Python:seabornで可視化

Explanatory Data Analysis（略してEDA）：探索的データ解析
正直、Pythonには便利なライブラリがたくさんあるため、つい軽視してましたが、

やはり分布は大事

最近そう思うことが多々ありました。

そこでPythonのヴィジュアライゼーションライブラリのseabornを自分用に簡単に纏めてみます。
データセットはTitanic。簡単なデータ前処理を行って早速、データの可視化を進めてまいりましょう。

参考↓↓

[Python: seaborn を使った可視化を試してみる]
(https://blog.amedama.jp/entry/seaborn-plot)
[Seabornの全メソッドを解説（その１：グラフ一覧）]
(https://own-search-and-study.xyz/2017/05/02/seaborn%E3%81%AE%E5%85%A8%E3%83%A1%E3%82%BD%E3%83%83%E3%83%89%E3%82%92%E8%A7%A3%E8%AA%AC%EF%BC%88%E3%81%9D%E3%81%AE%EF%BC%91%EF%BC%9A%E3%82%B0%E3%83%A9%E3%83%95%E4%B8%80%E8%A6%A7%EF%BC%89/)
[seabornの細かい見た目調整をあきらめない]
(https://qiita.com/skotaro/items/7fee4dd35c6d42e0ebae)

import

#matplotlibはpltで読み込むことが多く、seabornはsnsで読み込むことが多いです
import seaborn as sns
import matplotlib.pyplot as plt
#下記によりグラフ内文字の日本語が正常に表示されます。
import japanize_matplotlib

Relational Plot

Scatterplot(散布図)

sns.scatterplotで散布図を描画することが可能です。
オプションとしてhue=色分け、style=プロットの形変える size=プロットの大きさ変えることができます

#下記で表示グラフのサイズ調整が出来ます
plt.figure(figsize=(20, 10))
sns.scatterplot(data=train_x, x="Age" ,y="Fare",hue="Sex",style="Sex",size="Pclass")

年齢と運賃にはあまり相関はなさそう。
↓試しに相関を表示したらやはり全くない↓

res = train_x["Age"].corr(train_x["Fare"])
print(res)
0.09668842218036484

lineplot(折れ線グラフ)

#下記でサイズの調整が可能。
plt.figure(figsize=(30,5))
sns.lineplot(data=line_plot_test[line_plot_test["month"]=="February"],x="year",y="passengers")

#replotを使うことで、複数の折れ線グラフを表示することができます
sns.relplot(data=line_plot_test,kind="line",x="year",y="passengers",col="month",col_wrap=5)

Categorical Plot

Scatterplot(ストリップチャート)

sns.stripplot(data=titanic,x="pclass",y="age",hue="sex",dodge=True)

↓dodge = Falseを選択するとcol毎に分枯れていたグラフが統一される↓

sns.stripplot(data=titanic,x="pclass",y="age",hue="sex",dodge=False)

↓catplotでオプションcolを指定すると複数のグラフに分けることができる↓

sns.catplot(data=titanic,kind="strip",x="pclass",y="age",hue="sex",col="survived",dodge=True)

Swarmplot(スワムチャート)

ストリップチャートは要素が重なっていたけど、重なりを除外したものがこちら。 swarmplot() 関数を使うことで描画できる。

sns.swarmplot(data=titanic,x="pclass",y="age")

Boxplot(箱ひげ図)

sns.boxplot(data=titanic,x="pclass",y="age")

’’

#stripchartと同様、catplotを利用するが(kind="box")を指定する
sns.catplot(data=titanic,kind="box",x="pclass",y="age",hue="survived",col="sex")

violinplot(バイオリン図)

#"inner"を指定すると内部を編集できる
sns.violinplot(data=titanic,x="pclass",y="age",inner="stick")

#グラフを重ね合わせることも可能
ax=sns.violinplot(data=titanic,x="pclass",y="age",inner="stick")
sns.stripplot(data=titanic,x="pclass",y="age",color="k",ax=ax)

#hueを指定することでグラフの色を分けて表示することも可能
sns.violinplot(data=titanic,x="pclass",y="age",hue="survived",split=True)

#複数表示する時は、同様にcatplotを利用
sns.catplot(data=titanic,x="pclass",y="age",kind="violin",hue="survived",col="sex",split=True)

boxen plot(箱ひげ図改良グラフ)

sns.boxenplot(data=titanic,x="pclass",y="age",hue="survived")

#こちらもcatplotで複数グラフの表示が可能。kind="boxen"
sns.catplot(data=titanic,x="pclass",y="age",kind="boxen",col="sex")

Point Plot

#平均値と信頼区間だけの表示に絞られたシンプルなグラフ。
sns.pointplot(data=titanic,x="pclass",y="age",hue="sex")

#複数表示させる時はcatplotにして、kind=pointとする
sns.catplot(data=titanic,x="pclass",y="age",kind="point",hue="survived",col="sex",color="b")

barplot(棒グラフ)

sns.barplot(data=titanic,x="pclass",y="age",color="b",hue="sex")

ヒゲはブートストラップ信頼区間らしいのですが、いまいちよく分からないので調べます。
あと棒グラフの値は平均値を表しています。これもestimaterという引数で変更できそう。

#複数グラフを描く時は、kind="bar"を指定する
sns.catplot(data=titanic,kind="bar",x="pclass",y="age",col="sex",hue="survived",color="b")

countplot

sns.countplot(data=titanic,x="pclass",hue="sex",color="b")

sns.countplot(data=titanic,y="pclass",hue="sex",color="b")

sns.catplot(data=titanic,kind="count",y="pclass",col="sex",hue="survived",color="b")

Distribution Plot

displot(ヒストグラム)

iris = sns.load_dataset("iris")
iris.head()
#階級の数はbinsで指定できる
sns.distplot(iris.petal_length,bins=20)
#kdeオプションで確率密度関数を削除できる
sns.distplot(iris.petal_length,bins=20,kde=False)
#heightやaspectで大きさ調整
sns.distplot(iris.petal_length,,bins=10,height=5,aspect=2)

kdeplot

KDE (Kernel Density Estimation) はカーネル密度推定という。 分布から確率密度関数を推定するのに用いる。
確率密度関数についてはもっとよく勉強しますが、単純なヒストグラフを連続にしたイメージ?

sns.kdeplot(iris.sepal_length)

sns.kdeplot(iris.petal_length,iris.sepal_length,shade=True)

rugplot

値の登場する位置に特化したグラフ。

sns.rugplot(iris.petal_length)

#重ね合わせて使うと値の出現とその個数の関連性が見える?
ax = sns.distplot(iris.petal_length)
sns.rugplot(iris.petal_length,ax=ax)

joint plot

joint plot は二つのグラフの組み合わせ。 デフォルトでは散布図とヒストグラムが同時に見られる。

sns.jointplot(data=iris,x="petal_length",y="petal_width")

#kind = "kde"を指定すると確率密度関数になります
sns.jointplot(data=iris,x="petal_length",y="petal_width",kind="kde")

#kind="hex"にすると特徴的なグラフになります
sns.jointplot(data=iris,x="petal_length",y="petal_width",kind="hex")

parplot

sns.pairplot(data=iris)

表示する次元を絞る時はvarsオプションで指定

sns.pairplot(data=iris,hue="species",vars=["petal_length","petal_width"])

kind="reg"を指定すると一次回帰直線も表示できる

sns.pairplot(data=iris,kind="reg")

Matrix Plot

heat map

#annot=Trueをつけることで実際の値を表示することも可能
sns.heatmap(data=iris.corr(),annot=True)