データの分布を表現する方法には、箱ひげ図やバイオリンプロット、ヒストグラムなど様々なものがあります。その中で「すべてのデータ点を表示しつつ、分布の特徴も一目で分かる」手法として注目されているのが ビースウォーム・プロット（Beeswarm Plot） です。名前の通り、ミツバチの群れのようにデータ点が広がって見えるのが特徴です。
ビースウォーム・プロットの仕組み
- 基本構造 …縦軸（あるいは横軸）に数値データを、横軸（あるいは縦軸）にカテゴリ変数を配置します。
- 重なりの解消 …単純なストリッププロット（strip plot）では点が重なってしまいますが、ビースウォームではアルゴリズムによって点をずらし、衝突しないように散らします。
- 配置の意味 …数値軸方向はデータ値を保持し、カテゴリ軸方向には重なりを避けるための調整だけが行われます。そのため、点が横に広がるほど「その数値付近に多くの観測がある」ことを意味します。
メリットと注意点
メリット
- すべての点が見える ：要約統計だけでなく、外れ値や個々の観測をそのまま確認可能。
- 分布の偏りが直感的 ：点の群れ具合から、密集やばらつきがすぐに分かる。
- 比較がしやすい ：カテゴリごとに並べることで、グループ間の分布差を直接見比べられる。
注意点
- 大量データには不向き ：数万件単位のデータでは処理も表示も重くなる。
- 「幅」に定量性はない ：横方向の広がりは単なる重なり回避であり、密度を厳密に測るものではない。
- 視覚的調整が必要 ：パラメータ設定を工夫しないと点が雑然として見えることがある。
応用例
- 統計可視化 ：箱ひげ図やバイオリン図と組み合わせ、要約統計と生データを両立。
- 機械学習の解釈（SHAP） n：特徴量の重要度を視覚化する際に beeswarm プロットが使われ、個々の観測の影響度を直感的に理解できます。
- 教育・プレゼン ：点が「生きている」ように散らばるため、聴衆に分布の雰囲気を伝えるのに効果的。
まとめ
ビースウォーム・プロットは、データの「個別性」と「分布性」を同時に示せる可視化手法です。適切なデータサイズで用いれば、他のチャートでは見えにくい外れ値や集中度を明快に伝えることができます。 今後のデータ可視化の現場でも、ますます利用される機会が増えていくでしょう。