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

330

4

章 

Matplotlib

による可視化

図4-129　性別によるスプリット率の分布

ここで興味深いのは、女性よりも男性の方が均等な走り方をしている割合が多いということで

す。これは男性と女性の間で、ある種の二峰性分布のように見えます。年齢の関数として分布を見

ることによって何が起こっているのかを見てみましょう。

分布の比較には、バイオリンプロットが使えます（図 4-130）。

In[34]:

sns.violinplot("gender", "split_frac", data=data,

palette=["lightblue", "lightpink"]);

図4-130　バイオリンプロットによる男女別のスプリット率

4.16

 

Seaborn

による可視化

331

男性と女性の分布を比較するには、このような方法もあります。このバイオリンプロットを年齢

の関数として詳しく比較してみましょう。最初に、ランナーの

10

歳ごとの年齢を指定する新しい

列を作成します（図 4-131）。

In[35]: data['age_dec'] = data.age.map(lambda age: 10 * (age // 10))

data.head()

Out[35]:

age gender split final split_sec ...