PythonのSeabornライブラリでヒストグラムを表示する方法をわかりやすく解説

データ可視化の重要性

データ分析において、可視化は非常に重要なステップです。生の数値を一つずつ確認したり、複雑な計算を実行したりしなくても、グラフを見るだけでデータ全体の傾向や分布を直感的に把握できます。さらに、分析で得られた定量的な知見を、聴衆やチームメンバーに対して効果的に伝える手段としても活用できます。

Seabornとは

Seabornは、Pythonでデータ可視化を行うためのライブラリの一つです。Matplotlibをベースにしており、洗練されたカスタムテーマと高水準なインターフェースを備えているのが特徴です。少ないコード量で美しい統計グラフを作成できるため、データサイエンスの分野で広く利用されています。

ヒストグラムを表示するサンプルコード

それでは、Seabornを使ってPythonでヒストグラムを表示する具体的な例を見てみましょう。

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

df = sb.load_dataset('iris')
sb.distplot(df['petal_length'], kde=False)
plt.show()

出力結果

コードの解説

• まず、pandas・seaborn・matplotlibなど、必要なパッケージをインポートします。
• 入力データには、有名なアヤメ（iris）データセットを使用します。「load_dataset」関数を呼び出すことで、Seabornに組み込まれたirisデータを簡単に読み込めます。
• 読み込んだデータのうち、「petal_length」（花びらの長さ）の列を対象に可視化を行います。
• 「distplot」関数を使ってデータの分布を描画します。
• 引数の「kde」をFalseに設定している点がポイントです。kde（カーネル密度推定）の曲線を非表示にし、ヒストグラムのみを表示するようにしています。
• 最後に「plt.show()」を実行することで、作成したグラフが画面に表示されます。

補足：新しいバージョンでの注意点

なお、Seabornの新しいバージョンでは「distplot」関数は非推奨（deprecated）となっています。代わりに「histplot」関数を使用することが推奨されているため、最新環境では以下のように書き換えるとよいでしょう。

sb.histplot(df['petal_length'], kde=False)

このように、Seabornを活用すれば数行のコードで美しいヒストグラムを作成でき、データの分布把握を効率的に行えます。