#折れ線グラフの描画
これをjupyter notebookで行うとする。
ターミナル上で行うと、ファイルにグラフを保存する必要がある。保存するためには、plt.savefig("ファイル名")
とする。
##pyplotによる描画
# 数値計算に使うライブラリ
import numpy as np
import pandas as pd
# グラフを描画するライブラリ
from matplotlib import pyplot as plt
# グラフをjupyter Notebook内に表示させるための指定
%matplotlib inline
x = np.array([0,1,2,3,4,5,6,7,8,9])
y = np.array([2,3,4,3,5,4,6,7,4,8])
plt.plot(x, y, color = 'black')
plt.title("lineplot matplotlib")
plt.xlabel("x")
plt.ylabel("y")
![スクリーンショット 2020-01-25 15.33.26.png](https://qiita-user-contents.imgix.net/https%3A%2F%2Fqiita-image-store.s3.ap-northeast-1.amazonaws.com%2F0%2F512772%2F7083d05b-2fb4-2ee7-e19e-c9eb016fec15.png?ixlib=rb-4.0.0&auto=format&gif-q=60&q=75&s=4397136ed7d5d37b063b575bd7c33feb)
##seabornによる描画
import seaborn as sns
sns.set()
plt.plot(x, y, color = 'black')
plt.title("lineplot seaborn")
plt.xlabel("x")
plt.ylabel("y")
![スクリーンショット 2020-01-25 15.37.35.png](https://qiita-user-contents.imgix.net/https%3A%2F%2Fqiita-image-store.s3.ap-northeast-1.amazonaws.com%2F0%2F512772%2Fdab889d4-5647-f949-255c-e9d0f009a218.png?ixlib=rb-4.0.0&auto=format&gif-q=60&q=75&s=8d697d8ebdaf70ba7d45d6fbd48e1914)
#ヒストグラムの描画
data = np.array([2,3,3,4,4,4,4,5,5,6])
sns.distplot(data, bins = 5,
color = 'black', kde = False)
- binsでデータをいくつのグループに分けるかを定義する。
- kdeでカーネル密度推定1の表示/非表示を設定
sns.distplot(fish_data, color = 'black' norm_hist=True)
![](https://qiita-user-contents.imgix.net/https%3A%2F%2Fqiita-image-store.s3.ap-northeast-1.amazonaws.com%2F0%2F512772%2Fba0978c5-8091-cd9f-d7b1-5d4d21ae3c58.png?ixlib=rb-4.0.0&auto=format&gif-q=60&q=75&s=0ad63cb2c303e0043efdbc03306f66bb)
#箱ひげ図
sns.boxplot(x = "species", y = "length",
data = multi, color = 'gray')
![スクリーンショット hako_hige.png](https://qiita-user-contents.imgix.net/https%3A%2F%2Fqiita-image-store.s3.ap-northeast-1.amazonaws.com%2F0%2F512772%2F4289234e-8e76-0c1b-5f6c-8a05163b068e.png?ixlib=rb-4.0.0&auto=format&gif-q=60&q=75&s=1341ee3605daebe3be66f5097caf4ff8)
#バイオリンプロット
カーネル密度推定の結果を用いたもの
sns.violinplot(x = "species", y = "length",
data = multi, color = 'gray')
![](https://qiita-user-contents.imgix.net/https%3A%2F%2Fqiita-image-store.s3.ap-northeast-1.amazonaws.com%2F0%2F512772%2F5e064f9d-f47e-f932-7551-3affd7b8d6f5.png?ixlib=rb-4.0.0&auto=format&gif-q=60&q=75&s=a78e8082086f48f3c318e4c228d5ed19)
#棒グラフ
sns.barplot(x = "species", y = "length",
data = fish_multi, color = 'gray')
![スクリーンショット 2020-01-25 16.08.15.png](https://qiita-user-contents.imgix.net/https%3A%2F%2Fqiita-image-store.s3.ap-northeast-1.amazonaws.com%2F0%2F512772%2F88b53f60-c37b-30d4-ef60-fd9a95140220.png?ixlib=rb-4.0.0&auto=format&gif-q=60&q=75&s=aab8c312106beb26bebd4b1249d62ff2)
#散布図
sns.jointplot(x = "x", y = "y",
data = cov_data, color = 'black')
![](https://qiita-user-contents.imgix.net/https%3A%2F%2Fqiita-image-store.s3.ap-northeast-1.amazonaws.com%2F0%2F512772%2Fd0d899af-6897-2a08-4d06-8236512d12f7.png?ixlib=rb-4.0.0&auto=format&gif-q=60&q=75&s=f93f13283d207c964ec46f3a51d822c6)
#回帰直線
sns.lmplot(x = "temperature", y = "beer", data = D,
scatter_kws = {"color": "black"},
line_kws = {"color": "black"})
![スクリーンショット 2020-01-29 13.12.50.png](https://qiita-user-contents.imgix.net/https%3A%2F%2Fqiita-image-store.s3.ap-northeast-1.amazonaws.com%2F0%2F512772%2Fc3e2cca4-bb7e-ff53-95a0-2dbba45c4b85.png?ixlib=rb-4.0.0&auto=format&gif-q=60&q=75&s=bb142c8dd39ca6ea824b6065b3eaadb0)
sns.lmplot(x = "price", y = "sales", data = sales,
hue = "weather", palette = "gray")
![スクリーンショット 2020-01-29 13.15.02.png](https://qiita-user-contents.imgix.net/https%3A%2F%2Fqiita-image-store.s3.ap-northeast-1.amazonaws.com%2F0%2F512772%2F7e20f805-ecca-8b40-6791-80f9ec2faff3.png?ixlib=rb-4.0.0&auto=format&gif-q=60&q=75&s=eb11b918b4d5d20ebe7325346ae21bbb)
###参考
あたらしいPythonで学ぶ統計学の教科書 馬場真哉
-
統計学において、確率変数の確率密度関数を推定するノンパラメトリック手法のひとつ。 ↩