LoginSignup
76

Pythonデータ可視化に使えるseaborn 25メソッド

Last updated at Posted at 2021-09-20

Pythonデータ可視化に使えるseabornのメソッド25個を一挙紹介します。また最後に、データ分析の流れを経験できるオススメ学習コンテンツを紹介したので、ご参考ください。

必要なライブラリ

import pandas as pd
import seaborn as sns

利用データ

可視化の具体例のサンプルデータは、下記の2つを使っています。

# https://www.kaggle.com/c/titanic/data?select=train.csv
df_1 = pd.read_csv("train.csv")

Image from Gyazo

df_2 = sns.load_dataset("flights").pivot("month", "year", "passengers")

Image from Gyazo

scatterplot(散布図)

sns.scatterplot(x="Age", y="Fare", hue="Survived", data=df_1)

Image from Gyazo

relplot(scatterplotを複数配置できるグラフ)

sns.relplot(x="Age", y="Fare", hue="Survived", col="Pclass", row="Sex", data=df_1)

Image from Gyazo

rugplot(軸へのプロット)

単体ではなく、重ねて使うことが多い。

sns.rugplot(x="Age", y="Fare", hue="Survived", data=df_1)

Image from Gyazo

sns.scatterplot(x="Age", y="Fare", hue="Survived", data=df_1)
sns.rugplot(x="Age", y="Fare", hue="Survived", data=df_1)

Image from Gyazo

stripplot(1変数の散布図)

sns.stripplot(x="Pclass", y="Age", hue="Survived", data=df_1)

Image from Gyazo

catplot(stripplotを複数配置できるグラフ)

sns.catplot(x="Pclass", y="Age", hue="Survived", col="Embarked", row="Sex", data=df_1)

Image from Gyazo

swarmplot(点を重ねない1変数の散布図)

sns.swarmplot(x="Pclass", y="Age", hue="Survived", data=df_1)

Image from Gyazo

regplot(線形回帰モデルのグラフ)

sns.regplot(x="Age", y="Fare", data=df_1)

Image from Gyazo

lmplot(regplotを複数配置できるグラフ)

sns.lmplot(x="Age", y="Fare", col="Embarked", row="Survived", hue="Sex", data=df_1)

Image from Gyazo

residplot(残差のプロット)

※y=0が線形回帰線で、そこからどのくらい離れているかを示すグラフ

sns.residplot(x="Age", y="Fare", data=df_1)

Image from Gyazo

histplot(ヒストグラム)

sns.histplot(df_1, x="Age", hue="Pclass")

Image from Gyazo

displott(histplotを複数配置できるグラフ)

sns.displot(df_1, x="Age", col="Pclass", row="Survived")

Image from Gyazo

distplot(histplotと同じようなもの)

非推奨のため割愛

ecdfplot(累積分布関数)

sns.ecdfplot(x="Age", data=df_1)

Image from Gyazo

jointplot(ヒストグラムつき散布図)

sns.jointplot(x="Age", y="Fare", data=df_1)

Image from Gyazo

kdeplot(カーネル密度推定を使用した分布)

sns.kdeplot(x="Age", hue="Survived", data=df_1)

Image from Gyazo

barplot(棒グラフ)

sns.barplot(x="Pclass", y = "Age", hue="Survived", data=df_1)

Image from Gyazo

catplot(barplotを複数配置できるグラフ)

sns.catplot(kind="bar", x="Pclass", y="Age", hue="Survived", col="Embarked", row="Sex", data=df_1)

Image from Gyazo

countplot(カテゴリ別のカウントグラフ)

sns.countplot(x="Pclass", hue="Survived", data=df_1)

Image from Gyazo

boxplot(箱ひげ図)

sns.boxplot(x="Pclass", y="Age", hue="Survived", data=df_1)

Image from Gyazo

boxenplot(箱ひげ図の強化版)

sns.boxenplot(x="Pclass", y="Age", hue="Survived", data=df_1)

Image from Gyazo

violinplot(バイオリン図)

sns.violinplot(x="Pclass", y="Age", hue="Survived", split=True, data=df_1)

Image from Gyazo

pointplot(平均値と信頼区間のグラフ)

sns.pointplot(x="Pclass", y="Age", hue="Survived", data=df_1)

Image from Gyazo

pairplot(全パターンの相関グラフ)

sns.pairplot(df_1, hue="Survived")

Image from Gyazo

lineplot(折れ線グラフ)

sns.lineplot(data=df_2)

Image from Gyazo

heatmap(ヒートマップ)

sns.heatmap(df_2, annot=True, fmt='d')

Image from Gyazo

clustermap(クラスターマップ)

sns.clustermap(df_2, annot=True, fmt='d')

Image from Gyazo

【最後に】データ分析手法のコンテンツ(私が制作したもの)

初心者向けのPythonデータ分析学習コンテンツ(私が制作したもの)です。データの取り込み、前処理から可視化の流れを学習できる教材です。考察イメージまで記載されているのでオススメです。一部無料公開されているので、ご興味あればお試しください。

参考サイト

https://seaborn.pydata.org/index.html
https://pythondatascience.plavox.info/

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
76