LogoMark.png

Seaborn のバックアップ(No.1)


Seaborn

https://seaborn.pydata.org/


seaborn は、Python の可視化ライブラリである Matplotlib のラッパー関数として動作するライブラリーで、より簡潔なコードで美麗なグラフを作成することができます。


Seaborn のインストールとインポート

Python 言語のライブラリとしてのインストールになるので、一般の Python3 の環境であれば、Terminalから以下のコマンドでインストールできます。

$ pip3 install seaborn

import する際は、以下のように記述するのが一般的です。

import matplotlib.pyplot as plt
import seaborn as sns
sns.set( )   # seabornの機能を有効化

Google Colaboratory では Jupyter Notebook で利用できるライブラリーが「すべてインストール済み」という前提なので、ローカル環境での作業のように、必要なライブラリのインストールを行う必要はなく、コードセルに import 文を書くだけで使うことができます。



メソッド

ヒストグラム sns.displot

# seaborn のヒストグラム表示機能を用いた詳細設定
sns.displot( df['total_bill'], bins=12 , color='#0033AA', height=6 , aspect=2, kde=True )


ボックスプロット sns.boxplot

# seaborn の boxplot を用いた「箱ひげ図」の描画
sns.boxplot( data = df , x = 'day' , y = 'total_bill' , order = ['Thur','Fri','Sat','Sun'] )


散布図 sns.scatterplot

# seaborn の scatterplot を用いた「散布図」の描画
plt.figure( figsize=(12, 8) )
sns.scatterplot( data = df , x = 'total_bill' , y = 'tip' )


# カラムの「質的変数」(この例では曜日)の違いを色で区別して描画
plt.figure(figsize=(12, 8))
sns.scatterplot( data = df , x = 'total_bill' , y = 'tip' , hue = 'day' , s = 100 )


# カラムの「質的変数」(この例では ランチとディナー)の違いを形で区別して 描画
plt.figure(figsize=(12, 8))
sns.scatterplot( data = df , x = 'total_bill' , y = 'tip' , style = 'time' , s = 100 )


# カラムの「量的変数」(この事例では「テーブルサイズ」)をドットの大きさを変えて描画する
plt.figure(figsize=(12, 8))
sns.scatterplot( data = df , x = 'total_bill' , y = 'tip' , hue = 'day' , size = 'size' , sizes = (100,1000) , alpha = 0.5 )


散布図行列 sns.pairplot

# seaborn の pairplot を用いた「散布図行列」の描画
sns.pairplot( data = df , hue = 'day' , height = 4 , aspect = 1 )


ヒートマップ sns.heatmap

# ヒートマップの表示
plt.figure( figsize=(16, 24))
sns.heatmap(df2 , linewidths=.5 , cmap="coolwarm" , fmt="d" , annot=True , robust=True )