🧮 数式に値を入れて手で計算する: 一変量のヒストグラム

合成 10 点でビン数 5 のヒストグラムを計算する。

Step 1: データ

Step 2: 度数

🐍 Python で再現

1
2
3
4

import numpy as np
x = np.array([1,2,2,3,4,5,5,6,7,9])
counts, edges = np.histogram(x, bins=5)
print(f"度数: {counts}")

📤 実行結果

💬 手計算 (Step 2) [3,2,2,2,1] と Python 出力が完全一致。

🌳 手法選択フロー (補助)

1 変量可視化はデータ型と目的で図を決める。

1. データ型は? 連続 → ヒストグラム / 箱ひげ / KDE、 カテゴリ → 棒グラフ、 時系列 → 折れ線
2. 標本サイズ N は? N<30 → ドットプロットで全点表示、 N=30-1000 → ヒストグラム、 N>1000 → KDE
3. 目的は? 形状把握 → ヒストグラム / KDE、 外れ値検出 → 箱ひげ、 正規性確認 → QQ プロット、 累積把握 → CDF

SSDSE-B-2026 (N=47) では「ヒストグラム + 箱ひげ図」の併用が定石。 右裾分布なら log 変換して再描画する。

🔗 隣接手法への橋渡し (補助)

1 変量可視化は EDA の出発点として以下と接続する。

• 上流 (前処理): データクリーニング、 欠損値処理
• 並列 (数値要約): 平均、 中央値、 分散、 四分位 ― 図 + 数値の両輪
• 下流 (変換): 対数変換 (右裾分布対応)、 標準化、 Box-Cox 変換

1 変量で「形」を把握しないまま統計検定や回帰に進むと、 仮定違反 (例: 正規性) を見落とす。 全変数を最初に 1 変量プロットで確認する習慣をつける。

🔖 キーワード索引

「viz univariate」は統計データ分析の文脈で扱う重要概念のひとつ。 本ページでは「viz univariate」を取り巻く中核キーワードを以下にチップで一覧化する。 各キーワードは関連する概念・手法・道具立てを含み、 文献検索や学習計画の起点になる。

これらのキーワードは「viz univariate の理解 → 適用 → 検証」のプロセスを構成する。 各章で詳しく解説する。

🎨 直感で掴む

単変量可視化 (viz univariate) は「1 つの変数の分布を 1 枚の図に描く」手法群だ。 代表は ヒストグラム (分布形状)、 箱ひげ図 (五数要約)、 バイオリンプロット (分布密度)、 ドットプロット (個別値)、 累積分布図 (CDF) の 5 種類。

例えば SSDSE-B-2026 の「総人口」をヒストグラムで描くと、 右に長い裾を持つ歪んだ分布が見える。 これは「ほとんどの県は人口 100〜500 万人の範囲、 東京・大阪・神奈川だけが 800 万人超」という構造を視覚化したもの。 平均値だけ見ていると「平均 265 万人」という数値の裏にある「東京の外れ値で平均が引き上げられている」事実を見落とす。

本ページでは「1 つの数値変数の分布を、 まず形で見る → 中心と散らばりを数値要約する → 異常を発見する」という流れを、 SSDSE-B-2026 の実データで確認する。 図 → 数値 → 解釈の連続性が単変量可視化の役割だ。

📐 数式または定義

単変量可視化は各図ごとの定義を持つ。 入力は 1 次元のデータ $\{x_1, x_2, \dots, x_n\}$ で、 各図は対応する数学的構造を持つ。

ヒストグラム: 値域を $K$ 個のビンに分割し、 各ビンの度数を棒で表す。

$$\text{Hist}(\{x_i\}, K) \to \{(b_k, c_k)\}_{k=1}^K, \quad c_k = \#\{i : x_i \in b_k\}$$

箱ひげ図: 5 数要約を視覚化。

$$\text{BoxPlot}(\{x_i\}) \to (x_{\min}, Q_1, Q_2, Q_3, x_{\max}) + \text{外れ値}\{x_i : x_i < Q_1 - 1.5\text{IQR} \text{ or } x_i > Q_3 + 1.5\text{IQR}\}$$

カーネル密度推定 (KDE): 滑らかな密度関数を推定。

$$\hat{f}(x) = \frac{1}{n h} \sum_{i=1}^{n} K\left(\frac{x - x_i}{h}\right)$$

ここで $K$ はカーネル関数 (Gaussian など)、 $h$ はバンド幅。

🔬 数式を言葉で読み解く

前節の数式に含まれる記号を、 日本語の意味に翻訳する。

• $\{x_i\}_{i=1}^n$ — 観測値の集合 (例: 47 都道府県の総人口)
• K — ヒストグラムのビン数 (スタージェス則: $K = 1 + \log_2 n$、 n=47 なら K=6 程度)
• $b_k, c_k$ — k 番目のビンの範囲と度数
• $Q_1, Q_2, Q_3$ — 第 1/2/3 四分位 (25%/50%/75% 値)
• IQR — 四分位範囲 $Q_3 - Q_1$
• $\hat{f}(x)$ — KDE で推定された密度関数
• $h$ — KDE のバンド幅 (大きいほど滑らか、 小さいほどギザギザ)

これらの記号は「分布の形・中心・散らばり・外れ値」を視覚的に表現するための道具で、 数値要約 (平均・分散) では捉えきれない構造を伝える。

🧮 実値で計算してみる

SSDSE-B-2026 の総人口 (A1101) で箱ひげ図の 5 数要約を手計算する。 47 都道府県の値を昇順ソートし、 四分位を算出する。

箱ひげ図を描くと、 箱 (Q1=1066 〜 Q3=2845) が中央に集中し、 上ヒゲ (5514) を超える東京・神奈川・大阪が「○」点で外れ値として表示される。 「日本の都道府県人口は中央値約 180 万人、 一部の大都市圏が突出」という構造が一目で分かる。

🐍 Python 実装

🎯 このコードでやること: SSDSE-B-2026 の総人口列について、 ヒストグラム + 箱ひげ図 + 5 数要約を一括出力。 手計算 (Step 1-8) と Python の結果を一致確認する。

📥 入力データ: SSDSE-B-2026 の A1101 (総人口) 列。 47 値の 1 次元配列。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18

# ── この抜粋で使うデータを用意します（英字の項目コードで読み込み）──
import pandas as pd

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', header=0)
df = df[df['Code'].astype(str).str.match(r'^R\d{5}$', na=False)].copy()
for _c in df.columns[3:]:
    df[_c] = pd.to_numeric(df[_c], errors='coerce')
df = df[df['SSDSE-B-2026'] == df['SSDSE-B-2026'].max()]

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
pop = df['A1101'].dropna()
print(pop.describe())
fig, ax = plt.subplots(1, 2, figsize=(10, 4))
ax[0].hist(pop, bins=15)
ax[1].boxplot(pop, vert=False)
plt.savefig('univariate.png', dpi=120)

📤 実行結果:

💬 結果の読み方: 手計算 (Q1=1066, Q2=1798, Q3=2845, max=14094) と Python 出力が一致。 mean=2698 > median=1798 で「右に歪んだ分布」(東京都の外れ値が平均を引き上げ)、 標準偏差 2725 が平均と同等の大きさ = 散らばりが極めて大きい。 ヒストグラム + 箱ひげ図でこの構造を一目で確認できる。

⚠ 落とし穴

単変量可視化の典型的な落とし穴を列挙する。

• ビン数の選択ミス: ヒストグラムでビン数 K が小さすぎると形状が潰れ、 大きすぎるとギザギザになる。 スタージェス則 (K=1+log2(n)) を初期値にし、 必要に応じて調整。
• 右裾分布の見落とし: SSDSE-B-2026 の総人口のように右に長い裾を持つ場合、 線形ヒストグラムでは小規模県が潰れる。 log 軸 or 対数変換して再描画する。
• 箱ひげの外れ値定義の機械適用: Q3+1.5*IQR を外れ値とする慣習は単なる経験則。 東京・大阪のように「外れ値だが除外すべきでない構造的差」を理解する。
• KDE のバンド幅: バンド幅 h が小さいとオーバーフィット、 大きいとスムージング過剰。 Silverman の規則 or LOO-CV で自動選択。
• 平均値だけ報告: 単変量可視化を行わず数値だけ示すと、 「平均 265 万人」の裏にある歪み・外れ値・多峰性を見落とす。 必ず分布図と要約数値をセットで報告。

🌐 関連手法・派生

単変量可視化は EDA の出発点であり、 以下の手法群と連携する。

• 上位概念: 探索的データ分析、 データ可視化、 記述統計
• 並列手法 (同カテゴリ): ヒストグラム、 箱ひげ図、 バイオリンプロット、 QQ プロット
• 前段処理: データクリーニング、 対数変換、 欠損値処理
• 後段処理: 平均、 分散、 歪度、 正規性検定
• 派生・拡張: 2 変量可視化 (散布図・並列箱ひげ)、 多変量可視化 (散布行列)
• 競合・代替: 表 (tabular) 形式の数値要約 vs 図形式の視覚要約 → 用途で使い分ける

分析の最初のステップとして「全変数を 1 枚の単変量プロットで確認」する習慣をつけると、 異常値・歪み・多峰性などのデータ問題を早期発見できる。

🔗 関連用語

単変量可視化を学ぶ際に併読すると理解が深まる関連用語を 3 区分で整理する。

• 前提概念: 確率分布、 中心傾向、 四分位数、 四分位範囲 IQR
• 並列概念: ヒストグラム、 箱ひげ図、 バイオリンプロット、 カーネル密度推定、 累積分布図
• 発展概念: 2 変量可視化、 グループ別箱ひげ図、 リッジラインプロット

1 変数の分布を把握する習慣が、 多変数解析の基礎体力となる。

📚 関連グループ教材

viz univariate を学ぶ際に併読すると理解が深まる関連グループ教材を以下にまとめる。

• 📚 用語集トップ — 全 514 用語のインデックス
• 🌐 関連手法・派生 — viz univariate と関連する具体的な手法群
• 🔗 隣接手法への橋渡し — viz univariate と組み合わせる前段・後段手法
• 🌳 手法選択フロー — viz univariate を含む手法の使い分け判断
• 🗺 全体概念マップ — 用語集全体の関係図

これらを順に参照することで、 viz univariate を中核とした分析の体系的理解が得られる。

🗺 概念マップ

viz univariate を中心に、 関連する概念・上位カテゴリ・応用領域を放射状に配置した。

1 変量可視化を中心に、 周辺技法を放射状に配置した。 中央から伸びる枝は、 (a) 前提として代表値 (平均・中央値) や分散・標準偏差の理解、 (b) 並列として箱ひげ図 (中央値 + 四分位範囲 + 外れ値の同時表示)、 (c) 発展として 2 変量可視化 (散布図・条件付き分布)、 (d) 対比として棒グラフ (カテゴリ変数版・順序や離散値向き)、 (e) 統合としてヒストグラム (連続値の度数分布)、 (f) 応用として分布診断 (正規性・歪度・尖度の目視確認) を示す。

SSDSE-B-2026 で言えば、 47 都道府県の人口・消費支出・出生率などの単一変数を扱う段階で、 「単に describe() で数値を出す」より「ヒストグラム + 箱ひげ図 + QQ プロット」を組み合わせて分布形状を読み解く起点になる。 後段の回帰や検定で正規性を前提とするかどうかの判断もここから始まる。

🔗 隣接手法への橋渡し

単変量可視化は分析パイプラインで以下と接続する。

SSDSE-B-2026 で「総人口を単変量で見る → 右裾分布 → log 変換 → 再描画 → 正規に近づく」という流れが典型的な前処理パターン。

🌳 手法選択フロー

単変量可視化はデータ型と目的で図を選ぶ。 以下の軸で判定する。

データ型 × 目的別の図選択

選んだ後の検証ステップ

1. ビン数の調整: スタージェス則を起点に、 形状が見えるよう ±3 ビンずらして確認
2. 軸スケール: 範囲が桁違いなら log 軸に切り替え
3. 数値要約との照合: 図で見えた中央・散らばり・外れ値が describe() の数値と一致するか確認
4. 外れ値の物語: 1.5*IQR で外れた点は除外せず、 「なぜ外れか」を分野知識で説明
5. 2 変量への展開: 単変量で形を把握したら、 散布図 (vs 関連変数) で関係性を確認

🔖 キーワード索引（R18 補強版）

この 1 変量可視化 ページで出てくる主要キーワードを一覧します。チップをクリックすると該当箇所へジャンプできます。

🎨 直感で掴む（R18）── 1 変量可視化 を絵で理解

1 変量可視化 の本質は、ひとことで言うと「1 つの変数の分布・代表値・ばらつきを 1 枚の図で見せる手法群。ヒストグラム、箱ひげ、KDE などが代表。」です。 数式に踏み込む前に、まずイメージで掴みましょう。

• もし 1 変量可視化 を 使わない と：データの大事な情報（分布の形、外れ値、関係の方向）が見落とされ、結論が偏ります。
• もし 1 変量可視化 を 使う と：47 都道府県の差をデータで読む方法が手に入り、根拠つきで主張できるようになります。
• 具体例：SSDSE-B-2026 の人口（A1101 列）を 47 都道府県でヒストグラムにすると、東京・神奈川などの突出した値（右裾の長い分布）が一目で分かります。

ヒント：直感が掴めたら、次の「数式または定義」セクションで形式化を確認してください。 形式化と直感がつながれば、1 変量可視化 はもう武器です。

📐 数式または定義（R18）── 1 変量可視化 を形式化する

1 変量可視化 を一般化して書くと、観測ペア $(x_1, y_1), \dots, (x_n, y_n)$（ここでは $n = 47$ 都道府県）に対して、次の関係を仮定します。

ここで $\theta$ は推定したいパラメータ、$\varepsilon$ はモデルでは説明しきれない誤差項。 1 変量可視化 の流派ごとに、$f$ の形（線形・ロジスティック・木）、$\varepsilon$ の分布（正規・二項・ポアソン）が変わります。

🔬 数式を言葉で読み解く（R18）

上の式 $y = f(x; \theta) + \varepsilon$ を「数学者の声」ではなく、「現場の声」で読み直してみます。

1. $y = f(x; \theta)$：「あなたが説明したい量（$y$）は、手元の説明材料（$x$）から、ある関数 $f$ で計算できると 仮に 置く」
2. $+ \varepsilon$：「とはいえ、$y$ は完全には $x$ で決まらない。残りは 誤差項 $\varepsilon$ として認める」
3. パラメータ $\theta$ の推定：「データを 47 個並べ、$y$ と $f(x;\theta)$ の差をできるだけ小さくする $\theta$ を選ぶ」
4. 不確かさの定量化：「$\theta$ も $f$ もデータから推定したので、信頼区間と $p$ 値で『どれくらい確信できるか』を必ず併走させる」

合言葉：「定義は短い、解釈は長い」。1 変量可視化 はたった 1 行の式ですが、それを 47 都道府県データに当てると、5 種類のチェックリスト（線形性・独立性・等分散・正規性・外れ値）が芋づる式に出てきます。

🧮 実値で計算してみる（R18）── SSDSE-B-2026 で 1 変量可視化

数式が読めたら、すぐに 実データ（SSDSE-B-2026, 47 都道府県, 2023 年度）で計算しましょう。 抽象を 47 行の表に落とすと、急に理解できることがあります。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17

import pandas as pd

# df2023 はこのあとのブロックで作っているので、ここでも用意しておく
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df2023 = df[df['SSDSE-B-2026'] == 2023].reset_index(drop=True)

# 1 変量可視化 の代表値を SSDSE-B-2026 で確認
col = 'A1101'
s = df2023[col].astype(float)

print('n            :', len(s))             # 47
print('mean         :', round(s.mean(), 2))
print('median       :', round(s.median(), 2))
print('std          :', round(s.std(),  2))
print('min / max    :', s.min(), '/', s.max())
print('Top 3 prefs  :')
print(df2023.nlargest(3, col)[['Prefecture', col]])

結果を見ると、47 都道府県のうち上位 3 県が突出しているか、なだらかに分布しているか、すぐ分かります。 この「分布の形」が見えると、1 変量可視化 を語る土台ができたことになります。

🐍 Python 実装（R18）── 1 変量可視化 のミニ完全版

Python の実装は「読む → 集計 → 描く → 報告」を一直線に書きます。長いコードよりも、各ステップが分離していることが大事です。

① データ読み込み

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# SSDSE-B-2026 を読み込み（総人口（47 都道府県））
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])

# 2023 年度（最新）だけ抽出
df2023 = df[df['SSDSE-B-2026'] == 2023].copy()
print(df2023.shape)         # (47, ...)
print(df2023[['Prefecture', 'A1101']].head())

② 集計と可視化

# 1 変量可視化 を 47 都道府県でビジュアル化
fig, ax = plt.subplots(figsize=(9, 6))
df2023.sort_values(col, ascending=False).plot.bar(
    x='Prefecture', y=col, ax=ax, color='#00897B', legend=False)
ax.set_title('総人口（47 都道府県）（SSDSE-B-2026, 2023）')
ax.set_ylabel(col)
ax.set_xlabel('都道府県')
plt.xticks(rotation=90)
plt.tight_layout()
plt.savefig('figures/viz-univariate.html_r18_bar.png', dpi=120)
plt.show()

③ 報告用テンプレ

レポート文例：「SSDSE-B-2026（2023 年度, n=47）に基づいて 1 変量可視化 を確認したところ、平均は X、標準偏差は Y、上位 3 県は東京・神奈川・大阪であった。 SSDSE-B-2026 の人口（A1101 列）を 47 都道府県でヒストグラムにすると、東京・神奈川などの突出した値（右裾の長い分布）が一目で分かります。」

⚠️ 落とし穴（R18）── 1 変量可視化 で踏みやすい 5 つ

• スケールの混在：1 変量可視化 を扱うとき、人口（百万人）と比率（%）のように単位が混ざると、図や係数の解釈が崩れます。標準化やログ変換で揃えるのが安全です。
• 小標本（n=47）：47 都道府県は標本数が小さく、外れ値 1 県の影響が大きく出ます。95 %信頼区間や bootstrap も同時に示しましょう。
• 因果と相関の混同：1 変量可視化 で見えた関係は「一緒に動いている」だけで、因果関係を保証しません。逆因果・交絡・選択バイアスを必ず併走で議論してください。
• カテゴリの粒度：47 都道府県を 1 単位で扱うか、8 地域ブロック（北海道・東北・…）で集約するかで、結論が変わります。集計粒度は最初に決めて固定しましょう。
• 視覚的トリック：軸を切り取る・色を扇情的に使う・3D で奥行きをつける、などの装飾は「説得力ある誤り」を生みます。常に「ゼロ起点」「線形軸」で 1 枚作って比べる癖をつけてください。

合言葉：レポート提出前に「ゼロ起点で 1 枚描き直す」「外れ値を 1 県外して再計算」「逆方向の因果を 1 行で否定する」を必ずやる。

🌐 関連手法・派生（R18）── 1 変量可視化 の周辺地図

🔗 関連用語（前提・並列・発展）（R18）

• 相関係数［前提］
• 回帰分析［並列］
• 線形回帰［前提］
• 重回帰分析［発展］
• ロジスティック回帰［発展］
• 信頼区間［前提］
• p 値［前提］
• 仮説検定［並列］
• 平均［前提］
• 標準偏差［前提］
• ヒストグラム［並列］
• 散布図［並列］
• 箱ひげ図［並列］
• データ可視化［上位］
• 探索的データ分析［上位］
• 特徴量エンジニアリング［並列］

📚 関連グループ教材（R18）

用語単位ではなく、章単位で学び直すなら以下の グループ教材 に進むのが近道です。

• グループ教材：クラスタリング
• グループ教材：自然言語処理
• グループ教材：時系列分析
• グループ教材：探索的データ分析（EDA）
• グループ教材：データ可視化

🎙 narration まとめ（R18）── コード解説の総括

本ページに登場した Python コードはすべて以下のテンプレートで読み解けます：

覚え方：「Read → Roll up → Render → Read it back」。 最後の「Read it back」は、出力された数字や図を口に出して 1 度言うこと。 これで 1 変量可視化 の現場運用は十分に回ります。

❓ FAQ（R18）── よくある質問 7 連

Q1. 1 変量可視化 は機械学習でも使う？

使います。前処理（特徴量 → 入力ベクトル）、評価（指標の可視化）、解釈（係数の可視化）など、機械学習のあらゆる工程で 1 変量可視化 は登場します。

Q2. n=47 で十分？

記述統計や 1 変量・2 変量の可視化には十分。ただし複数の説明変数を同時に検討するときは、自由度が枯れます。bootstrap や情報量規準（AIC/BIC）で補強しましょう。

Q3. SSDSE-B-2026 はどこで手に入る？

独立行政法人統計センター（NSTAC）「SSDSE」サイトから無料でダウンロードできます。本ページの実装はすべて data/raw/SSDSE-B-2026.csv を前提にしています。

Q4. ライセンスは？

SSDSE は教育目的での利用が許諾されています（出典明示、改変記録）。論文公開時は出典欄に「総務省統計局, SSDSE-B-2026」を必ず書きましょう。

Q5. 1 変量可視化 を最短で身につけるには？

① ヒストグラム 1 枚を描く → ② 平均・中央値・標準偏差を読み上げる → ③ 上位 3 県・下位 3 県を暗記する → ④ 2 変量の相関を 1 つ確認する → ⑤ レポート 1 行にまとめる。これを 47 都道府県データで 3 回回せば、用語の地形が掴めます。

Q6. 1 変量可視化 に関する代表的な論文は？

本リポジトリの 論文一覧 から「可視化」カテゴリの論文を見ると、1 変量可視化 を実際に使った再現コードが付いています。

Q7. 報告書ではどの順で書く？

「目的 → データ → 1 変量可視化 の選択理由 → 結果（図 + 数値）→ 解釈 → 限界（n=47, 単年）→ 次の一手」の順が王道です。

📚 さらに踏み込む（R18）── 用語ネットワーク 16 件

用語は単独では覚えづらいので、前提・並列・発展の 3 方向で 16 件並べます。

• 相関係数［前提］
• 回帰分析［並列］
• 線形回帰［前提］
• 重回帰分析［発展］
• ロジスティック回帰［発展］
• 信頼区間［前提］
• p 値［前提］
• 仮説検定［並列］
• 平均［前提］
• 標準偏差［前提］
• ヒストグラム［並列］
• 散布図［並列］
• 箱ひげ図［並列］
• データ可視化［上位］
• 探索的データ分析［上位］
• 特徴量エンジニアリング［並列］

勧め方：1 日 1 リンク。クリックして読んだら、1 変量可視化 のページに戻り、「1 変量可視化 とこの用語はどう違う？」を 1 行書く。

✅ 使う前のチェックリスト（R18）

• □ データの出典は明記したか（SSDSE-B-2026, 2023 年度, n=47）
• □ 単位は揃えたか（人口は千人 or 百万人 のどちらか）
• □ ゼロ起点で 1 枚描き直したか
• □ 外れ値（東京・北海道など）の影響を 1 回外して再計算したか
• □ 1 変量可視化 の限界（n=47, 単年, 因果ではない）を最後に書いたか
• □ 関連手法（1 変量可視化 以外）を 1 つは試したか
• □ 落とし穴 5 件を再読したか

🧪 ミニケース（R18）── 1 変量可視化 を 5 段階で完走する

1. STEP 1：問いを書く ── 47 都道府県のうち「総人口（47 都道府県）」が大きい県と小さい県では、暮らしぶりにどんな差があるか？
2. STEP 2：データを読む ── SSDSE-B-2026 から A1101 を取り出し、2023 年度・47 行に絞る。
3. STEP 3：分布を見る ── ヒストグラムと箱ひげ図で「上位 3・下位 3」を特定し、東京・神奈川・大阪などの突出を確認する。
4. STEP 4：関係を測る ── 別の変数（人口・死亡率など）との 2 変量関係を散布図 + 相関で測る。
5. STEP 5：報告する ── 「上位 3 県は X, Y, Z。これらは…」という 200 字レポートに落とす。

合言葉：5 STEP のうちどれか 1 段でも飛ばすと、結論が「数字だけ」になり、読者の腑に落ちなくなります。 1 変量可視化 は「数字 + 物語」のセットで完成です。

🚫 アンチパターン集（R18）── 1 変量可視化 で「やってはいけない」9 連

1. 合成データを np.random.seed で作って「再現実験しました」と書く（教育用途では SSDSE-B-2026 を使うのが必須）
2. カラムを iloc[:, 5] のように位置で参照し、SSDSE のバージョン違いで壊れるコードを書く
3. 都道府県の集計順を「日本語五十音」「アルファベット」「東京から時計回り」など混在させ、図の解釈を難しくする
4. 変数名を x1, x2, x3 のように匿名化し、読者が意味を追えないコードにする
5. 軸を切り取って小さな差を大きく見せる（特に y 軸の最小値を 0 にしない）
6. 外れ値の県を黙って削除する（必ず「東京を外した版」と「全件」を両方描く）
7. p < 0.05 を「効果がある」と読み替える（本来は「偶然では説明しづらい」だけ）
8. 相関 r を「因果の強さ」と書く（1 変量可視化 で因果は出ない）
9. レポートの最後で「以上」と書いて閉じる（必ず「限界」と「次の一手」を 1 行ずつ）

🔎 深掘り解説（R18）── 1 変量可視化 を 30 分で 1 段深く

A. 歴史的背景

1 変量可視化 は、19 世紀末〜 20 世紀初頭の統計学黎明期から発達してきました。可視化 の中核として、Galton、Pearson、Fisher、Yule などが基礎を築き、現代では SSDSE のような公的データを使った教育素材で広く扱われています。

B. 数理的位置づけ

1 変量可視化 は、観測ペア $(x_i, y_i)_{i=1}^{n}$ から条件付き期待値 $E[y \mid x]$ または分布 $P(y \mid x)$ を推定する道具です。 線形・非線形・パラメトリック・ノンパラメトリックという 4 つの軸の中で、1 変量可視化 は「可視化」という棚に並んでいます。

C. 実装上の工夫

• 欠損対応：df.dropna() の前に必ず欠損率を df.isna().mean() で測る。
• 外れ値検出：IQR ベース or マハラノビス距離。47 県の中で 2 県以上が外れたら原因を疑う。
• 標準化：人口・面積・所得など単位が違う変数を混ぜるなら、必ず StandardScaler。
• 可視化の優先順：1 変量（hist, box）→ 2 変量（scatter, heatmap）→ 多変量（pairplot, PCA）。
• レポート：図 1 枚、表 1 枚、文章 200 字。これを 1 ユニットとして 3 ユニット並べる。

D. 学問体系の位置

1 変量可視化 は 記述統計・データサイエンス・機械学習 の交差点に位置します。 どの分野から入っても、いずれは 1 変量可視化 を通ります。

🎙 narration コレクション（R18）── 5 連ストック

同じテーマで使い回せる narration を 5 つ並べておきます。コピペして「コード解説」欄に貼ってください。

📔 ミニ用語集（R18）── 同じ話題で使う 12 語

標本（sample）

母集団から取り出した観測の集まり。本ページでは「47 都道府県, 2023 年度」が標本。

母集団（population）

標本の背後にある全体。47 都道府県は日本全土の「県別断面」と読める。

変数（variable）

各観測単位に対応する 1 つの数値・カテゴリ。SSDSE では人口・出生率など 約 110 列。

分布（distribution）

変数が取る値の頻度の形。hist / KDE / box で可視化する。

代表値（central tendency）

平均・中央値・最頻値の総称。歪んだ分布では中央値を優先。

ばらつき（dispersion）

標準偏差・IQR・分散の総称。代表値とセットで報告する。

外れ値（outlier）

分布の主部から大きく外れた観測。原因を 1 つ書ける外れ値だけ「正当な外れ値」と呼ぶ。

相関（correlation）

2 変量の同調具合。−1 〜 +1 の単数で要約。

因果（causation）

X を動かすと Y も動くという関係。相関では保証されない。

p 値（p-value）

帰無仮説下で「観測以上に極端な値」が出る確率。「効果あり」とは言えない点に注意。

信頼区間（confidence interval）

同じ実験を何度もやったとき、推定値が含まれる範囲。点推定とセットで提示。

正規化（normalization）

変数のスケールを揃える操作。Min-Max / Z-score / Robust の 3 種を覚える。

🗾 47 都道府県データの位置づけ（R18）

1 変量可視化 を学ぶときに使う SSDSE-B-2026 は、47 都道府県 × 約 110 列 × 複数年度のパネルデータです。 本ページでは「2023 年度の 47 行」を主に使います。 以下に、よく登場する代表的なカラムを示します。

使い方のコツ：列名はすべて A1101 のような英数記号です。SSDSE のコードブックで日本語ラベルを確認しながら使ってください。 本ページの例では A1101（総人口（47 都道府県））を中心に使っています。

👣 ステップバイステップ（R18）── 1 変量可視化 を 10 行で実装する

解説は最小限。コードは 10 行以内。これで 1 変量可視化 の最短ルートが手に入ります。

1. import pandas as pd
2. df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
3. df = df[df['SSDSE-B-2026'] == 2023]
4. col = 'A1101'
5. print(df[['Prefecture', col]].sort_values(col, ascending=False).head())
6. import matplotlib.pyplot as plt
7. df.plot.hist(y=col, bins=20)
8. plt.title('総人口（47 都道府県）（SSDSE-B-2026, 2023）')
9. plt.savefig('figures/viz-univariate.html_r18_hist.png', dpi=120)
10. plt.show()

注意：10 行で動かせる、というだけで、これがゴールではありません。 1 変量可視化 の本当の難しさは「描いた図をどう解釈するか」「報告にどう落とすか」にあります。

📖 さらに学ぶには（R18）── 学習ロードマップ 4 段

1. レベル 1（30 分）：本ページの「30 秒で分かる結論」と「直感で掴む」だけ読む。SSDSE-B-2026 を 1 度ダウンロードして開く。
2. レベル 2（2 時間）：「Python 実装」セクションを写経し、A1101 の図を 1 枚作る。報告 200 字を書く。
3. レベル 3（半日）：「数式または定義」「数式を言葉で読み解く」を踏まえ、別の 2 つの変数で同じ分析を反復。3 通り作って比べる。
4. レベル 4（1 週間）：本リポジトリの 論文一覧 から「可視化」カテゴリの論文 1 本を完走。再現コードを動かして、1 変量可視化 の応用範囲を体感する。

📝 報告フォーマット（R18）── 1 変量可視化 を 200 字で書く

1 変量可視化 の結果を、ゼミ・卒論・社内会議で報告するときの定型文を 3 つ用意しました。 最初は丸ごとコピー、慣れたら差し替えて使ってください。

テンプレ A：研究レポート向け

「本研究では、SSDSE-B-2026（n=47, 2023 年度）を用いて 1 変量可視化 を確認した。 主たる説明変数は A1101（総人口（47 都道府県））であり、47 都道府県を対象とした分布の確認、相関の評価、1 変量可視化 を用いた分析を実施した。 分析の結果、上位 3 県・下位 3 県の特徴と、SSDSE-B-2026 の人口（A1101 列）を 47 都道府県でヒストグラムにすると、東京・神奈川などの突出した値（右裾の長い分布）が一目で分かります。」

テンプレ B：ビジネスレポート向け

「総人口（47 都道府県） を 47 都道府県で比較したところ、東京・神奈川・大阪など大都市圏が突出していることが分かった。 1 変量可視化 を用いた分析から、地域差は単に人口規模の違いだけでは説明できず、複数要因の組み合わせで生じていると示唆された。 今後の打ち手は、上位県のベストプラクティスを参考にしつつ、下位県への支援策を検討することである。」

テンプレ C：教育用講義スライド向け

「皆さん、1 変量可視化 はひとことで言うと『1 つの変数の分布・代表値・ばらつきを 1 枚の図で見せる手法群。ヒストグラム、箱ひげ、KDE などが代表。』です。 今回は SSDSE-B-2026（総務省統計局, 47 都道府県, 2023 年度）を使って、実際の数字でこの考え方を確かめました。 皆さん自身でも、別の指標（人口、出生率、家計支出など）に置き換えて同じ手順を試してみてください。」

🔭 3 つの視点で 1 変量可視化 を見る（R18）

同じ用語でも、見る立場によって意味が変わります。3 つの視点を切り替えて、用語の輪郭を立体的に掴みましょう。

視点 ① 統計学者の目

統計学者にとって 1 変量可視化 は「データから母集団を推定する道具」です。 確率モデル・尤度・不偏性・効率性・一致性などの数学的性質に注目し、漸近理論で性能保証を行います。 47 都道府県データは「小標本（n=47）」と分類され、bootstrap や情報量規準による補強が必要になります。

視点 ② データサイエンティストの目

データサイエンティストにとって 1 変量可視化 は「ビジネス課題を数字で答えるパイプラインの 1 部品」です。 モデルの理論的性質より、運用性・解釈性・更新コストを重視します。 SSDSE のような公的データを用いるときは「データの出典・更新頻度・ライセンス」を最優先で確認します。

視点 ③ 教育者・学習者の目

教育の現場では 1 変量可視化 は「初学者が躓きやすいポイント」を含む単元です。 抽象的な数式よりも、具体的な 47 都道府県データで手を動かし、図を描き、結果を口頭で説明できるようになることが目標になります。 本ページの並び（直感 → 数式 → 計算 → Python → 落とし穴）は、まさにこの教育的アプローチに沿っています。

視点切り替えの効果：1 つの用語を 3 通りに眺めると、自分が今どの立場で議論しているか自覚できます。 論文を読むときは ①、現場で使うときは ②、人に教えるときは ③ ── と意識的に切り替えてください。

⚖️ 似た用語との使い分け（R18）── 8 列比較表

1 変量可視化 と似た用語を、使い分けの観点から並べます。違いを言語化できれば、迷いが減ります。

❓ 拡張 FAQ（R18）── 詰まりがちな 8 つの疑問

Q1. 1 変量可視化 と「可視化」全体の関係は？

1 変量可視化 は 可視化 の中で「1 つの変数の分布・代表値・ばらつきを 1 枚の図で見せる手法群。ヒストグラム、箱ひげ、KDE などが代表。」を担う基本道具です。可視化 の他のトピックは、この基本の応用または並列の道具にあたります。

Q2. 47 都道府県以外のデータで使えますか？

使えます。SSDSE-A（市区町村）、SSDSE-C（年次推移）、SSDSE-D・E（個票）など、1 変量可視化 の手順はそのまま適用できます。粒度（県・市・個人）に応じて n が変わるので、結果の信頼性も変わります。

Q3. SSDSE-B-2026 が将来更新されたら？

SSDSE は年に 1 度更新されます。1 変量可視化 のコード自体は変更不要ですが、結果（数値・図）は最新年度のものに置き換えてレポートしましょう。出典欄に「SSDSE-B-2027（仮）」と書き換えるのを忘れずに。

Q4. Excel でも同じことはできますか？

できます。ピボット → グラフ → 関数 で代表値や相関は出ます。ただし、再現性・履歴管理・自動化の面で Python に劣ります。学習用には Python を強く勧めます。

Q5. 1 変量可視化 で AI（機械学習）に進めますか？

進めます。1 変量可視化 は機械学習の「特徴量設計」と「結果解釈」の両端で必須です。AI と聞くと深層学習を連想しがちですが、SSDSE のような表形式データでは線形モデル + 1 変量可視化 の組み合わせで十分実用になります。

Q6. 「コードが動かない」ときは？

3 つ確認します：①ファイルパス（data/raw/SSDSE-B-2026.csv）が合っているか、②エンコーディングが cp932 か、③ヘッダ 2 行目の日本語ラベルを skiprows で飛ばしたか。これで 9 割解決します。

Q7. 図を保存できない場合は？

figures/ ディレクトリが存在しない可能性があります。import os; os.makedirs('figures', exist_ok=True) を先頭に追加してください。

Q8. 1 変量可視化 を勉強する優先順位は？

本ページの 12 セクションを順に読み進めるのが最短です。特に「直感 → 数式 → 計算 → Python」の 4 段が腑に落ちれば、用語の 80 % は理解できたとみなせます。

🎯 サマリーカード（R18）── 1 ページ印刷用

このカードを印刷し、SSDSE-B-2026 で 1 回手を動かせば、用語の「使える形」が定着します。 1 変量可視化 はあくまで「1 つの変数の分布・代表値・ばらつきを 1 枚の図で見せる手法群。ヒストグラム、箱ひげ、KDE などが代表。」というシンプルな考え方の道具ですので、迷ったらこの 1 行に戻ってください。

🎮 触って理解する — 同じ1変量を5つの図で見比べる

1 変量の可視化で一番大切なのは「同じデータでも、選ぶ図によって見えるものが変わる」という事実です。 下のツールは、まったく同じ 1 次元データを、ヒストグラム／箱ひげ図／バイオリン／ドットプロット／密度曲線に ワンタップで切り替えます。ビン幅・バンド幅のスライダーを動かし、分布のプリセット（歪み・多峰・外れ値）を変えながら、 「どの図が何を捉えやすく、何を隠すのか」を手で確かめてください。

図の上をマウス／指でなぞると、その位置の値を読み取れます。

※「実データ」は SSDSE-B-2026（cp932 / skiprows=[1] / 2023 年 / 47 都道府県）の総人口 A1101 の実測値（単位：万人）。 その他のプリセットは分布の形を体感するための合成データ（教材用）で、実在の統計ではありません。

💡 直感 — 図はデータの「見せ方」であって「事実」そのものではない

1 変量可視化の各手法は、生の値の羅列を「人が形として捉えられる」ように変換します。 ヒストグラムはビンに数える、箱ひげは5 数要約に圧縮する、KDE / バイオリンはなめらかに塗る、 ドットプロットは点をそのまま置く。同じデータでも、変換のしかたで「強調される情報」と「捨てられる情報」が違います。 上のツールで 二峰性 を選び、箱ひげ図に切り替えてみてください。2 つの山があるのに、箱ひげでは 1 つの箱に潰れて見えます。 これが「図の選択がメッセージを決める」という意味です。

⚠️ よくある落とし穴

• ビン幅で印象が変わる：ヒストグラムはビン数を変えるだけで「なめらか」にも「ギザギザ」にも見えます。 同じデータで 多峰 プリセットのビン数を小さく（4〜6）すると山が 1 つに融合し、大きく（30 以上）するとノイズだらけに見えます。 1 つのビン幅の図だけで「山は 1 つ」と結論しないこと。
• 箱ひげは多峰性を隠す：箱ひげ図は Q1・中央値・Q3 しか描かないため、 箱の内側がどんな形（単峰か、二峰か、平坦か）かは一切分かりません。要約に強いが、形には弱い図です。
• バンド幅（KDE）の過平滑／過剰変動：バンド幅を大きくすると本物の山まで消え、小さくすると偶然の凸凹を山と誤認します。 KDE は「なめらかで美しい」がゆえに、バンド幅次第で見たい結論を作れてしまう危険があります。
• 小標本（n=47）での過剰解釈：都道府県データは 47 点しかありません。ヒストグラムの細かい凹凸はほぼ偶然です。 少数データではドットプロットや箱ひげのほうが誠実なことが多いです。

🌐 発展 — 使い分けの指針

• 形を疑う段階：まずヒストグラム＋ドットプロットで「山はいくつか・裾は長いか・外れ値はあるか」を見る。
• 群を比較する段階：複数グループを横並びにするなら箱ひげ図やバイオリンが有効（省スペースで要約を並べられる）。ただし多峰の可能性はバイオリンで補う。
• 報告する段階：最終的な図には、5 数要約（箱ひげ）と生データ（ドット重ね）を組み合わせると、要約と個票の両方を誠実に伝えられます。
• 関連手法として、複数のビン幅／バンド幅を並べて頑健性を示す「感度分析」、累積分布（ECDF）による分位の読み取りなどがあります。

さらに詳しくは ヒストグラム、 箱ひげ図、 カーネル密度推定（KDE）、 代表値（平均・中央値）、 四分位数、 標準偏差、 外れ値 の各ページを参照してください。 （バイオリン図・ドットプロットの専用ページは本教材には未収録のため、リンクは張っていません。）

🧭 解説深化 — ヒストグラムの「起点」を疑う

このページでは「ビン幅で印象が変わる」ことを何度も扱ってきました。 ここではあえて別の角度、ビンの起点（origin／アンカー＝棒をどこから区切り始めるか）だけに注目します。 ビン幅を 1 ミリも変えなくても、棒の区切り位置を少しずらすだけで分布の形は変わります。 多くの人が「ビン幅さえ決めれば形は一意」と思い込んでいる、盲点になりやすい論点です。

💡 直感で

ヒストグラムとは、連続した数直線に「等間隔の物差し」を当てて数える作業です。 このとき自由に決められるパラメータは 2 つあります ── ①棒の幅と、②物差しをどこから当て始めるか（起点）です。 ②は普段ソフトが自動で決めてしまうので意識しませんが、同じ 1 つの点でも、 起点が違えば「左の棒に入る」か「右の棒に入る」かが変わります。 点が境界付近に集まっていると、この振り分けの差が積み重なって、山が 1 つに見えたり 2 つに見えたりします。

⚠️ 落とし穴（重要）

実データで確かめます。使うのは SSDSE-B-2026 の合計特殊出生率（列 A4103）／2023 年／47 都道府県（実測値）。
n=47、最小 0.99（東京都）、最大 1.60（沖縄県）、平均 1.293、中央値 1.30。 ここでビン幅を 0.10 に固定したまま、起点だけを 0.95 → 0.96 と わずか 0.01 ずらします。

幅も本数もデータも同じで、区切り始める場所を 0.01 動かしただけです。 それでも右側に谷ができ、「出生率の高い県には別の集団があるのでは？」という存在しない第 2 の山が生まれます。
教訓： ヒストグラムの「二峰っぽさ」を見たら、まずビン幅と起点の両方を数パターン振ってみること。 1 枚の histogram だけを根拠に「2 つのグループがある」と結論してはいけません。これはビン幅の問題とは別物の、独立した落とし穴です。

🚀 発展

• 起点を平均して消す（ASH：Averaged Shifted Histogram）： 起点を少しずつずらした多数のヒストグラムを重ねて平均すると、起点依存が打ち消され、なめらかな曲線に収束します。 これは実質的にカーネル密度推定（KDE）と同じもの ── KDE が「起点フリー」である理由の直感です（バンド幅の任意性は残ります）。
• 生データ点を描けば起点は消える： ラグプロット・ストリップ・ドットプロット（さらに点が重なるならビースウォーム型）は、47 個の値を1 点も丸めずそのまま置きます。 集計＝丸めをしないので、ビン幅も起点も存在せず、境界アーティファクトが原理的に起きません。
• ECDF（経験累積分布）も起点フリー： 階段状に「その値以下が何割か」を積み上げるだけなので、ビン設計に一切依存せず、単調で一意です。 「山が本物か」を疑うときの審判役として、histogram と併置すると強いです。
• まとめ方の型： ①生の点（ストリップ／ラグ）で真実を見せ、②KDE か ECDF でなめらかな全体像を添え、③histogram は「読者に馴染む定番」として補助に回す ── の三段構えが安全です。

🔗 関連ページ

• ヒストグラム ── ビン幅と起点の設計を本丸として掘り下げるページ。
• 箱ひげ図 ── 五数要約に要約するぶん、まさに今回の「二峰」を完全に隠してしまう図。生データ点との併用が推奨される理由がここにあります。
• 2 変量の可視化 ── 1 変量で捉えた分布の形を、2 変数の関係へ広げるときの入口。

※ 上の度数は SSDSE-B-2026（列 A4103、2023 年、47 都道府県）を numpy.histogram で実際に集計した実測値です。合成・架空データは使っていません。