で個別に指定することもできる。

色は'red''blue'のような名前やRGBの16進数(HEX)表記'#xxxxxx'などで指定できる。以下のMatplotlibの公式サイトに色の名称の一覧が挙げられている。

sns.pairplot(df, hue='species',
             palette={'setosa': 'red',
                      'versicolor': '#00ff00',
                      'virginica': 'blue'}).savefig('data/dst/seaborn_pairplot_palette_dict.png')

seaborn pairplot palette dict

グラフ化する列を指定: 引数vars, x_vars, y_vars

上述のようにデフォルトでは数値の列がすべてグラフ化される。

グラフ化する列を選択するには、引数varsまたは引数x_varsy_varsを指定する。グラフ化したい列名をリストで指定する。

sns.pairplot(df, hue='species',
             vars=['sepal_length', 'sepal_width']).savefig('data/dst/seaborn_pairplot_vars.png')

seaborn pairplot vars

sns.pairplot(df, hue='species',
             x_vars=['sepal_length', 'sepal_width'],
             y_vars=['petal_length', 'petal_width']).savefig('data/dst/seaborn_pairplot_xy_vars.png')

seaborn pairplot x_vars y_vars

マーカーを指定: 引数markers

グラフのマーカーは引数markersで指定する。

マーカーの種類一覧は以下のMatplotlibの公式サイトを参照。

一つだけ指定するとすべてのマーカーが変更される。

sns.pairplot(df, hue='species', markers='+').savefig('data/dst/seaborn_pairplot_markers.png')

seaborn pairplot markers

引数hueを設定した上で引数markersにリストで指定するとカテゴリごとに別々のマーカーを指定できる。

sns.pairplot(df, hue='species', markers=['+', 's', 'd']).savefig('data/dst/seaborn_pairplot_markers_multi.png')

seaborn pairplot markers list

回帰直線を重ねてプロット: 引数kind

引数kind='reg'とすると散布図に線形回帰の回帰直線が重ねてプロットされる。

sns.pairplot(df, hue='species', kind='reg').savefig('data/dst/seaborn_pairplot_kind_reg.png')

seaborn pairplot kind reg

なお、pandas.DataFramecorr()メソッドで相関係数を算出することもできる。以下の記事を参照。

対角線のグラフの種類をカーネル密度推定に変更: 引数diag_kind

引数diag_kind='kde'とすると対角線のグラフの種類をヒストグラムからカーネル密度推定に変更できる。

sns.pairplot(df, hue='species', diag_kind='kde').savefig('data/dst/seaborn_pairplot_diag_kind_kde.png')

seaborn pairplot diag kind kde

seabornのバージョン0.8.0まで引数huepaletteを設定してもカーネル密度推定のグラフが色分けされないというバグがあった。0.8.1ではFixされている。

サイズを指定: 引数size

出力されるグラフのサイズは引数sizeで調整できる。単位はインチ。

sns.pairplot(df, hue='species', size=2).savefig('data/dst/seaborn_pairplot_size.png')

seaborn pairplot size

その他の引数: 引数plot_kws, diag_kws

散布図、ヒストグラムに対してpairplot()に用意されている以外の細かい引数は、それぞれ引数plot_kws, diag_kwsで指定できる。

Matplotlibのscatter(), hist()の引数を辞書形式で指定する。

散布図の引数alphaで透過率を指定したり、ヒストグラムの引数binsで分割数、histtypeでタイプを指定することができる。

sns.pairplot(df, hue='species',
             plot_kws={'alpha': 0.2},
             diag_kws={'bins': 20, 'histtype': 'step'}).savefig('data/dst/seaborn_pairplot_kws.png')

seaborn pairplot plot diag kws

引数kind='reg'として回帰直線をプロットする場合はplot_kwsseaborn.regplot()の引数を指定できる。

sns.pairplot(df, hue='species', kind='reg',
             plot_kws={'ci': None,
                       'marker': '+',
                       'scatter_kws': {'alpha': 0.4},
                       'line_kws': {'linestyle': '--'}}).savefig('data/dst/seaborn_pairplot_kind_reg_kws.png')

seaborn pairplot kind reg kws

スポンサーリンク
シェア
このエントリーをはてなブックマークに追加

関連カテゴリー

関連記事