Seabornのfactorplotを使ってPythonでデータを可視化する方法

Seabornは、データの可視化を支援するPythonライブラリです。カスタマイズされたテーマと高水準インターフェースを備えており、美しい統計グラフを少ないコード量で作成できるのが特徴です。

棒グラフ（barplot）と点グラフ（pointplot）の基本

barplot関数は、カテゴリ変数と連続変数の関係を表現します。データは長方形のバーとして描画され、バーの長さがそのカテゴリにおけるデータの割合を示します。

pointplotは棒グラフに似ていますが、塗りつぶしのバーの代わりに、データポイントの推定値がもう一方の軸上の特定の高さにある点として表現される点が異なります。

factorplotとは

カテゴリカルデータは、カテゴリ別散布図や、pointplotなどの個別のプロット、あるいはより高水準な関数であるfactorplotを使って可視化できます。

factorplot関数は、パラメータ「kind」を指定することでFacetGrid上にカテゴリプロットを描画します。デフォルトでは「pointplot」関数が使用されます。

なお、Seabornのバージョン0.9以降では、factorplotはcatplotという名前に変更されました。既存コードとの互換性のためfactorplotも引き続き動作しますが、新規にコードを書く場合はcatplotの使用が推奨されています。

それでは、Seabornでfactorplotを使って可視化を行う具体的な手順を見ていきましょう。

サンプルコード

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt

my_df = sb.load_dataset('exercise')
sb.factorplot(x = "time", y = "pulse", hue = "kind", data = my_df)
plt.show()

出力結果

コードの解説

• 必要なパッケージ（pandas、seaborn、matplotlib）をインポートします。
• 入力データには「exercise」データセットを使用し、seabornライブラリから読み込みます。
• 読み込んだデータはデータフレーム（my_df）に格納されます。
• 「load_dataset」関数を使ってexerciseデータセットを取得します。
• 「factorplot」関数を使用してデータを可視化します。
• 引数にはデータフレームを渡し、x軸に「time」（時間）、y軸に「pulse」（脈拍）を指定します。
• さらに「hue」パラメータに「kind」（運動の種類）を指定することで、種類ごとに色分けされたグラフが描画されます。
• 最後に「plt.show()」でグラフを画面に表示します。

このようにfactorplotを使えば、複数のカテゴリ変数を組み合わせた比較をひとつのグラフで直感的に把握でき、データ分析の効率が大きく向上します。