[seaborn] 7. relplotのcol, rowを使って多変数なグラフを表示する

はじめに
コード
解説
まとめ
参考

はじめに

データ分析において複数の変数間の関係を視覚化することは非常に重要です。Pythonのデータ可視化ライブラリSeabornは、このような多変数データの可視化を簡単に行うための機能を提供しています。本記事では、Seabornのrelplot関数のcolとrowパラメータを活用して、複数の変数関係を効率的に可視化する方法について解説します。これらのパラメータを使うことで、一度に複数の条件でデータを分割し、整理された形で表示することができます。

コード

解説

モジュールのインポートなど

データの読み込み

データは下記サイトから2019シーズンのJ1の結果を取得しました。

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...

新たな列データをDataFrameへ追加

得失点差のデータを使ってチームをプラスとマイナスの2グループに分けます。プラスのチームには「得失＋」、マイナスのチームには「得失－」というラベルを付けます。この処理後のDataFrameは以下のようになります。

	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
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＋
1	2	NaN	ＦＣ東京FC東京	64	34	19	7	8	46	29	17	1.4	0.9	得失＋
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＋
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＋
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＋
5	6	NaN	サンフレッチェ広島広島	55	34	15	10	9	45	29	16	1.3	0.9	得失＋
6	7	NaN	ガンバ大阪Ｇ大阪	47	34	12	11	11	54	48	6	1.6	1.4	得失＋
7	8	NaN	ヴィッセル神戸神戸	47	34	14	5	15	61	59	2	1.8	1.7	得失＋
8	9	NaN	大分トリニータ大分	47	34	12	11	11	35	35	0	1.0	1.0	得失ー
9	10	NaN	北海道コンサドーレ札幌札幌	46	34	13	7	14	54	49	5	1.6	1.4	得失＋
10	11	NaN	ベガルタ仙台仙台	41	34	12	5	17	38	45	-7	1.1	1.3	得失ー
11	12	NaN	清水エスパルス清水	39	34	11	6	17	45	69	-24	1.3	2.0	得失ー
12	13	NaN	名古屋グランパス名古屋	37	34	9	10	15	45	50	-5	1.3	1.5	得失ー
13	14	NaN	浦和レッズ浦和	37	34	9	10	15	34	50	-16	1.0	1.5	得失ー
14	15	NaN	サガン鳥栖鳥栖	36	34	10	6	18	32	53	-21	0.9	1.6	得失ー
15	16	NaN	湘南ベルマーレ湘南	36	34	10	6	18	40	63	-23	1.2	1.9	得失ー
16	17	NaN	松本山雅ＦＣ松本	31	34	6	13	15	21	40	-19	0.6	1.2	得失ー
17	18	NaN	ジュビロ磐田磐田	31	34	8	7	19	29	51	-22	0.9	1.5	得失ー

多変数グラフの表示 (1 x 2)

sns.relplotを使用し、x=”勝”, y=”敗”, hue=”分”, col=”得失点”, data=df_j1と指定することで、DataFrame(df)のデータを可視化できます。この設定では、x軸に勝利数、y軸に敗北数をプロットし、引き分け数に応じて色分けした散布図が表示されます。さらに、col引数により図が2つに分割され、左側には得失点差がプラスのチームのデータ、右側には得失点差がマイナスのチームのデータがそれぞれ表示されます。

新たな列データをDataFrameに追加

新たな列「ランク」を作成し、順位が8位以上のチームを「上位」、それ以下を「下位」として、データフレームに追加します。最終的なデータフレームは以下のようになります。

	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
5	6	NaN	サンフレッチェ広島広島	55	34	15	10	9	45	29	16	1.3	0.9	得失＋	上位
6	7	NaN	ガンバ大阪Ｇ大阪	47	34	12	11	11	54	48	6	1.6	1.4	得失＋	上位
7	8	NaN	ヴィッセル神戸神戸	47	34	14	5	15	61	59	2	1.8	1.7	得失＋	上位
8	9	NaN	大分トリニータ大分	47	34	12	11	11	35	35	0	1.0	1.0	得失ー	下位
9	10	NaN	北海道コンサドーレ札幌札幌	46	34	13	7	14	54	49	5	1.6	1.4	得失＋	下位
10	11	NaN	ベガルタ仙台仙台	41	34	12	5	17	38	45	-7	1.1	1.3	得失ー	下位
11	12	NaN	清水エスパルス清水	39	34	11	6	17	45	69	-24	1.3	2.0	得失ー	下位
12	13	NaN	名古屋グランパス名古屋	37	34	9	10	15	45	50	-5	1.3	1.5	得失ー	下位
13	14	NaN	浦和レッズ浦和	37	34	9	10	15	34	50	-16	1.0	1.5	得失ー	下位
14	15	NaN	サガン鳥栖鳥栖	36	34	10	6	18	32	53	-21	0.9	1.6	得失ー	下位
15	16	NaN	湘南ベルマーレ湘南	36	34	10	6	18	40	63	-23	1.2	1.9	得失ー	下位
16	17	NaN	松本山雅ＦＣ松本	31	34	6	13	15	21	40	-19	0.6	1.2	得失ー	下位
17	18	NaN	ジュビロ磐田磐田	31	34	8	7	19	29	51	-22	0.9	1.5	得失ー	下位

多変数データの表示(2 x 2)

先ほどと同様に、DataFrame(df)の「勝」をx軸、「敗」をy軸として、引き分け数に応じて色分けした散布図を表示します。この図は以下のように配置されます：

左上：ランク上位で得失点差がプラスのチーム右上：ランク上位で得失点差がマイナスのチーム左下：ランク下位で得失点差がプラスのチーム右下：ランク下位で得失点差がマイナスのチーム

この可視化結果から、得失点差がプラスにもかかわらず、ランクが下位に位置しているチームが存在することが明らかになります。

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)

まとめ

Seabornのrelplot関数のcolとrowパラメータを使うことで、複数の変数の関係を整理された形で可視化できることを学びました。これにより、データセット内の複雑な関係性を一目で把握することが可能になります。また、hueパラメータと組み合わせることで、さらに多くの情報を同時に表示することができます。データ分析において、このような多変数グラフは洞察を得るための強力なツールとなります。