Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

252

4

章 

Matplotlib

による可視化

図4-40　分布のカーネル密度表現

KDE

はバンド幅を持ち、スライドを移動させるようにバンド幅を変えることで、細かさと滑ら

かさが効果的に変化します（遍在するバイアス

-

バリアンストレードオフの一例）。適切なバンド幅

選択に関して、多数の文献が存在します。

gaussian_kde

は、入力データに対して、おおよそ最適

なバンド幅を見つけるための実用的な手法を使用しています。

SciPy

エコシステムは、この他にもさまざまな

KDE

実装を提供しています。いずれにもそれ

ぞ れ 長所と 短 所 が あ り ます。例 え ば、

sklearn.neighbors.KernelDensity

お よ び

statsmodels.

nonparametric.kernel_density.KDEMultivariate

などです。

KDE

ベースのビジュアライゼーショ

ンの場合、

Matplotlib

を使用すると非常に冗長になってしまいます。「4.16 Sea

bornによる可視化」

で説明する

Seaborn

ライブラリには、

KDE

ベースの可視化を作成するための、より簡潔な

API

が提

供されています。

4.8

 凡例のカスタマイズ

プロットの凡例は、さまざまなプロット要素にラベルを割り当て、可視化の結果をわかりやすく

します。既に簡単な凡例を作成する方法は紹介しました。ここでは、

Matplotlib

の凡例の配置と見

た目をカスタマイズする方法を取り上げます。

最も単純な凡例は、

plt.legend() ...