[seaborn] 10. violinplotで各カテゴリーにおけるデータの分布を表示

はじめに

簡単かつ簡潔にデータを可視化できるseabornを使って、各カテゴリー内のデータの分布をバイオリンプロット(violinplot)で表示する方法について説明する。

コード

	import numpy as np
	import pandas as pd
	import matplotlib.pyplot as plt
	import seaborn as sns
	sns.set(style="ticks", color_codes=True)
	sns.set_context('talk')
	#read data
	url1 = 'https://www.football-lab.jp/summary/team_ranking/j1/?year=2019'
	df1 = pd.read_html(url1, match="勝点")[0]
	url2 = 'https://www.football-lab.jp/summary/team_ranking/j1/?year=2018'
	df2 = pd.read_html(url2, match="勝点")[0]
	url3 = 'https://www.football-lab.jp/summary/team_ranking/j1/?year=2017'
	df3 = pd.read_html(url3, match="勝点")[0]
	df = pd.concat([df1,df2,df3])
	df['得失点']=df['得失']>0
	df.loc[df.得失点 ==True, '得失点'] = ['得失＋']
	df.loc[df.得失点 ==False, '得失点'] = ['得失ー']
	df['ランク']=df['順位']<9
	df.loc[df.ランク ==True, 'ランク'] = ['上位']
	df.loc[df.ランク ==False, 'ランク'] = ['下位']
	df.head().to_html('df_sns10.html')
	df.head()
	'''
	順位 Unnamed: 1 Unnamed: 2 勝点 試合数 勝 分 敗 得点 失点 得失 平均得点 平均失点 得失点 ランク
	0 1 NaN 横浜Ｆ・マリノス横浜FM 70 34 22 4 8 68 38 30 2.0 1.1 得失＋ 上位
	1 2 NaN ＦＣ東京FC東京 64 34 19 7 8 46 29 17 1.4 0.9 得失＋ 上位
	2 3 NaN 鹿島アントラーズ鹿島 63 34 18 9 7 54 30 24 1.6 0.9 得失＋ 上位
	3 4 NaN 川崎フロンターレ川崎Ｆ 60 34 16 12 6 57 34 23 1.7 1.0 得失＋ 上位
	4 5 NaN セレッソ大阪Ｃ大阪 59 34 18 5 11 39 25 14 1.1 0.7 得失＋ 上位
	'''
	#catplot niolin
	sns.catplot(x="得失点", y="勝", kind="violin",data=df)
	plt.savefig("catplot_violin.png",dpi=100)

view raw seaborn10.py hosted with ❤ by GitHub

解説

モジュールのインポートなど

	import numpy as np
	import pandas as pd
	import matplotlib.pyplot as plt
	import seaborn as sns
	sns.set(style="ticks", color_codes=True)
	sns.set_context('talk')

view raw seaborn10.py hosted with ❤ by GitHub

データの読み込み

	url1 = 'https://www.football-lab.jp/summary/team_ranking/j1/?year=2019'
	df1 = pd.read_html(url1, match="勝点")[0]
	url2 = 'https://www.football-lab.jp/summary/team_ranking/j1/?year=2018'
	df2 = pd.read_html(url2, match="勝点")[0]
	url3 = 'https://www.football-lab.jp/summary/team_ranking/j1/?year=2017'
	df3 = pd.read_html(url3, match="勝点")[0]
	df = pd.concat([df1,df2,df3])

view raw seaborn10.py hosted with ❤ by GitHub

データは下記サイトから2017〜2019シーズンのJ1の結果を取得し、pandasのDataFrameとした。
作成したDataFrameはpd.concatで結合した。

リーグサマリー：2019 J1 順位表 | データによってサッカーはもっと輝く | Football LAB

フットボールラボ(Football LAB)はサッカーをデータで分析し、新しいサッカーの観戦方法を伝えるサッカー情報サイトです。選手のプレーを評価するチャンスビルディングポイントやプレースタイル指標、チームの戦術を評価するチームスタイル指標...

www.football-lab.jp

新たな列データをDataFrameへ追加

	df['得失点']=df['得失']>0
	df.loc[df.得失点 ==True, '得失点'] = ['得失＋']
	df.loc[df.得失点 ==False, '得失点'] = ['得失ー']
	df['ランク']=df['順位']<9
	df.loc[df.ランク ==True, 'ランク'] = ['上位']
	df.loc[df.ランク ==False, 'ランク'] = ['下位']

view raw seaborn10.py hosted with ❤ by GitHub

得失のデータを使って得失点差がプラスなチームとマイナスなチームに分ける。プラスのチームには”得失＋”をいれ、マイナスのチームには”得失ー”を入れる。
さらに、ランクについても同様に処理する。

DataFrameの最初の５行は以下のようになる。

	順位	Unnamed: 1	Unnamed: 2	勝点	試合数	勝	分	敗	得点	失点	得失	平均得点	平均失点	得失点	ランク
0	1	NaN	横浜Ｆ・マリノス横浜FM	70	34	22	4	8	68	38	30	2.0	1.1	得失＋	上位
1	2	NaN	ＦＣ東京FC東京	64	34	19	7	8	46	29	17	1.4	0.9	得失＋	上位
2	3	NaN	鹿島アントラーズ鹿島	63	34	18	9	7	54	30	24	1.6	0.9	得失＋	上位
3	4	NaN	川崎フロンターレ川崎Ｆ	60	34	16	12	6	57	34	23	1.7	1.0	得失＋	上位
4	5	NaN	セレッソ大阪Ｃ大阪	59	34	18	5	11	39	25	14	1.1	0.7	得失＋	上位

violinplotの表示

sns.catplot(x="得失点", y="勝", kind="violin",data=df)

view raw seaborn10.py hosted with ❤ by GitHub

sns.catplot(x=”得失点”, y=”勝”, kind=”violin”,data=df)により、DataFrame(df)の得失点のカテゴリー別に勝データのviolinplotを表示する。

ヴァイオリン内部を変える

	inner = ['box','quartile','point','stick']
	fig,ax = plt.subplots(2,2,figsize=(8,8))
	ax=ax.ravel()
	sns.violinplot(x="得失点", y="勝", kind="violin",inner='box',data=df,ax=ax[0])
	sns.violinplot(x="得失点", y="勝", kind="violin",inner='quartile',data=df,ax=ax[1])
	sns.violinplot(x="得失点", y="勝", kind="violin",inner='point',data=df,ax=ax[2])
	sns.violinplot(x="得失点", y="勝", kind="violin",inner='stick',data=df,ax=ax[3])
	[ax[i].set_title('inner='+inner[i]+'') for i in range(4)]
	plt.tight_layout()
	plt.savefig("catplot_violin_inner.png",dpi=100)

view raw seaborn10.py hosted with ❤ by GitHub

innerの値を変えることでviolin内部の表示を変えることができる。以下の４種類がある。

hueを設定した場合

sns.catplot(x="得失点", y="勝", kind="violin",hue='ランク',data=df)

view raw seaborn10.py hosted with ❤ by GitHub

hue=’ランク’とすることでランクに応じて色分けされたviolinplotが表示される。

split=Trueでヴァイオリンの片側のみを表示

sns.catplot(x="得失点", y="勝", kind="violin", hue='ランク',inner="point", split=True,data=df)

view raw seaborn10.py hosted with ❤ by GitHub

hueを設定した状態でsplit=Trueとすると片側のみにヴァイオリンを表示できる。

violinplotとswarmplotを合わせて表示

	g = sns.catplot(x="得失点", y="勝", kind="violin", inner=None, data=df)
	sns.swarmplot(x="得失点", y="勝", color="k", size=3, data=df, ax=g.ax);

view raw seaborn10.py hosted with ❤ by GitHub

violinplot とswarmplotを組み合わせて表示することをできる。

swarmplotについては下記で解説した。

[seaborn] 8. stripplotとswarmplotで各カテゴリーのデータを散布図で表示

簡単かつ簡潔にデータを可視化できるライブラリであるseabornのstripplotとswarmplotを用いて、各カテゴリーのデータをそれぞれ散布図で表示する方法について説明する。

sabopy.com

2020.03.14

コードをダウンロード(.pyファイル)

コードをダウンロード(.ipynbファイル)

参考

Visualizing categorical data — seaborn 0.13.2 documentation

seaborn.pydata.org

seaborn.violinplot — seaborn 0.13.2 documentation

seaborn.pydata.org