1から始めるPythonデータ分析 - やりたいこと逆引きリスト ▶︎▶︎

【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

事前準備

import seaborn as sns

seabornsns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

※今回使うDataFrameの変数はdfとして扱います。皆さんが使うときは別の変数名に置き換えてください

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)
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)
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)
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)
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)
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

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

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

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

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

kindhex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)
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()
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')
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')
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')
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')
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

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')
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)
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')
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')
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')
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')
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')
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

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

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)
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)
ヒートマップの片方のみの可視化

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

seabornのカラーパレット

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

seabornのカラーパレット(Set)

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')
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('Set3')

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.figurefigsizeを指定します

の長さ: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')
plt.figure(figsize=(12,4))

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

【Python】一瞬で書けるグラフ作成|matplotlib
お気に入り登録お願いします

5 COMMENTS

shishow

いつもお世話になっております。
きれいなグラフが作れるのですね。Power BIがなくてもいいくらい。

返信する
匿名

コメント失礼します。当記事の折れ線グラフは何のデータを使ってますか?また、データを指定するコマンドを教えていただきたいです。

返信する
匿名

Seabornのグラフ作成の際に、いつも参考にしてます
感謝の気持ちを伝えるためにコメントさせていただきました!

返信する

匿名 へ返信する コメントをキャンセル

メールアドレスが公開されることはありません。 が付いている欄は必須項目です