1変数データの可視化手法

はじめに

1変数データの可視化をまとめました．

Pythonのデータ可視化でググっても，変数が1つの場合と2つの場合が混在していること，よくありますよね．
この記事では1変数のデータ可視化をまとめています．

可視化の例のために使用させていただいたデータ: House Prices

import pandas as pd
import seaborn as sns
df = pd.read_csv("./train.csv", index_col=0)

棒グラフ

種類が少ないデータのカウントなど．

カテゴリカルデータ

種類が多いデータなら.head(10)などを使って，カウントが多いデータのみを表示するのもアリ．

df["SaleCondition"].value_counts().plot.bar()
# sns.countplot(df["SaleCondition"])

数値データ

df["OverallCond"].value_counts().sort_index().plot.bar()

折れ線グラフ

seabornのlineplotなら，複数の折れ線グラフを一つの画像にまとめられます．

df['OverallCond'].value_counts().sort_index().plot.line()
# sns.lineplot(df['OverallCond'].value_counts().sort_index())

カーネル密度推定

これ (上) が こう (下) なる．

ノイズが酷いデータなら採用してもいいかもしれません．

sns.kdeplot(df['YearBuilt'])

ヒストグラム

pandasなら，データを一定区間で区切ってカウントして……とやらなくてもよしなにやってくれます．

df['GarageArea'].plot.hist()

Swarm plot

値に合わせて，点の数でカウントの多さを表します．

カウントが多すぎる場所は省略される (画像真ん中下あたりの端っこ) ので注意．

真偽値などの離散データをx軸に設定可能です．

sns.swarmplot(df["GarageArea"])

箱ヒゲ図

四分位数をプロットします．はずれ値も丸で表示してくれるのが嬉しい．

真偽値などの離散データをx軸に設定可能です．

sns.boxplot(df["GarageArea"])

バイオリン

kagglerがよく使っている印象があります．

データのカウントに応じて膨らみが大きくなります．
折れ線グラフを90度回転させた感じ．

真偽値などの離散データをx軸に設定可能です．

sns.violinplot(df["GarageArea"])