ggplot2 × seaborn / matplotlib

散布図・箱ひげ図・有意差・回帰式から、レイアウト・座標変換・内部構造まで

今日のゴール

  1. ggplot2 の 文法 と、matplotlib の Figure / Axes、seaborn の位置づけを説明できる
  2. 散布図・カテゴリ・分布を、隠すものに注意して 描き分けられる
  3. 有意差の線とアスタリスク、回帰直線と式 を自分で描ける
  4. テーマ・サイズ・保存形式・複数パネルを整え、座標変換・統計変換 を使いこなす

ヒント

ハンズオンブックでは、ブラウザで R と Python を タブで切り替えて 実行できます

1. 2 つの考え方

文法で組み立てる vs 軸に命令する

ggplot2

ggplot(penguins, aes(flipper_length_mm, body_mass_g,
                     colour = species)) +
  geom_point() +
  labs(x = "ひれの長さ (mm)", y = "体重 (g)")

データ・対応づけ(aes)・幾何・統計・尺度・座標・ファセット・テーマを + で足す

matplotlib + seaborn

fig, ax = plt.subplots()
sns.scatterplot(data=penguins, x="flipper_length_mm",
                y="body_mass_g", hue="species", ax=ax)
ax.set(xlabel="ひれの長さ (mm)", ylabel="体重 (g)")

Figure(紙)と Axes(軸)。seaborn で描いて、ax. で仕上げる。seaborn は 軸レベル(ax=)と 図レベル(ファセット)

対応づけと設定

  • 対応づけ:列の値で変わる → ggplot2 は aes() の中、seaborn は hue=
  • 設定:全部同じ → ggplot2 は geom_point(colour = "steelblue")、seaborn は color=
  • aes(colour = "blue") は “blue” という群 を作ってしまう(よくある誤り)

2. 散布図・分布

色と重なり

  • 色は 名前つきで自分で決め、両方の言語で使う(Okabe-Ito)。連続量は viridis、虹色は避ける
  • 1 万点の散布図は、小さく・透明に、区画ごとに数える、等高線

箱ひげ図が隠すもの

人数が少なければ 点を見せる。箱に点を重ねるときは 箱の外れ値を消す(outlier.shape = NA / showfliers=False)

誤差棒は何か

誤差棒 表すもの 人数が増えると
SD 1 羽ごとのばらつき 変わらない
SE = SD / √n 平均の不確かさ 小さくなる
95% CI 平均がありそうな範囲 小さくなる
  • 同じデータでも SE・CI は短く、差が大きく見える → 必ず明記
  • seaborn の既定は ブートストラップの 95% CI(乱数)→ errorbar= と seed= を指定
  • 棒グラフ+誤差棒(ダイナマイトプロット)は分布を隠す

3. 有意差のアスタリスク

手順:検定は自分で、描くのも自分で

  1. 比べる組み合わせを 事前に 決める
  2. 検定と 多重比較の補正(Welch の t 検定 + Holm)
  3. p 値 → 記号(ns, *, **, ***, ****。対応は図の説明に)
  4. 線の高さ = データの最大値 + 範囲 × 8% × 段。短い線を下、長い線を上
群の位置 dodge 2 群のずれ
ggplot2 1, 2, 3 ± 0.75 / 4
seaborn 0, 1, 2 ± 0.2

ggsignif に test = で検定させると 補正されない → annotations = で記号を渡す

描いた結果

seaborn / matplotlib

アスタリスクは「閾値より小さいか」しか伝えない → p 値・差と信頼区間 も検討

4. 回帰直線と式

式は「パネルの座標」に置く

  • 直線:geom_smooth(method = "lm")(指定しないと曲線)/ sns.regplot()(帯はブートストラップ)
  • 式は 自分で計算して文字列に。負の符号は U+2212(−)
  • 位置:ggplot2 は x = -Inf, y = Inf + hjust/vjust、matplotlib は transform=ax.transAxes
  • 上付き:R は plotmath(italic(R)^2、parse = TRUE)、matplotlib は mathtext($R^2$)
  • 式と点が重なるなら、縦軸の上に余白 を作る(expansion(mult = c(0.05, 0.35)) / ax.set_ylim())

群ごとの直線と式

シンプソンのパラドックスと、帯の意味

  • 3 種まとめると 右下がり(傾き −0.085)、どの種の中でも 右上がり(0.18〜0.22)
    • 種で調整した傾きは 0.20。群を分けずに直線を引くと、向きまで逆になる
  • geom_smooth() / regplot() の帯は 直線(平均)の 95% 信頼区間
    • 個体の値の範囲は 予測区間(predict(interval = "prediction") / get_prediction().summary_frame())

5. 仕上げ

サイズ・フォント・保存

  • 最初から実際の大きさ(mm)と文字(pt)で作る:1 段幅 85〜90 mm、2 段 170〜180 mm、文字 6〜9 pt
  • R:theme_classic(base_size = 8)、ggsave(width = 85, height = 65, units = "mm", device = cairo_pdf)
  • Python:figsize=(85/25.4, 65/25.4)、plt.rcParams["pdf.fonttype"] = 42(文字を編集可能に埋め込む)
  • 日本語:R はフォント名と ragg / cairo_pdf、matplotlib は font_manager.fontManager.addfont()
  • 論文は ベクター(PDF / SVG)、ラスターなら dpi。JPEG は使わない

複数パネル

patchwork:| 横、/ 縦、guides = "collect"、tag_levels = "A"、& で全パネルに

plt.subplot_mosaic([["A","B"],["C","C"]], layout="constrained")

6. 内部のしくみ

ylim() はデータを捨てる

  • ylim() は範囲外のデータを 捨ててから 箱ひげ図を計算 → ジェンツーの中央値 5000 → 4700
  • 範囲を絞るのは coord_cartesian()(matplotlib の set_ylim() も表示だけ)
  • layer_data() で統計変換の結果を見る、after_stat() で使う

matplotlib の座標変換と Artist

座標 指定
データ ax.transData(既定)
パネル (0〜1) ax.transAxes
図全体 (0〜1) fig.transFigure
x はデータ・y はパネル ax.get_xaxis_transform()
点からのずれ textcoords="offset points"

図は Artist の木:ax.patches・ax.lines・ax.collections を後から変更。凡例は handle と label のリスト

seaborn.objects(so.Plot().add(so.Dot()))で、Python でも文法の考え方で書ける

チェックリスト

  1. 軸に 量と単位、色は意味のある対応づけで 全図で同じ色
  2. 重なり・分布を隠していないか(点を見せる)
  3. 誤差棒は SD / SE / CI を明記
  4. 有意差は 検定・補正・記号の意味 を書く。組み合わせは事前に
  5. 回帰は 群で向きが変わらないか、帯は信頼区間か予測区間か
  6. mm と pt で作り、ベクターで保存。パネルに A, B, C
  7. 範囲を絞るときに データを捨てない(coord_cartesian())
  8. 除いたデータと 人数 を図の説明に