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箱ひげ図(boxplot)で表示する方法について説明する。
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といった独自のデータを開発しています。データを活用してサッカーに新しい視点を提供...
www.football-lab.jp
新たな列データをDataFrameへ追加
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 |
boxplotの表示
sns.catplot(x=”得失点”, y=”勝”, kind=”box”,data=df)により、DataFrame(df)の得失点のカテゴリー別に勝データのboxplotを表示する。
ひげ(whisker)の長さを変える
whisの値を変えることでひげの長さを変えることができる。箱の長さ × whisの値までひげを伸ばすことを可能となる。
hueを設定した場合
hue=’ランク’とすることでランクに応じて色分けされたboxplotが表示される。
boxenplotの表示
kind=’boxen’とすることでboxplotよりも分布がわかりやすい図となる。
参考
Visualizing categorical data — seaborn 0.12.2 documentation
seaborn.pydata.org
seaborn.boxplot — seaborn 0.12.2 documentation
seaborn.pydata.org
コメント