Seabornを使ってみよう
Seaborn はPythonで利用できるグラフ描画のための拡張モジュールです。Matplotlib をベースに作られているため、散布図や折れ線グラフなどの基本的なグラフ描画は Matplotlib の機能を利用しています。Matplotlib では細かな設定をしないようなグラフでも簡単に見栄えのよい美しいグラフを描画することができるようになります。
インストール
拡張モジュールなので次のようにインストールします。
code: bash condaの場合
$ conda install seaborn
code: bash pipの場合
$ pip install seaborn
データセット
実は seaborn はドキュメントに描画例を示すために使用しているサンプルデータをダウンロードすることができます。データセットの一覧は get_dataset_names() でリストすることができます。 このとき、次のようなメッセージが表示されます。
code: IPython
In 19: seaborn.get_dataset_names() /Users/goichiiisaka/anaconda3/envs/py36/lib/python3.6/site-packages/seaborn/utils.py:384: UserWarning: No parser was explicitly specified, so I'm using the best available HTML parser for this system ("lxml"). This usually isn't a problem, but if you run this code on another system, or in a different virtual environment, it may use a different parser and behave differently.
The code that caused this warning is on line 384 of the file /Users/goichiiisaka/anaconda3/envs/py36/lib/python3.6/site-packages/seaborn/utils.py. To get rid of this warning, pass the additional argument 'features="lxml"' to the BeautifulSoup constructor.
gh_list = BeautifulSoup(http)
このメッセージは無害なのですが、seaborn/utils.py の 384行目（このときのバージョンでは)を次のように修正するとこのメッセージは表示されなくなります。
code: python
gh_list = BeautifulSoup(http,features="lxml")
code: IPython
In 1: import seaborn In 2: seaborn.get_dataset_names() Out2: ['anscombe',
'attention',
'brain_networks',
'car_crashes',
'diamonds',
'dots',
'exercise',
'flights',
'fmri',
'gammas',
'iris',
'mpg',
'planets',
'tips',
'titanic']
データセットのロードには load_dataset() を実行します。
データセット iris を読み込んでみましょう。
code: IPython
In 8: iris = seaborn.load_dataset('iris') In 9: iris.head() Out9: 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
アイリス(iris)は、花の色がきれいで鮮やかなアヤメ属の植物で、このデータセットは３種類の
table: irisデータセットのカラム名
カラム名 説明
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 種別
このデータを使って seaborn の描画サンプルをみてみましょう。
散布図
散布図は pairplot()にデータフレームを渡すだけです。
(紙面の都合でheight=を与えていますが、なくても問題ありません）
code: IPython
In 16: seaborn.pairplot(iris,height=1.5) Out16: <seaborn.axisgrid.PairGrid at 0x1a2636b668> https://gyazo.com/41f527108e6ed49fd182974b7586e736
このままでも良いのですが、set() で 描画スタイルをセットしてみましょう。
code: IPython
In 17: seaborn.set() In 18: seaborn.pairplot(iris,height=1.5) Out18: <seaborn.axisgrid.PairGrid at 0x1a24c7c358> https://gyazo.com/1b3a51ad0d0e2955745034bfa91cf595
スタイルが変わって見栄えがするようになりましたね。
アイリスの種別ごとに色を変えてみましょう。
これには、pairplot() に hue=カラム名 を与えると、そのカラム別に色を変えて描画してくれます。
code: IPython
In 19: seaborn.pairplot(iris,hue="species", height=1.5) Out19: <seaborn.axisgrid.PairGrid at 0x1a26647c18> https://gyazo.com/f82e12eaedac4eeaaa7bd1ef55d2621b
カラムを特定した散布図
特定の特徴の組み合わせた散布図を描画するときは、jointplot() を使います。
code: Ipython
In 20: seaborn.jointplot('sepal_width', 'petal_length', data=iris) Out20: <seaborn.axisgrid.JointGrid at 0x1a26659c50> https://gyazo.com/7eebeeb7a4b375353a929c5d2953153f
jointplot() に kind=タイプ を与えると色々なグラフになります。
scatter：散布図（デフォルト）
reg：線形回帰、Regression plots
resid：残差散布図、残差(resid value)は予測値とデータの乖離を指す統計用語
kde：等高線
hex：六角形
線形回帰を行った例です。
code: IPython
In 21: seaborn.jointplot('petal_width', 'petal_length', ...: data=iris, kind="reg")
Out21: <seaborn.axisgrid.JointGrid at 0x1a259be0b8> https://gyazo.com/df214fb0fcd6c2cc3fed19106b4c12ae
分布図
distplot() を使うと簡単に分布図を描画できます。
code: IPython
In 27: seaborn.distplot(iris'petal_width') Out27: <matplotlib.axes._subplots.AxesSubplot at 0x1a2446cbe0> https://gyazo.com/053d08de8735b73b0033d890c8ece127
seaborn ではこの他にも多くのグラフタイプがあります。
The Python Graph Gallery
https://gyazo.com/a2b2732ce2fd59614111282405fe822b
このサイトには、matplotlib、seaborn、pandas でグラフ描画のサンプルとそのコードがまとめされています。
目的のグラフを探してコードをスニペットとして利用できるのでとても便利です。
参考：