> ## Content Index
> Fetch the complete content index at: https://hub.ku2t-lab.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# KDEプロット
- URL: https://hub.ku2t-lab.com/gallery-kdeplot/
- Published: 2025-08-02T06:19:00.000Z
- Updated: 2026-04-05T05:13:00.000Z
- Author: 武田 邦敬
- Tags: ピープルアナリティクス, ギャラリー, Python, 人的資本経営

KDEプロットを使った人事データの可視化例です。KDEプロットは量的変数の分布を曲線で近似して可視化することができ、分布形状の比較を簡単に行えます。また、複数のカテゴリーで分割し俯瞰的に捉えるのに適しています。

## 人事データ可視化の例

![KDEプロット](https://storage.googleapis.com/studio-cms-assets/projects/G3qbJAGLqJ/s-1084x688_v-fs_webp_acc3957f-ebc7-442c-a5b9-096f4d1e32ab.png)

## 人事データ可視化の狙い

- 男女別の年齢構成の違いを比較し、人的資本経営の課題を発見する。

## 人事データ可視化アプローチ

### 利用するグラフ

- **KDEプロット**： 量的変数の分布を滑らかな曲線で近似して確認する。

### アプローチ

- KDEプロットを使って男女別の年齢分布を確認する。
- 構成の違いを見るために、男女の人数差に影響されないように男女独立で密度を推定する。（common\_norm=Flase を指定）
- 組織などの属性でグラフを分割し、傾向の違いを把握する。

## グラフの作り方

- Pythonのseaborn.kdeplotによる可視化例。

```python
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
import japanize_matplotlib
import seaborn as sns

sns.set_theme(style="ticks")
plt.rcParams["figure.figsize"] = (6, 6)
japanize_matplotlib.japanize()

# データの読み込み
df_hr = pd.read_csv('./hr-toydata-basic-600.csv')

# データ加工
df_hr['性別'] = pd.Categorical(df_hr['性別'], categories=['男', '女'])
list_of_div = df_hr['部'].unique() # 部のリスト

# 2 x 3 のグリッドでグラフを描く
fig, ax = plt.subplots(2,3, figsize=(11,7))
fig.set_tight_layout(True)
for idx, div in zip(range(len(list_of_div)), list_of_div):
  ax1 = idx // 3
  ax2 = idx % 3
  sns.kdeplot(data=df_hr.query('部 == @div'),
              x='年齢', hue='性別', common_norm=False, ax=ax[ax1, ax2])
  ax[ax1, ax2].set_title(f'部 = {div}')

ax[1,2].set_visible(False) # 不要なグラフを削除
fig.suptitle('男女別年齢分布')
```

## この記事で使ったデータ

以下のページでデータを配布しています。

[人事トイデータの公開こちらのページでは、クニラボで作成した人事トイデータを公開しています。 トイデータとは？ トイデータ(Toy Data)とは、演習用に使えるリアルでないデータのことをいいます。データ分析や機械学習のライブラリに附属する場合もあり、手元にデータがなくてもそのライブラリをすぐに試せるのが利点です。 人事データ分析の演習にご活用ください ピープルアナリティクスを学んでみたいが手元に良いデータがない、という方も多いのではないでしょうか。人事データは個人情報を含むため、ピープルアナリティクスプロジェクトの正式なメンバーでないと触ることができません。 そこで、演習用にデータを自作しGoogleドライブより公開しています。これまでも代表のnote記事の中でリンクを張っていたのですが、複数の記事で利用するためこのページを作りました。 \* 2023/11/29追記 「HRトイデータ\_人事情報\_拡張版.csv 」を追加しました。 \* 2024/3/23追記 「HRトイデータ\_月別時間外.csv 」を追加しました。 \* 2024/11/18追記 「HRトイデータ\_エンゲージメントスコア![](https://storage.ghost.io/c/54/85/548553f8-0bec-43c7-af9d-5c0a5fe9f73b/content/images/icon/----------------5.png)People Analytics Idea HUB武田 邦敬![](https://storage.ghost.io/c/54/85/548553f8-0bec-43c7-af9d-5c0a5fe9f73b/content/images/thumbnail/23-1-1.png)](https://hub.ku2t-lab.com/toydata-for-people-analytics/)