　【はじめに】

Seabornとは、Pythonの可視化ライブラリの一つです。 Matplotlibの機能をより美しく、より簡単に実現するための可視化ライブラリとして人気です。

今回は、Seabornでさまざまなグラフを描画する方法を紹介していきます。

本記事の内容

MatplotlibとSeabornをインポート
使用するデータを読み込む
箱ひげ図を作成する | boxplot
ヒストグラムを作成する | distplot
散布図を作成する | scatterplot
散布図行列を作成する | pairplot
ヒートマップを作成する | headmap

【MatplotlibとSeabornをインポート】

matplotlibの中のpyplotを読み込みます。

また、Jupyter Notebook内にグラフを出力させるために%matplotlib inlineを記述します。

日本語に対応できるようにjapanize_matplotlibも読み込みます。

続いてSeabornをインポートします。

import matplotlib.pyplot as plt
import japanize_matplotlib
%matplotlib inline
import seaborn as sns

ポイント

seabornはsnsという名前でインポートすることが多いです。

【使用するデータを読み込む】

Pythonライブラリである「Pandas」をインポートしてcsvファイルをDataFrameとして読み込みます。

使用するデータは、
seabornのライブラリの中から、サンプルのデータセットをダウンロードできるので、比較的有名な

iris（アヤメのサンプルデータ）
flight（飛行機の乗客数）

二つを使用してきます。

import pandas as pd

iris = sns.load_dataset('iris')
iris.head()

	sepal_length	sepal_width	petal_length	petal_width	species
0	5.1	3.5	1.4	0.2	setosa
1	4.9	3.0	1.4	0.2	setosa
2	4.7	3.2	1.3	0.2	setosa
3	4.6	3.1	1.5	0.2	setosa
4	5.0	3.6	1.4	0.2	setosa

それぞれのカラムは次の情報を表しています。

sepal_length : ガクの長さ
sepal_width : ガクの幅
petal_length : 花弁の長さ
petal_width : 花弁の幅
species : アヤメの種類

flights = sns.load_dataset('flights')
flights.head()

	year	month	passengers
0	1949	Jan	112
1	1949	Feb	118
2	1949	Mar	132
3	1949	Apr	129
4	1949	May	121

それぞれのカラムは次の情報を表しています。

year : 年
month : 月
passengers : 乗客数

【箱ひげ図を作成する | boxplot】

figureオブジェクトとaxesオブジェクトを作成することで、グラフを描画するスペースの大きさ（幅、高さ）とその中にいくつのグラフを作成するかを指定することが出来ます。

# figureオブジェクトとaxesオブジェクトの作成
fig, ax = plt.subplots(2, 3, figsize=(15,10), sharey=True)

ポイント

plt.subplots()の引数に行と列を指定します。（今回は２行×３列で６つのグラフを作成するようにしています。）
次に引数figsizeに幅と高さを指定します。
引数shareyにTrueを指定するとy軸のメモリを共有します。
x軸のメモリを共有する場合は、sharexを使用します。

# figureオブジェクトとaxesオブジェクトの作成
fig, ax = plt.subplots(2, 3, figsize=(15,10), sharey=True)

# グラフの作成
sns.boxplot(x="species", y="sepal_length", data=iris, ax=ax[0,0])
sns.stripplot(x="species", y="sepal_length", data=iris, ax=ax[0,1])
sns.violinplot(x="species", y="sepal_length", data=iris, ax=ax[0,2])
sns.boxenplot(x="species", y="sepal_length", data=iris, ax=ax[1,0])
sns.swarmplot(x="species", y="sepal_length", data=iris, ax=ax[1,1])
sns.violinplot(x="species", y="sepal_length", data=iris, ax=ax[1,2], color='whitesmoke', linewidth=0.3)
sns.swarmplot(x="species", y="sepal_length", data=iris, ax=ax[1,2], size=3)

# タイトルの追加
ax[0,0].set_title("boxplot")
ax[0,1].set_title("stripplot")
ax[0,2].set_title("violinplot")
ax[1,0].set_title("boxenplot")
ax[1,1].set_title("swarmplot")
ax[1,2].set_title("violinplot & swarmplot")

# グラフの表示
plt.show()

sns.boxplot()の引数xにアヤメの種類、yにガクの長さを指定してみます。
引数dataには元のデータを指定します。
引数axには何行目、何列目にグラフを配置するかを指定します。角括弧[]で囲み、[0,0]から始まります。

箱ひげ図にもさまざまな種類があるため、目的に応じて使い分ける必要があります。

個人的にはboxplotが使えれば問題ないと思います。

【ヒストグラムを作成する | distplot】

y軸に連続変数として、ガクの幅を指定してみます。

sepal_width = iris['sepal_width']
sepal_width.head()

0    3.5
1    3.0
2    3.2
3    3.1
4    3.6
Name: sepal_width, dtype: float64

# figureオブジェクトとaxesオブジェクトの作成
fig, ax = plt.subplots(1,4, figsize=(20,4)) #１行×４列のグラフを作成

# グラフの作成
sns.distplot(sepal_width, ax=ax[0])
sns.distplot(sepal_width, ax=ax[1], bins=20) #階級の数を「20」に指定
sns.distplot(sepal_width, ax=ax[2], kde= False) #カーネル密度推定を非表示に指定
sns.distplot(sepal_width, ax=ax[3], hist=False, rug=True) #ヒストグラムを非表示、ラグを表示に設定

# タイトルの追加
ax[0].set_title("hist & kde")
ax[1].set_title("hist (bins=20) & kde")
ax[2].set_title("hist")
ax[3].set_title("kde & rug")

# グラフの表示
plt.show()

ポイント

sns.distplot()の最初の引数にSeries型でデータを指定します。
引数binsには階級の数を指定します。
引数kdeにFalseを指定すると、カーネル密度推定（曲線で表されているグラフ）を非表示にします。
引数histにFalseを指定すると、ヒストグラムを非表示にします。
引数rugにTrueを指定すると、ラグを表示します。

【散布図を作成する | scatterplot】

x軸にガクの長さ、y軸にガクの幅を指定して散布図を作成してみます。

# figureオブジェクトとaxesオブジェクトの作成
fig, ax = plt.subplots(1,4, figsize=(24,4), sharey=True)

# グラフの作成
sns.scatterplot(x="sepal_length", y="sepal_width", data=iris, ax=ax[0])
sns.scatterplot(x="sepal_length", y="sepal_width", data=iris, ax=ax[1], hue='species')
sns.scatterplot(x="sepal_length", y="sepal_width", data=iris, ax=ax[2], hue='species', style='species')
sns.scatterplot(x="sepal_length", y="sepal_width", data=iris, ax=ax[3], hue='species', style='species', size='petal_length')

# グラフの表示
plt.show()

ポイント

sns.scatterplot()の引数xにガクの長さ、yにガクの幅を指定します。
引数hueに新たな変数（アヤメの種類）を指定することで、各アヤメの種類の情報も加えて可視化することが出来ます。
引数styleにhueで指定した変数を指定すると、散布図のマーカーを各種類ごとに変えることが出来ます。
引数sizeにカラムを指定すると、カラムのデータに基づいてマーカーのサイズを変更して、凡例を分かりやすくします。

【散布図行列を作成する | pairplot】

sns.pairplot()の引数dataに元のデータを指定し、hueにプロットしたい変数を指定します。

複数の散布図を行列に整列して表示させたものが、散布図行列です。

# グラフの作成
sns.pairplot(data=iris, hue='species')

# グラフの表示
plt.show()

【ヒートマップを作成する | headmap】

ヒートマップとはデータを可視化するために、行列型の数字データの強弱を色で視覚化する方法です。

「飛行機の乗客数」のデータを使用して、ヒートマップを作成してみます。

# 年と月ごとに乗客を集約した2次元配列データの作成
flights_matrix = flights.pivot_table(index='year', columns='month', values='passengers')
flights_matrix

month	Jan	Feb	Mar	Apr	May	Jun	Jul	Aug	Sep	Oct	Nov	Dec
year
1949	112	118	132	129	121	135	148	148	136	119	104	118
1950	115	126	141	135	125	149	170	170	158	133	114	140
1951	145	150	178	163	172	178	199	199	184	162	146	166
1952	171	180	193	181	183	218	230	242	209	191	172	194
1953	196	196	236	235	229	243	264	272	237	211	180	201
1954	204	188	235	227	234	264	302	293	259	229	203	229
1955	242	233	267	269	270	315	364	347	312	274	237	278
1956	284	277	317	313	318	374	413	405	355	306	271	306
1957	315	301	356	348	355	422	465	467	404	347	305	336
1958	340	318	362	348	363	435	491	505	404	359	310	337
1959	360	342	406	396	420	472	548	559	463	407	362	405
1960	417	391	419	461	472	535	622	606	508	461	390	432

# figureオブジェクトとaxesオブジェクトの作成
fig, ax = plt.subplots(1, 2, figsize=(18, 6))

# グラフの作成
sns.heatmap(data=flights_matrix, ax=ax[0])
sns.heatmap(data=flights_matrix, ax=ax[1], cmap='coolwarm', vmax=450, fmt='d', annot=True)

# 図全体のタイトルの追加
fig.suptitle('ヒートマップ', fontsize=20)

# グラフの表示
plt.show()

ポイント

引数cmapには値の大小をどの色に変換するかを指定します。
公式ドキュメントを参照することが出来ます。

引数vmaxにはカラーマップと値の範囲を関連付ける必要がある際の最大値を指定します。指定しない場合、データや他の引数から推測されます。
最小値を指定する場合は、vminに値を指定します。
引数annotにTrueを指定すると、ヒートマップ内に値を出力します。
annotがTrueの場合に、引数fmtにdを指定すると値を１０進整数で表示します。

【さいごに】

今回は、Seabornを使用したグラフの描画方法を紹介しました。

紹介したのはごく一部の可視化手法です。Seabornを使いこなせば多種多様な図を描く事ができます。

是非この機会にSeabornに慣れていきましょう。

使用したCSVファイルやJupyter NotebookはGitHubに公開しています。
Jupyter Notebookは下記コマンドでダウンロードできるので、自由に使って是非練習してみてください。

$ curl https://raw.githubusercontent.com/nakachan-ing/python-references/master/Matplotlib%26Seaborn/Seabornでグラフを描画する.ipynb -O