4.5.9 ボックス・プロットでのデータのビジュアル化

ボックス・プロットは、数値データのデータ分布の概要を示します。データセットの対称性、歪度、差異および外れ値に関する一般的な情報を提供します。ボックス・プロットでは、ボックスと線を使用してデータ分布を表します。

ボックス・プロットには次のコンポーネントがあります:

• 中央ボックス - 四分位範囲および四分位数:
  • Q1 (第1四分位数) - データの25%がこの値を下回っています。これは、下から25%の低い値と上から75%の高い値の境界を表します。
  • Q3 (第3四分位数) - データの75%がこの値を下回っています。下から75%の低い値と上から25%の高い値の境界を表します。
  • 四分位範囲(IQR) - IQRは、中央の50%の値が該当する範囲です。IQR = Q3 - Q1
• ひげ - ボックス・プロットのひげは、中央ボックスから外れ値とみなされない最小および最大のデータ値まで伸びています。データ分布の大多数がグラフィカルに表示されます。
• 外れ値 - 外れ値は、通常、データのばらつきやエラーのために、他のデータ・ポイントから大幅に逸脱したデータ・ポイントです。外れ値は、ボックス・プロットのひげの端を超えるドットとしてプロットされます。
• 中央値 - 中央値は、データセットを2等分する値で、値の50%がその値を下回り、50%が上回ります。ボックス・プロットでは、中央フレーム内の線またはマークが中央値を表します。

このチャートを使用する場面: 数値データの分布(特に複数のグループ間で比較する場合)を表示するには、このチャートを使用します。

データセット: IRISデータセット。IRISデータセットには、3つのクラス(Setosa、VersicolorおよびVirginicaの3つの異なるIris種)と、それぞれ50個のサンプル、およびこれらのクラスに関する4つの数値プロパティ(Sepal Length、Sepal Width、Petal LengthおよびPetal Width)が含まれています。

ボックス・プロットでデータをビジュアル化するには:

1. 「円グラフでのデータのビジュアル化」のトピックで、IRISデータセットをすでに作成しました。同じ表IRIS_Rを使用して、ボックス・プロットでデータをビジュアル化します。ノートブックを開き、IRIS_R表が移入されているパラグラフに移動します。

   図4-39 表内のIrisデータセット

   
   

   

   
   
2. ボックス・プロット・アイコンをクリックします。データセットがボックス・プロットに表示されるようになります。

   図4-40 ボックス・プロット1 - 3つの種(クラス)(Setosa、VersicolorおよびVirginca)によるデータのグループ化

   
   

   

   
   
   ご覧のとおり、デフォルトでは、データはX軸に沿ってSetosa、VersicolorおよびVirgincaの3つの種(クラス)でグループ化され、Y軸に沿ってsepal lengthが表示されます。各ボックス・プロットにカーソルを合せると、件数が表示されます。
3. 「設定」をクリックして、データのプロット方法を表示します。「設定」で、「表示する系列」に移動し、クリックして他の3つの数値プロパティ(Sepal Width、Petal LengthおよびPetal Width )を追加します

   図4-41 ボックス・プロット2 - 3つの種(クラス)のSepal Width、Sepal Length、Petal WidthおよびPetal Lengthプロパティのデータ

   
   

   

   
   
4. 「設定」で、「カスタマイズ」をクリックし、次の設定を編集します:
   • ビジュアライゼーション: 「外れ値の表示」をクリックします。
   • 「テキスト」フィールドに、「Iris Species」と入力します。色: 「rgb(7, 17, 215, 0.88)」と入力します
   • Y軸: 「テキスト」フィールドに、「Petal & Sepal Properties」と入力します。色: 「rgb(7, 17, 215, 0.88)」と入力します
   • 説明: 「Box Plot of the Iris flower dimension」と入力します。
   • 色: 「rgb(241, 8, 24)」と入力します
   • 完了したら、ダイアログを閉じます。

   図4-42 ボックス・プロット3 - 外れ値、ボックス・プロットの説明、およびX軸とY軸の説明の表示

   
   

   

   
   
5. ボックス・プロットに、データセットが次のように表示されるようになりました:
   • 各ボックス・プロットにカーソルを合せると、値が表示されます。このスクリーンショットでは、カーソルはVirginica種のSepal Lengthの系列の上にあります。長さは5.6から7.9の範囲です。これには外れ値もあり、ボックス・プロットのひげの下にあるドットで示されます。

     図4-43 ボックス・プロット4 - クラスVirginicaおよびプロパティSepal Lengthの値の表示

     
     

     

     
     
   • グループVirginicaの外れ値を示すドットにカーソルを合わせます。Virginica sepalの長さの外れ値が4.9であることを示しています。これは、Virginica種には、短い長さ(5.6)を著しく下回る萼片があることを意味します。

     図4-44 ボックス・プロット5 - Virginica (クラス)のSepal Length (プロパティ)の外れ値の表示

     
     

     

     
     

これで、データをボックス・プロットでビジュアル化するタスクは完了です。