3  カテゴリ:順番・名前・ファセット

カテゴリ(種・島・性別)で色や図を分けるとき、気になるのが 並び順 と 表示する名前 です。

3.1 カテゴリに日本語の名前と順番をつける

R の 因子(factor)と、pandas の カテゴリ型(Categorical)は、どちらも「取りうる値とその順番」を持つ型です。 データの側で一度だけ決めておけば、凡例・軸・ファセットのすべてで同じ順番・名前になります。

ノート欠測の性別

性別が分からない 11 羽を除いています。除かずに「不明」という水準を作って描くこともできます。何を除いたかは、図の注釈に書きます。

3.2 棒グラフ:数を数える・値をそのまま描く

ggplot2 では、データを数えて棒にする geom_bar() と、値をそのまま棒の高さにする geom_col() を区別します。

ビスコー島にはジェンツーとアデリー、ドリーム島にはヒゲとアデリーがいて、トージャーセン島にはアデリーしかいないことが分かります。この 島と種の偏り は、第 6 章のシンプソンのパラドックスにつながります。

3.3 値の大きさで並べ替える

カテゴリに自然な順番がないときは、値の大きさの順 に並べると読みやすくなります。NHANES の人種・民族の区分を、BMI の中央値の順に並べます。

3.4 ファセット:小さな図を並べる

同じ形の図を、カテゴリごとに並べるのが ファセット(small multiples)です。色で区別するより、比較しやすいことがあります。

3.4.1 軸をそろえるか、パネルごとにするか

ファセットは、既定で すべてのパネルの軸の範囲をそろえます。パネルどうしで値を比べられるようにするためです。 パネルごとに範囲を変えたいとき(値の大きさが大きく違うとき)は、ggplot2 なら scales = "free_y"、seaborn なら facet_kws={"sharey": False} を使います。

警告軸を自由にすると、パネル間の比較はできない

軸の範囲がパネルごとに違うと、見た目の高さ・位置を比べても意味がありません。単位が同じ量を比べるファセットでは、軸をそろえたままにします。

重要この章のまとめ
  • カテゴリの 名前と順番は、データの側で一度だけ 決める(R の factor、pandas の Categorical)
  • geom_bar() は数える、geom_col() は値をそのまま。積み上げ・割合は position =
  • 自然な順番がないカテゴリは、値の大きさの順 に並べる
  • ファセットは facet_wrap / facet_grid、seaborn は図レベルの関数の col=, row=。軸をそろえるか を意識する