自分で作ったデータに対して、seabornのhueを指定するには

Question

ペアプロットを、アイリス以外のデータで作ってみたくて国数英理社の点数を理系と文系で得意不得意が偏るようにデータを作成しました。

ペアプロット図は作成できたのですが、全部青い点なので、科目ごとに色を変えて表示したいと思いました。しかし、パラメータhueにどのような値を入力すれば良いのかわかりません。irisのデータセットの場合はspeciesだったり、それぞれのデータセットに特有の指定方法があるみたいですが、自分で作った場合はどうやって指定すればよいのでしょうか？

回答お願いします　m(__)m

%matplotlib inline
import pandas as pd
import numpy as np
import seaborn as sns

sns.set()

datas = []
for i in range(1, 101):
    if i % 2 == 0:
        data = []
        data.append(random.randint(70, 100))
        data.append(random.randint(70, 100))
        data.append(random.randint(70, 100))
        data.append(random.randint(20, 70))
        data.append(random.randint(20, 70))
        datas.append(data)
    else:
        data = []
        data.append(random.randint(20, 70))
        data.append(random.randint(20, 70))
        data.append(random.randint(20, 70))
        data.append(random.randint(70, 100))
        data.append(random.randint(70, 100))
        datas.append(data)
index = []
for i in range(1, 101):
    index.append("student{}".format(i))
df = pd.DataFrame(datas, index=index, columns=["japanese", "english", "society", "math", "science"])
sns.pairplot(df)

Answer 1

まず、hue の用途ですが、「科目毎に色を変えて」とは少し意味合いが違います。
hue を使う場合はデータにもう１つカテゴリー列を追加して、そのカテゴリー毎に分布がどのようになっているかを色分けして表示できます。

例えば、質問のコードを例にとると、この生徒が「文系クラス」に所属する生徒か「理系クラス」に所属する生徒かを識別するカテゴリー列を作成して、その所属クラス毎に色分けする　といった使い方ををます。

上記の例を質問のコードに追記して書くと、こんな感じになります。

%matplotlib inline
import pandas as pd
import numpy as np
import seaborn as sns

sns.set()

datas = []
for i in range(1, 101):
    if i % 2 == 0:
        data = []
        data.append(np.random.randint(70, 100))
        data.append(np.random.randint(70, 100))
        data.append(np.random.randint(70, 100))
        data.append(np.random.randint(20, 70))
        data.append(np.random.randint(20, 70))
        data.append('文系クラス')
        datas.append(data)
    else:
        data = []
        data.append(np.random.randint(20, 70))
        data.append(np.random.randint(20, 70))
        data.append(np.random.randint(20, 70))
        data.append(np.random.randint(70, 100))
        data.append(np.random.randint(70, 100))
        data.append('理系クラス')
        datas.append(data)
index = []
for i in range(1, 101):
    index.append("student{}".format(i))
df = pd.DataFrame(datas, index=index, columns=["japanese", "english", "society", "math", "science", "class"])

sns.pairplot(df, hue='class')

次に質問の「科目毎に色を変えて」ですが、これば結構面倒です。。。

sns.pairplot()　にはそのような用途用のパラメータがありませんので、 sns.PairGrid() を使って色を変える部分は自分で記述することになります。
一応、X側に割り当てられた科目毎に色を変えるサンプルを記述しましたので、参考にしてみてください。

%matplotlib inline
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

sns.set()

datas = []
for i in range(1, 101):
    if i % 2 == 0:
        data = []
        data.append(np.random.randint(70, 100))
        data.append(np.random.randint(70, 100))
        data.append(np.random.randint(70, 100))
        data.append(np.random.randint(20, 70))
        data.append(np.random.randint(20, 70))
        datas.append(data)
    else:
        data = []
        data.append(np.random.randint(20, 70))
        data.append(np.random.randint(20, 70))
        data.append(np.random.randint(20, 70))
        data.append(np.random.randint(70, 100))
        data.append(np.random.randint(70, 100))
        datas.append(data)
index = []
for i in range(1, 101):
    index.append("student{}".format(i))
df = pd.DataFrame(datas, index=index, columns=["japanese", "english", "society", "math", "science"])

# 散布図を書く関数
def my_scatter(x, y, **kwargs):
    # 科目に対する色を指定
    colors = {"japanese":"red",
              "english":"blue",
              "society":"yellow",
              "math":"pink",
              "science":"green"}
    # x.nameの種類により色を設定する
    kwargs['color'] = colors[x.name]
    plt.scatter(x, y, **kwargs)

g = sns.PairGrid(df)
# 対角線上は、単なるヒストグラムを描画
g.map_diag(plt.hist)
# 対角線以外は、独自の散布図関数を呼ぶ
g.map_offdiag(my_scatter)

Comments

[morin]

回答ありがとうございます！！
なるほど、そもそも使う用途が違いましたか＾＾；

ところで、コードをみて不思議だなと思ったんですが、なんでmy_scatterを引数なしで呼び出してエラーが出てないんでしょうか？
x, yを指定してないのにグラフが出力されてる流れがいまいち分からないので、解説して欲しいです！

[magichan]

PairGrid.map_offdiag() は非対角線のグラフを描画するための「関数を登録する」ためのAPIとなります。よって map.offdiag() の引数は「関数名」となりますので引数はありません。
ですので、
g.map_offdiag(my_scatter)
はここで、my_scatter() を実行しているわけではなく、単に関数の登録だけを行っておき、実際にグラフを描画するときに PairGrid 内部からこの my_scatter関数が20回ほど(引数付きで)呼ばれるという動作となります。

[morin]

関数名だけ引数として渡すときもあるんですね、、。初めて知りました

回答ありがとうございました！