seabornを勉強する

Posted at 2023-12-22

Pythonでグラフを作成するツールには、matplotlib、seaborn、plotnineなどがあります。
今回は、seabornを勉強します。
勉強はseabornのチュートリアルを読みながら進めていきました。
実行環境にはGoogle Colaboratoryを用いました。

seabornのインポート

import seaborn as sns

seaborn.load_datasetを用いてデータセットを読み込みます。

tips = sns.load_dataset("tips")

データセットを確認してみます。

tips.head()

seaborn.relplotを用いて、2つの変数間の関係を可視化します。
tipsデータセットのtotal_billとtipの関係を可視化します。

sns.relplot(data=tips, x="total_bill", y="tip")

seaborn.set_themeを用いてテーマを適用します。
以下のコードでは、デフォルトのテーマを適用します。

sns.set_theme()
sns.relplot(data=tips, x="total_bill", y="tip")

以下のコードでは、tickを適用します。

sns.set_theme(style="ticks")
sns.relplot(data=tips, x="total_bill", y="tip")

hue="day"を加え、曜日ごとで色分けします。

sns.relplot(data=tips, x="total_bill", y="tip", hue="day")

col="time"を加え、時間でグラフを分けます。

sns.relplot(data=tips, x="total_bill", y="tip", hue="day", col="time")

Lunchは木曜日と金曜日が多く、Dinnerは土曜日と日曜日が多いことがわかります。

size="size"を加え、人数でプロットの大きさを分けます。

sns.relplot(data=tips, x="total_bill", y="tip", hue="day", col="time", size="size")

seaborn.lmplotを用いて、回帰モデルを可視化します。

sns.lmplot(data=tips, x="total_bill", y="tip", hue="day", col="time")

散布図に回帰直線がつきました。

seaborn.displotを用いて、ヒストグラムを作成します。

sns.displot(data=tips, x="tip", col="time")

kde=Trueを加え、カーネル密度推定の結果をつけます。

sns.displot(data=tips, x="tip", col="time", kde=True)

LunchとDinnerの分布が異なることがわかります。

kde=Trueを削除し、kind="ecdf"を加え、ECDFを可視化します。
ECDFとは、累積分布関数を推定したものです。

sns.displot(data=tips, x="tip", col="time", kind="ecdf")

カーネル密度推定の結果がついたヒストグラムよりわかりづらいですが、LunchとDinnerの分布が異なることがわかります。

seaborn.catplotを用いて、変数の分布を棒グラフで可視化します。

sns.catplot(data=tips, kind="bar", x="time", y="tip")

tipは、LunchよりDinnerのほうが多い傾向があります。
total_billも見てみます。

sns.catplot(data=tips, kind="bar", x="time", y="total_bill")

total_billも、LunchよりDinnerのほうが多い傾向があります。

kind="violin"に変更し、バイオリンプロットを作成します。

sns.catplot(data=tips, kind="violin", x="time", y="total_bill")

seaborn.jointplotを用いて、散布図とヒストグラムを可視化します。

sns.jointplot(data=tips, x="total_bill", y="tip")

seabornを用いて、1つのデータセットから様々なグラフを作成できることがわかりました。
勉強を続けて、自由自在にグラフを作成できるようになりたいです。