Lowessによる傾向の可視化

Lowess（局所加重散布図平滑化）を使った人事データの可視化例です。散布図にノンパラメトリックな曲線をフィットさせることで、量的変数同士の非線形な関係を捉えることができます。

人事データ可視化の例

人事データ可視化の狙い

年休消化率改善のため時間外との関連を探る。

人事データ可視化アプローチ

利用するグラフ

散布図：量的変数と量的変数の関係を可視化。
Lowess：変数と変数の非線形な関係を推測し可視化する。

アプローチ

分析対象とする組織のデータに絞り込み、散布図を用いて働き方の特徴を観察する。
散布図から非線形な関連があると想定し、Lowessを用いて関係性を考察する。

グラフの作り方

Pythonのseaborn.regplotによる可視化例。

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='darkgrid')
japanize_matplotlib.japanize()

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

# グラフ
fig, ax = plt.subplots(figsize=(6,6))
sns.regplot(data=df_hr.query('部 == "開発部"'), x='時間外時間数_月平均', y='年休消化率', scatter_kws={'alpha': .5}, lowess=True, ax=ax)
ax.set_title('開発部の働き方')