2  散布図:色・形・重なり・ラベル

2.1 対応づけ(mapping)と設定(setting)

ggplot2 でいちばん多いつまずきが、「すべての点を青にしたい」のに aes() の中に色を書いてしまう ことです。

  • 対応づけ:データの列の値によって変わる見た目 → ggplot2 は aes() の中、seaborn は hue=, size=, style=
  • 設定:すべての点で同じ見た目 → ggplot2 は geom_xxx() の引数、seaborn / matplotlib は color=, s=, marker=

2.2 配色:両方の言語で同じ色を使う

既定の配色は、R と Python で違います。発表や論文で両方の図を混ぜるなら、色を自分で決めて両方で使う のが確実です。 ここでは、色覚の多様性に配慮した Okabe-Ito の配色 から 3 色を選びます。

色を 名前つき(種の名前 → 色)で指定すると、データの中の順番やファセットで一部の種がいなくても、同じ種は必ず同じ色 になります。

2.2.1 連続量の色:viridis

連続量を色に対応づけるときは、明るさが一様に変わり、白黒印刷でも順番が分かる viridis 系の配色が無難です。

警告虹色(jet, rainbow)は避ける

虹色の配色は、明るさが一様でないため、黄色や水色のあたりに 実際にはない境界 が見えてしまいます。連続量には viridis 系、正負に分かれる量(相関係数、差)には中央が白の発散型(RdBu など)を使います。

2.3 点が重なるとき:1 万人の散布図

NHANES の 20 歳以上 1 万人あまりの、身長と体重です。そのまま描くと、真ん中が塗りつぶされて どこに人が多いのか分かりません。

2.4 点にラベルをつける

各種で いちばん重いペンギン にだけ、体重のラベルをつけます。ラベルが点や他のラベルと重ならないように置くのは、意外に難しい作業です。

ggrepel の geom_text_repel() / geom_label_repel() は、ラベルどうしや点と重ならない位置を自動で探し、必要なら引き出し線を引きます。

matplotlib の ax.annotate() は、指す点(xy)と文字の位置(xytext)を別々に 指定できます。textcoords="offset points" にすると、点からのずれをポイント単位で指定でき、軸の範囲が変わってもずれません。 自動で重なりを避けるには、adjustText パッケージを使います(ブラウザの Python には入っていません)。

2.5 周辺分布をつける

散布図の上と右に、それぞれの変数の分布を添えると、2 変数の関係と 1 変数の分布を同時に見られます。

ヒストグラムや密度を周辺に並べるには、第 8 章の patchwork で図を組み合わせます。

seaborn の jointplot() は、散布図と周辺の分布を 1 行で描きます(図レベルの関数)。

重要この章のまとめ
  • 対応づけ(列の値で変わる:aes() の中・hue=)と 設定(全体で同じ:aes() の外・color=)を区別する
  • 色は 名前つきで自分で決めて 両方の言語で使う。連続量は viridis、虹色は避ける
  • 点が多いときは、小さく・透明に、区画ごとに数える、等高線
  • ラベルは R なら ggrepel、Python なら ax.annotate()(xy と xytext を分ける)