Pythonはデータ分析や可視化に非常に便利な言語で、その中でもヒストグラムはデータの分布を視覚的に理解するのに役立ちます。特に、層別のヒストグラムは、特定のカテゴリーごとにデータを分けて表示することができ、より深い洞察を得ることができます。
層別ヒストグラムの作成
Pythonで層別ヒストグラムを作成するためには、matplotlibやseabornといったライブラリがよく使われます。以下に、性別ごとに身長を分けて表示するヒストグラムの作成例を示します。
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
# 仮想の健康診断データ
random.seed(123)
gender = np.random.choice(["Men", "Women"], size=100, replace=True)
age = np.random.choice(np.arange(20, 60, 10), size=100, replace=True)
height = np.where(gender == "Men", np.random.normal(170, 10, 100), np.random.normal(150, 10, 100))
weight = height - 100 + np.random.normal(0, 10, 100)
medical_data = pd.DataFrame({"gender":gender, "age":age, "height":height, "weight":weight})
# 性別の身長ヒストグラム
plt.figure(figsize=(4.2, 3))
sns.histplot(x="height", data=medical_data, hue="gender", binwidth=5, palette={"Men":"blue", "Women":"Orange"})
plt.show()
このコードでは、seabornのhistplot関数を使用してヒストグラムを作成しています。hue引数にカテゴリー変数を指定することで、そのカテゴリーごとに色分けされたヒストグラムを作成することができます。
まとめ
Pythonを使用して層別ヒストグラムを作成することは、データ分析や可視化において非常に有用です。特定のカテゴリーごとにデータを分けて表示することで、データの傾向をより詳しく理解することができます。この記事では、seabornとmatplotlibを使用した基本的な層別ヒストグラムの作成方法を紹介しましたが、これらのライブラリはさまざまなカスタマイズを可能にするため、具体的な分析目的に合わせて適切に使用することが重要です。.