周辺プロット(Marginal Plot)

周辺プロットは、XとYの散布図の両軸にヒストグラム、箱ひげ図、バイオリンプロット、またはラグプロットを周辺分布として描き、必要に応じてカテゴリー列で色分けします。モデルの当てはめも検定も行いません。2つの測定値の関係を調べながら、各変数の歪み、クラスター、外れ値を確認するために使用します(例:回帰の前)。関係を定量化するには、相関または近似直線プロットを使用します。

最終レビュー

重要なポイント

周辺プロットは、2つの変数の散布図に、各軸に沿って小さなヒストグラム、箱ひげ図、バイオリンプロット、またはドットプロットを付けたもので、YがXとともにどう動くか、各変数がそれぞれどう分布しているかを示します。

このページの内容
  1. 目的
  2. 主な機能
  3. 統計手法
  4. 入力項目とオプション
  5. 出力の説明
  6. 計算例

目的

周辺プロットは、2つの変数の散布図に、各軸に沿って小さな分布プロットを付けたものです。YがXとともにどう動くかと、各変数がそれぞれどう分布しているか(歪み、クラスター、外れ値、データの大半がある場所)を、1つの図で示します。2つの測定値の関係を調べていて、どちらかの形状が通常と異なるかどうかも知る必要がある場合に使用します。例えば、回帰の前や、速い測定が遅い測定の代わりになるかを判断するときです。

主な機能

  • Yを縦軸、Xを横軸とした散布図に、上辺(X)と右辺(Y)に周辺プロットを付けます。
  • 両方の軸に適用される4種類の周辺プロット:Histogram、Boxplot、Violin、Dot plot (rug)。
  • 任意のカテゴリー列:点と周辺プロットがグループごとに色分けされ、凡例が付きます。
  • カラーパレットの選択。
  • インタラクティブなプロット:ズーム、パン、ホバーで個々の点を読み取れます。

統計手法

ツールはデータをそのまま描画し、モデルの当てはめも検定も行いません。XとYの両方がある各行が1つの点になります。周辺プロットは各変数を個別に要約します。ヒストグラムは、自動的に選ばれる等幅のビンごとの観測値の個数を数えます。箱ひげ図は、中央値、四分位数(箱にはデータの中央の50%が入ります)、ひげを示します。バイオリンプロットは、箱に平滑化した密度の輪郭を加えたものです。ラグは、観測値ごとに1本の目盛りを描きます。

カテゴリー列を指定すると、散布図で各グループに固有の色が付き、各グループに固有の周辺ヒストグラム、箱、バイオリン、ラグが描かれるため、グループ間でX、Y、またはその両方に違いがあるかどうかがわかります。グループのヒストグラムは重ねて表示され、その高さは各グループ内の個数です。

関係を数値で示すには、相関または近似直線プロットを使用します。周辺プロットは、パターンと各変数の形状を見たり、ほかから離れた点を見つけたりするためのものです。

入力項目とオプション

項目

説明

X-axis column

必須。横軸に取る数値列です。

Y-axis column

必須。縦軸に取る数値列です。

Categorise based on column

任意。その値によって点と周辺プロットを色分けする列です。カテゴリーなしにするには「--」を選択します。

Marginal plot type

Histogram(既定)、Boxplot、Violin、またはDot plot (rug)。XとYの両方の周辺に適用されます。

Title

プロットのタイトル。既定値は「Marginal Plot」です。

Discrete color sequence

カテゴリーのカラーパレット。既定はD3です。

Data Options: Subset (optional)

Exclude matching rows(既定)またはInclude only matching rows。Row numbers(例:3,7,12-15)や Condition(例:Activity == "low")で行を選択します。

marginal-plot-inputs


図1 — この例のオプション:X = BMI、Y = %Fat、Activityで分類、ヒストグラムの周辺。

出力の説明

  • Marginal Plot — YをXに対してプロットした散布図。上辺にXの、右辺にYの、選択した周辺プロットを付け、カテゴリーを選択した場合はそれによって色分けし、凡例を表示します。
  • DownloadによるPDF出力。

marginal-plot-output


図2 — 思春期の女子92人の体脂肪率とBMI。活動レベルで色分けし、各変数のヒストグラムを周辺に表示。

計算例

体脂肪率の測定には時間も費用もかかりますが、体格指数(BMI)は簡単に求められます。研究者は、BMIが体脂肪の代わりになるかどうかを調べるため、思春期の女子92人について、両方と身体活動レベル(低、中、高)を測定しました。X-axis column = BMI、Y-axis column = %Fat、Categorise based on column = Activity、Marginal plot type = Histogramとします。

点は一緒に上昇しています。BMIが高いほど体脂肪も高くなります(相関は0.86で、データから計算)。上のほうではばらつきが広がります。BMIが25を超える13人の女子では、体脂肪は32.4%から46%の範囲です。上側のヒストグラムでは、BMIは右に歪んでおり、大半の女子は15〜23(中央値19.5)で、数人が30を超えています。%Fatも右に歪んでいます(中央値25.5%、最大46%)。

色分けにより、単純な散布図では隠れていたパターンがわかります。活動レベルが低い6人の女子は右上(平均BMI 26.8、平均体脂肪36.1%)に、活動レベルが高い10人は左下(平均BMI 18.8、平均体脂肪22.6%)に位置し、活動レベルが中程度の76人はその間の範囲に広がっています。したがって、BMIは体脂肪の有用な最初の指標ですが、BMIが高い範囲では正確な代替にはならず、活動レベルも併せて記録する価値があります。Marginal plot typeをBoxplotに変更すると、ヒストグラムの代わりに、活動グループごとの各軸のコンパクトな要約が得られます。

よくある質問

周辺プロットは何に使用しますか?

周辺プロットは、YがXとともにどう動くかと、各変数がそれぞれどう分布しているか(歪み、クラスター、外れ値、データの大半がある場所)を、1つの図で示します。2つの測定値の関係を調べていて、どちらかの形状が通常と異なるかどうかも知る必要がある場合に使用します。例えば、回帰の前や、速い測定が遅い測定の代わりになるかを判断するときです。

周辺プロットの種類は、どのように選べばよいですか?

ヒストグラムは、等幅のビンごとの観測値の個数を数えます。箱ひげ図は、中央値、四分位数、ひげを示し、箱にはデータの中央の50%が入ります。バイオリンプロットは、箱に平滑化した密度の輪郭を加えたもので、ドットプロット(ラグ)は観測値ごとに1本の目盛りを描きます。選んだ種類は両方の軸に適用されます。

周辺プロットは相関を測定しますか?

いいえ。周辺プロットはデータをそのまま描画し、モデルの当てはめも検定も行いません。関係を数値で示すには、相関または近似直線プロットを使用します。体脂肪の例では、BMIと体脂肪の相関0.86は、データから別途計算したものです。

カテゴリーで色分けすると、周辺プロットに何が加わりますか?

カテゴリー列を指定すると、散布図で各グループに固有の色が付き、各グループに固有の周辺プロットが描かれるため、グループ間でX、Y、またはその両方に違いがあるかどうかがわかります。例では、活動レベルが低い女子は右上に、高い女子は左下に位置し、単純な散布図では隠れていたパターンが見えました。