[seaborn] 13. 2つのデータの関係性を2次元プロットで表示(jointplot)

はじめに

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を用いて、２つのデータの関係性を2D plotで表示する方法について説明する。

2012-2019のサッカーJリーグのJ1の結果を下記サイトから読み込む。URLごとにTableをDataFrameとして読み込み、読み込んだものをリストに加えていく。

pd.concatでリスト内のデータフレームを結合する。結合したDataFrameの上位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
0	1	NaN	サンフレッチェ広島広島	64	34	19	7	8	63	34	29	1.9	1.0
1	2	NaN	ベガルタ仙台仙台	57	34	15	12	7	59	43	16	1.7	1.3
2	3	NaN	浦和レッズ浦和	55	34	15	10	9	47	42	5	1.4	1.2
3	4	NaN	横浜Ｆ・マリノス横浜FM	53	34	13	14	7	44	33	11	1.3	1.0
4	5	NaN	サガン鳥栖鳥栖	53	34	15	8	11	48	39	9	1.4	1.1

sns.jointplot(x=”勝”, y=”敗”, color=”C0″,data=data)でx軸に勝のデータ、y軸に敗のデータを用いた散布図が作成され、散布図の上に勝データのヒストグラム、右に敗データのヒストグラムが表示される。

kind = ‘reg’で散布図のデータに対して回帰直線が引かれ、上と右のヒストグラムにもカーネル密度推定グラフが表示される。

kind = ‘resid’でyデータを線形回帰した際の各xデータにおける残差をプロットすることができる。右には残渣のヒストグラムが表示される。

kind=”hex”により、六角形（hexbin）で分布を表示する。頻度が高い箇所ほど濃い色になる。

kind=”kde”で2次元のカーネル密度推定分布を表示できる。この場合、ヒストグラムは表示されない。

space=0とすることで間隔を0とし、周囲のグラフと中央のグラフが結合される。

ratio=2とすることで、周囲にあるグラフの高さを中心のグラフの1/2にすることができる。つまり、大きくするほど周囲のグラフの高さは小さくなる。