9  内部のしくみ:統計変換・軸の範囲・座標変換・描画オブジェクト

ここまでの章で「なぜこう書くのか」が気になったところを、内部のしくみから説明します。ここが分かると、思いどおりにならないときに どこを直せばよいか が分かります。

9.1 ggplot2 の統計変換:描く前に何が計算されているか

geom_histogram()・geom_boxplot()・geom_smooth() は、データをそのまま描いているのではなく、統計変換(stat)で要約した結果 を描いています。 layer_data() で、実際に描かれる値を取り出せます。

9.1.1 after_stat():計算された値を使う

統計変換で計算された値(count, density, prop など)は、after_stat() で対応づけに使えます。

9.2 軸の範囲の罠:ylim() と coord_cartesian()

箱ひげ図の縦軸を 3000〜5000 g に絞りたいとします。ggplot2 には 2 つの方法があり、結果が違います。

ylim()(scale_y_continuous(limits = ) と同じ)は、範囲の外の データを捨ててから 統計変換をします。そのため、ジェンツーの 中央値が 5000 から 4700 に変わって しまいました。 coord_cartesian() は、計算が終わった図を 拡大して見せるだけ なので、中央値は変わりません。 「Removed n rows containing non-finite values」という警告は、データが捨てられたサインです。範囲を絞るときは coord_cartesian() を使います。

ノートmatplotlib・seaborn では

matplotlib の ax.set_ylim() は、描いた後の 表示範囲 を変えるだけなので、coord_cartesian() と同じです。 同じ間違いが起きるのは、描く前にデータを絞り込んだとき(df[df.y < 5000] で描くなど)です。

9.3 matplotlib の座標変換:テキストをどこに置くか

matplotlib のすべての描画は、座標変換(transform) によって、指定した値を画面の位置に変換しています。主なものは 4 つです。

座標 指定 (0, 0) と (1, 1) 使いどころ
データ ax.transData(既定) 軸の値そのもの 点・線・データに結びついた注記
パネル ax.transAxes パネルの左下・右上 式・パネルラベル・凡例の位置
図全体 fig.transFigure 図の左下・右上 図全体の見出し・注釈
混合 ax.get_xaxis_transform() x はデータ、y はパネル 縦線のラベルを、いつもパネルの上端に

ggplot2 には座標変換を直接指定するしくみはありませんが、x = -Inf/Inf(パネルの端)と hjust/vjust の組み合わせで、パネルの座標に近いことができます(第 6 章)。

9.4 matplotlib の描画オブジェクト:描いた後に変える

matplotlib の図は、Figure → Axes → 線・点・四角・文字 という、オブジェクト(Artist)の木でできています。 seaborn で描いた図も、この木を探れば、後から 1 つずつ変更できます。

ヒント重なり順(zorder)と、はみ出し(clip_on)
  • zorder=:大きいほど手前に描かれる。目盛線を点の後ろに、注記を一番前に
  • clip_on=False:パネルの外にはみ出して描く(パネルの外に置く記号・ラベル)

9.5 凡例を自分で作る

凡例に、データにない要素(「黒の破線:全体の回帰直線」など)を載せたいことがあります。

ggplot2 では、定数を aes() に入れて 凡例を作り(第 2 章では誤りとして紹介した書き方を、わざと使う)、scale_xxx_manual() で見た目を決めます。 guides(... override.aes = ) は、図の点は薄いまま、凡例の記号だけ を変えます。

matplotlib の凡例は、記号(handle)と文字(label)のリスト です。Line2D などで、図にない記号も自由に作れます。

9.6 seaborn.objects:Python で「文法」を使う

seaborn 0.12 から、ggplot2 と同じ グラフィックスの文法 の考え方で書ける seaborn.objects が加わりました。

ggplot2 seaborn.objects
ggplot(data, aes(x, y, colour)) so.Plot(data, x=, y=, color=)
+ geom_point() .add(so.Dot())
+ geom_smooth(method = "lm") .add(so.Line(), so.PolyFit(1))
position_jitter / position_dodge so.Jitter() / so.Dodge()
stat_summary() so.Agg(), so.Est()
facet_wrap(~ v) .facet(col=)
labs() .label()

まだ機能は ggplot2 ほど多くありませんが、同じ考え方で両方の言語を書ける のが利点です。 R の文法を Python でそのまま使いたいなら、ggplot2 をほぼそのまま移植した plotnine というライブラリもあります(このページのブラウザの Python には入っていません)。

9.7 関数にして使い回す

同じ形の図を何度も作るなら、関数にします。ggplot2 では、列名を文字列で受け取り .data[[ ]] で使う のが分かりやすい方法です。

matplotlib の関数は、ax= を受け取り ax を返す 形にすると、どのレイアウトにも組み込めます(seaborn の軸レベルの関数と同じ設計)。

重要この章のまとめ
  • ggplot2 の geom の多くは 統計変換 の結果を描く。layer_data() で中身を見られ、after_stat() で使える
  • ylim() はデータを捨ててから計算する。範囲を絞るのは coord_cartesian()(matplotlib の set_ylim() は表示だけ)
  • matplotlib は 座標変換 を使い分ける:データ・パネル(transAxes)・図全体・混合
  • matplotlib の図は Artist の木。seaborn の出力も後から 1 つずつ変更できる。凡例は handle と label のリスト
  • seaborn.objects は Python の文法。関数にするときは、R は .data[[ ]]、Python は ax= を受け取って返す