Seabornのグラフについて

2024年1月9日

SeabornはPythonで利用可能なデータ可視化ライブラリで、matplotlibの上に構築されています。

このライブラリは、統計的データ可視化に特化しており、魅力的で理解しやすいグラフを簡単に作成することができます。

Seabornはデータセットの内部構造を理解しやすくするための高度なインターフェースを提供しています。

Seabornの主な特徴

豊富なビジュアライゼーションタイプ: Seabornは、箱ひげ図、バイオリン図、散布図、線グラフ、ヒートマップなど、多様なグラフタイプを提供します。
統計的データ解析: これは統計的データ解析を容易に行うための機能を多数含んでおり、平均、中央値、分布などを視覚化するのに役立ちます。
スタイルとカラースキーム: Seabornは、美しいデフォルトスタイルとカラーパレットを提供し、視覚的な魅力を高めます。
統合されたmatplotlibのサポート: matplotlibとの統合により、さらにカスタマイズが可能です。
データセット指向: Seabornは、PandasのDataFrameなどのデータセット構造を直接扱えるように設計されています。

よく使われるSeabornのグラフ

散布図: sns.scatterplotを使用して、2変数間の関係をプロットします。
線グラフ: sns.lineplotで時間の経過に伴うデータの変化を表示します。
ヒストグラム: sns.histplotを使用してデータの分布を視覚化します。
箱ひげ図: sns.boxplotでデータの範囲と外れ値を示します。
バイオリン図: sns.violinplotは箱ひげ図に似ていますが、データの密度分布も示します。
ヒートマップ: sns.heatmapでデータマトリックスの相関関係などを色で表現します。

実際の使用例

Seabornの利用にはまず、必要なライブラリをインポートすることから始めます。

以下に基本的な使用例を示します。

import seaborn as sns
import matplotlib.pyplot as plt

# データセットの読み込み
iris = sns.load_dataset('iris')

# 散布図の作成
sns.scatterplot(x='sepal_length', y='sepal_width', data=iris)

# グラフの表示
plt.show()

この例では、Irisという有名なデータセットを使用し、その中の「sepal_length」と「sepal_width」の2つの特徴に基づいて散布図を作成しています。

実践的な応用例

import seaborn as sns
import matplotlib.pyplot as plt

# データセットの読み込み
tips = sns.load_dataset('tips')

# Facet Gridの例
g = sns.FacetGrid(tips, col="time", row="smoker")
g = g.map(plt.hist, "total_bill")

# Pair Plotの例
sns.pairplot(tips, hue="sex", palette="Set2")

# グラフの表示


plt.show()

この例では、まずFacetGridを用いて、時間帯と喫煙の有無によって異なる料金の分布を表示しています。

続いてpairplotを用いて、性別による変数間の関係を一覧表示しています。