【Python】seabornで綺麗なグラフ作成を！たった1行で書けます

seabornで綺麗なグラフ作成

Pythonで綺麗なグラフを作成するためにはseabornというライブラリがおすすめです

seabornを使うことで、一瞬で綺麗なグラフを作成することができます

そしてプログラミングの記述もたった1行で記述することができ、非常に完成度の高いグラフが出来上がります

ギャラリーから希望のグラフを選べます

2022-01-22一覧から選べるPythonグラフギャラリー｜seaborn

事前準備

import seaborn as sns

seabornをsnsという名前でインポートします（慣例でsnsという名前）

そしてグラフ記述の最初にsnsから始めます

seabornのグラフ一覧

seabornではsnsから始めて、○○plotと記述していきます

折れ線グラフ（lineplot）

lineplotは折れ線グラフを可視化することができます

x軸とy軸にそれぞれ列名を入れ、dataにDataFrame（df）を指定すれば簡単に折れ線グラフを作成できます

周りの薄いエリアは予測値を表しています

sns.lineplot(x='列名1', y='列名2', data=df)

ciをNoneで設定することで、予測値を消すことができます

sns.lineplot(x='列名1', y='列名2', ci=None, data=df)

hueに「分割したい列名」を指定すると、項目ごとにグラフ化することができます

sns.lineplot(x='列名1', y='列名2', hue='分割したい列名', data=df)

散布図（scatterplot）

scatterplotは散布図を作成することができます

x軸とy軸 にそれぞれ列名を入れ、dataにDataFrame（df）を指定すれば散布図を作成できます

sns.scatterplot(x='列名1', y='列名2', data=df)

hueに「分割したい列名」を指定すると、項目ごとにグラフ化することができます

sns.scatterplot(x='列名1', y='列名2', hue='分割したい列名', data=df)

「分割したい列名」が「Yes/No」の2分割ではなく、「1~6」などの数値の場合は色の濃淡で表現されます

hueではなくsizeに「分割したい列名（数値）」を指定すると、項目ごとに円の大きさを変えることができます

sns.scatterplot(x='列名1', y='列名2', size='分割したい列名', data=df)

alphaを「0-1」の間で設定することで、透過度を上げることができます

散布図は情報が多くなる傾向があるため、見やすさを高めるために利用してください

sns.scatterplot(x='列名1', y='列名2', size='分割したい列名', alpha=0.5, data=df)

散布図＋回帰線（lmplot）

lmplotは散布図と同じパラメーターで「回帰モデルの傾向線」を可視化することができます

sns.lmplot(x='列名1', y='列名2', data=df)

hueに「分割したい列名」を指定すると、項目ごとにグラフ化することができます

sns.lmplot(x='列名1', y='列名2', hue='分割したい列名', data=df)

ヒストグラム（histplot）

ヒストグラムを可視化するhistplotはDataFrameをそのまま指定し、x軸の列名のみ記載します

※縦軸は指定した列名の数（カウント）が表示されます

sns.histplot(df, x='列名')

binwidthを指定することでビン（棒グラフの幅）を調整できます

sns.histplot(df, x='列名', binwidth=0.2) 

elementをstepと設定することで、棒グラフの境が消えて、よりヒストグラムっぽくなります

sns.histplot(df, x='列名', element='step')

hueに「分割したい列名」を指定すると、項目ごとにグラフ化することができます

sns.histplot(df, x='列名', hue='分割したい列名') 

hueに「分割したい列名」を指定し、multipleをstackにすることで「積み上げグラフ」を作成できます

sns.histplot(df, x='列名', hue='分割したい列名', multiple='stack') 

hueに「分割したい列名」を指定し、multipleをdodgeにすることで「それぞれの棒グラフ」を作成できます

sns.histplot(df, x='列名', hue='分割したい列名', multiple='dodge') 

hueに「分割したい列名」を指定し、multipleをfillにすることで「100%積み上げ棒グラフ」を作成できます

sns.histplot(df, x='列名', hue='分割したい列名', multiple='fill') 

2変量のヒストグラム（displot）

displotはヒストグラムを記述する手法ですが、散布図のようにx軸とy軸を指定することで「項目の多さ」をプロットすることができます

sns.displot(df, x='列名1', y='列名2')

※散布図（左）はデータの散らばりや回帰傾向を見るのに対し、こちら（右）はデータ量を見ることができます

hueに「分割したい列名」を指定すると、項目ごとにグラフ化することができます

alphaを「0-1」の間で設定することで、透過度を上げることができます

sns.displot(df, x='列名1', y='列名2', hue='分割したい列名', alpha=0.5)

散布図＋ヒストグラム（jointplot）

jointplotでは散布図とヒストグラムを両方可視化することができます

sns.jointplot(data=df, x='列名1', y='列名2')

hueに「分割したい列名」を指定すると、項目ごとにグラフ化することができます

sns.jointplot(data=df, x='列名1', y='列名2', hue='分割したい列名')

kindをregにすることで、傾向線（カーネル密度推定）を可視化することができます

sns.jointplot(data=df, x='列名1', y='列名2', kind='reg')

kindをhexにすることで、データの散らばりを密度で可視化することができます

sns.jointplot(data=df, x='列名1', y='列名2', kind='hex')

項目ごとの散布図＋ヒストグラム（pairplot）

pairplotはその名の通り「ペア」となる列同士を全て比較します

同じ項目同士は「ヒストグラム」を、そして別の項目同士は「散布図」を可視化します

sns.pairplot(df)

DataFrameを指定するだけで、数値型の列のみ対象になります

df.head()

上記のようなDataFrameでは数値型の「total_bill」「tip」「size」のみがpairplotの対象となります

hueに「分割したい列名」を指定すると、項目ごとにグラフ化することができます

sns.pairplot(df, hue='分割したい列名')

箱ひげ図（boxplot）

boxplotでは箱ひげ図（ボックスプロット）を作成することができます

sns.boxplot(data=df, x='列名1', y='列名2')

hueに「分割したい列名」を指定すると、項目ごとにグラフ化することができます

sns.boxplot(data=df, x='列名1', y='列名2', hue='分割したい列名')

バイオリンプロット（violinplot）

violinplotではバイオリンプロット（箱ひげ図＋データ量）を作成することができます

箱ひげ図では分からないデータ量を表現できます

sns.violinplot(data=df, x='列名1', y='列名2')

hueに「分割したい列名」を指定すると、項目ごとにグラフ化することができます

またsplitを「True」に、innerを「quart」とすることで見やすいグラフが完成します

sns.violinplot(data=df, x='列名1', y='列名2', hue='分割したい列名', split=True, inner='quart')

ポイントプロット（pointplot）

pointplotは箱ひげ図やバイオリンプロットをより簡略化したグラフです

平均と信頼区間のみをプロットしています

sns.pointplot(data=df, x='列名1', y='列名2')

hueに「分割したい列名」を指定すると、項目ごとにグラフ化することができます

capsizeを「0.2」に設定すると上下のバーを付けることができ、dodgeを「True」にするとポイントを少しずらして可視化できます

sns.pointplot(data=df, x='列名1', y='列名2', capsize=0.2, dodge=True)

棒グラフ【平均】＋信頼区間（barplot）

barplotのY軸は「平均」となり、信頼区間が表示されます

x軸とy軸にそれぞれ列名を入れ、dataにDataFrame（df）を指定すれば棒グラフを作成できます

sns.barplot(data=df, x='列名1', y='列名2')

hueに「分割したい列名」を指定すると、項目ごとにグラフ化することができます

sns.barplot(data=df, x='列名1', y='列名2', hue='分割したい列名')

棒グラフ【個数】（countplot）

countplotではx軸のみ指定した場合、y軸が自動的に個数（カウント）になります

sns.countplot(data=df, x='列名1')

一方で y軸のみ指定した場合、x軸が自動的に個数（カウント）になり、横棒グラフになります

sns.countplot(data=df, y='列名1')

hueに「分割したい列名」を指定すると、項目ごとにグラフ化することができます

sns.countplot(data=df, x='列名1', hue='分割したい列名')

ヒートマップ（heatmap）

「年」ｘ「月」ごとに数値が入っている表をヒートマップ化します

heatmapにはDataFrame（df）をそのまま指定します

※不要な列・行がある場合は事前に削除しましょう

sns.heatmap(df)

annotをTrueに設定すると、ヒートマップ内に数値を可視化することができます

fmtを「d」に設定すると整数で可視化ができます（少数2桁はfmt=’.2f’）

sns.heatmap(df, annot=True, fmt='d')

linewidthsを設定すると罫線を引くことができ、データごとの差が見やすくなります

sns.heatmap(df, linewidths=0.5)

cmapで色を変更することができます

sns.heatmap(df, cmap='Blues')

色の英単語（最初は大文字、最後はsを付ける）を指定すれば好きなカラーにできます

「Blues：青」「Reds：赤」「Greens：緑」「Oranges：橙」「Purples：紫」

相関を求める時など、「同じ項目同士」でクロス集計を行う場合があります

df = sns.load_dataset('titanic')
df.corr()

ヒートマップで可視化すると、当然ですが「同じ項目の相関は1」で「同じ項目が2つ並びます」

sns.heatmap(df.corr(), annot=True)

そこで、不要な部分を削除したヒートマップを作成します

dfの部分を変えて利用してください

import numpy as np

df = df.corr()

mask = np.zeros_like(df)
mask[np.triu_indices_from(df)] = True
with sns.axes_style("white"):
  ax = sns.heatmap(df, mask=mask, square=True, linewidths=0.5)

色の変更

seabornではグラフの色を簡単に変更することができます

色を単体で指定するというより、用意されているカラーパレットを指定するイメージを持ちましょう

英単語（最初は大文字、最後はsを付ける）を指定すれば好きなカラーにできます

また違いを明確化するために「Set：セット」というカラーパレットも用意されています

コードの記述方法は2種類あります

1つ目はグラフ単位でpaletteを指定する方法

sns.barplot(data=df, x='列名', y='列名', palette='Set2')

指定方法の2つ目はseaborn全体でカラーパレットを定義する方法です

sns.set_palette('Set3')
sns.barplot(data=df, x='列名', y='列名')

sns.set_palette()に任意のカラーパレットを指定すると、それ以降のseabornのグラフで色が適応されます

サイズの変更

グラフサイズを変更する方法はplt.figureを利用します

そのためmatplotlibをインポートしておきましょう

import matplotlib.pyplot as plt

そしてseabornを記述する前にplt.figureでfigsizeを指定します

（横の長さ：縦の長さ）の順で構成比を記述しましょう

横長のグラフを作成します

plt.figure(figsize=(12,4))
sns.barplot(data=df, x='列名', y='列名')

まとめ

今回はseabornによるグラフの作成についてご紹介してきました

たった1行で書けるという「簡易さ」はもちろん、搭載されているグラフの「見やすさ」からデータ分析の場面で非常によく利用されます

パラメーターもどのデータを使うかと、x軸・y軸くらいで書くことができます

matplotlibというグラフ作成方法もご紹介していますので、ぜひご覧ください

2021-05-16【Python】一瞬で書けるグラフ作成｜matplotlib