pythonで層別、グループ別グラフを作成する - 医療職からデータサイエンティストへ

データの可視化をする上で、性別ごとのヒストグラムや、年代ごとの折れ線グラフなど、ある特定の層やグループごとに色分けをしてグラフをかくことがあります。今回は、簡単にグループごとの色分けグラフを書くための、2つの方法をご紹介します。

積み上げ棒グラフを一瞬で作成する方法も、ご紹介しています。

seabornでかく
matplotlibでかく
2要因のグラフ
まとめ

`seaborn`でかく

1つ目は、seabornを使う方法です。seabornは、リッチなグラフを書けることで有名ですが、グループ別のグラフもhueという引数で簡単にかくことができます。

初めに、可視化用の仮想健康診断データを作っておきます。

import random
import seaborn as sns
import matplotlib.pyplot as plt 
import pandas as pd
import numpy as np

# 仮想の健康診断データ
random.seed(123)
gender =  np.random.choice(["Men", "Women"], size=100, replace=True)
age = np.random.choice(np.arange(20, 60, 10), size=100, replace=True)
height = np.where(gender == "Men", np.random.normal(170, 10, 100), np.random.normal(150, 10, 100))
weight = height - 100 + np.random.normal(0, 10, 100)

medical_data = pd.DataFrame({"gender":gender, "age":age, "height":height, "weight":weight})

gender	age	height	weight
Men	30	169.69	79.1459
Men	40	192.411	80.2841
Men	30	178.483	89.89
Women	50	144.909	48.1535
Women	40	153.979	46.9225

# 性別の身長ヒストグラム
plt.figure(figsize=(4.2, 3))
sns.histplot(x="height", data=medical_data, hue="gender", binwidth=5, palette={"Men":"blue", "Women":"Orange"})
plt.show()

seaborn

簡単ですね！

`matplotlib`でかく

２つめは、集計用の関数であるgroupbyとmatplotlibを組み合わせる方法です。 groupbyを適応したデータフレームをfor文に入れてかきます。

plt.figure(figsize=(4.2, 3))
for key, df in medical_data.groupby("gender"):
    # ここで色を指定する。
    color = "blue" if key == "Men" else "Orange"
    plt.hist(df["height"], label=key, alpha=0.5, edgecolor="black")
    plt.legend(title="gender")
    plt.xlabel("height")
    plt.ylabel("Count")

matplotlib

少しトリッキーに見えますが、中身は単純です。groupbyを適応したデータフレームをfor文に入れると、groupingに用いたkeyとデータフレームがタプルになって返ってきます。それをmatplotlibにわたせば、グルーブ別のグラフを書くことができます。 matplotlibを使って細かく調整したい方はこちらですね！

ちなみにグループごとでグラフを分けたい場合、subplotを使えば実現できます。

plt.figure(figsize=(4.2, 3))
for i, key_df in enumerate(medical_data.groupby(["gender"]), 1):
    plt.subplot(1, 2, i)
    key = key_df[0]
    df = key_df[1]
    plt.title(key)
    color = "blue" if key == "Men" else "Orange"
    plt.hist(df["height"], alpha=0.5, edgecolor="black", color=color)
    plt.xlabel("height")
    plt.ylabel("Count")
    plt.tight_layout()

層別ヒストグラム

2要因のグラフ

ついでに2つの要因でのグラフも書いてみましょう。ここでは、性別、年代別の身長体重の散布図を書いてみます。

seabornのhueは、1つの要因でしか層別化できないため、先にデータを加工する必要があります。

# 性別、年代別の身長と体重散布図
# 性別に年代を結合して、新たなグループを作成する。
medical_data["gender_age"] = medical_data["gender"].str.cat(medical_data["age"].astype(str), sep="_")
# カテゴリーの並び順を設定
group_order = sorted(medical_data["gender_age"].unique())

plt.figure(figsize=(8.4, 6))
sns.scatterplot(x="height", y="weight", data=medical_data, hue="gender_age", hue_order=group_order)
plt.show()

層別散布図

matplotlibでは、labelを加工する必要がありますが、groupbyに変数を入れるだけでOKです。

plt.figure(figsize=(8.4, 6))
for key, df in medical_data.groupby(["gender", "age"]):
    # ここで色を指定する。
    plt.scatter(df["height"], df["weight"], label="_" .join([key[0], str(key[1])]))
    plt.legend(title="gender_age")
    plt.xlabel("height")
    plt.ylabel("weight")