Matplotlib Seaborn Tips Collection

Open In Colab

Matplotlib Seaborn Tips Collection#

pandas経由でmatplotlibを使う方法や、matplotlibでのちょっとした小技、seabornで手軽に条件ごとのプロットを作るなど、知っているとよりきれいに、より素早くグラフが作れるtipsをまとめました。

基本的に章ごとに独立して実行できるようにしてあるので、目次から気になる項目だけ見ていっていただいても大丈夫です！

pandas.plot#

df.scatter：散布図#

df.plot.scatterで散布図を描画できます。cオプションで、値を色で表すこともできます

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

df = sns.load_dataset('iris') # サンプルデータフレーム

df.plot.scatter(x="petal_width",y="petal_length",c="sepal_width",colormap='viridis');
../_images/889d55e5733e74716ce838b447de7960885f43c9e94d28e3626d103ef42170ee.png

df.plot subplotsオプション：カラム毎サブプロット自動生成#

matplotlibで１から書くとやや面倒なsubplotsですが、pandasで簡単に作成できる場合もあります💡

多次元の時系列データを見るときに便利です。

公式リファレンスはこちらです。 https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.plot.html

import pandas as pd
import plotly.express as px

df = pd.read_csv("https://github.com/plotly/plotly.py/raw/master/packages/python/plotly/plotly/package_data/datasets/stocks.csv.gz")

df = px.data.stocks()
df.head(5)
date GOOG AAPL AMZN FB NFLX MSFT
0 2018-01-01 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000
1 2018-01-08 1.018172 1.011943 1.061881 0.959968 1.053526 1.015988
2 2018-01-15 1.032008 1.019771 1.053240 0.970243 1.049860 1.020524
3 2018-01-22 1.066783 0.980057 1.140676 1.016858 1.307681 1.066561
4 2018-01-29 1.008773 0.917143 1.163374 1.018357 1.273537 1.040708 
df.plot(x="date",subplots=True);
../_images/54256424d83e2437022e7dacd4e6e195651619c3ee82817c8f33076eadd1281d.png 
# df.plot(x="date",y=["GOOG","AAPL","AMZN","FB","NFLX","MSFT"],subplots=True); # yも指定可能
# df.set_index("date").plot(subplots=True); # デフォルトではx軸はindex

df.hist by,columnオプション：列の値ごとにサブプロット生成#

ヒストグラムを一気に作成できます💡
・オプションを何も指定しなかった場合、数値列はすべてプロットされます
・by, columnオプションを使用することで、byで指定した列の値ごとに、columnで指定した列をプロットできます

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv("https://raw.githubusercontent.com/mwaskom/seaborn-data/master/iris.csv")

df.head(5)
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 
df.hist(layout=(2,2),figsize=(5,3));
plt.tight_layout();
../_images/aa2693114841ae96ac84076ce225f9eb7b21674ff51e222f414597801be96fe5.png 
df.hist(by='species',column=["petal_length"],legend=False,layout=(3,1),figsize=(5,5));
plt.tight_layout();
../_images/74a825d47e840b64ec1c11893fa3384a4dcb8e2b13734b6afa1cc4318fbfc9c4.png

df.groupby.hist：列の値ごとに色を分けてプロット#

グループごとに手軽に分布を確認する方法を紹介します💡
df.groupby.histで、 グループごとに色分けしてヒストグラム表示できます。

https://pandas.pydata.org/docs/reference/api/pandas.core.groupby.DataFrameGroupBy.plot.html

https://pandas.pydata.org/docs/reference/api/pandas.core.groupby.DataFrameGroupBy.hist.html

# df.groupby("species").hist(legend=True, layout=(1,4),figsize=(16,2)); # 微妙

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
df = sns.load_dataset('iris') # サンプルデータ（pd.DataFrame）

df.groupby("species")["petal_length"].hist(legend=True, figsize=(7,3));
../_images/734b2da4fffed9f91104756babe789754faa587fa33809fa6cbf039270063090.png

plotting_backend：プロットに使うライブラリを指定#

pandasのoption.plotting.backendで、 df.plot()の時に使う可視化ライブラリを指定することができます。 デフォルトはmatplotlibですが、例えばplotlyに変えることもできます

import pandas as pd
import matplotlib.pyplot as plt
import plotly.express as px

df = px.data.iris() # サンプルデータ

pd.options.plotting.backend = "plotly"

df.plot.scatter(x='sepal_width',y='sepal_length',color='species')

pd.options.plotting.backend="matplotlib"

matplotlib#

Axes.remove：余分なグラフ枠の削除#

subplots で作成した余分な Axes を remove() で簡単に除外できます！ 中身のないグラフ枠を削除して、見やすいレイアウトに仕上げられます

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

df = sns.load_dataset('iris') # サンプルデータフレーム

# removeを使わない場合
rownum = 2
colnum = 2
fig,ax = plt.subplots(rownum,colnum,sharex=True,sharey=True,figsize=(5,5))
for i,s in enumerate(df.species.unique()):
    df[df["species"]==s].plot.scatter(x="sepal_length",y="sepal_width",ax=ax[int(i/colnum)][i%colnum])

plt.show()
../_images/0075a5aa859f971d12fc510b4abbe42c7e908a0c30f6420289ae7eb6ad7eb92b.png 
# removeを使った場合
rownum = 2
colnum = 2
fig,ax = plt.subplots(rownum,colnum,sharex=True,sharey=True,figsize=(5,5))
for i,s in enumerate(df.species.unique()):
    df[df["species"]==s].plot.scatter(x="sepal_length",y="sepal_width",ax=ax[int(i/colnum)][i%colnum])
ax[1][1].remove() # ブランクの除外
plt.show()
../_images/3de4ab9aa39f8ae1bcc852a1db351467311493bb51de7f33516c27b69cf88338.png 
# 補足：add_subplotを使う場合。そもそも不要なグラフ枠は表示されない
fig = plt.figure(figsize=(5,5))
ax = None
for i,s in enumerate(df.species.unique()):
    ax = fig.add_subplot(2,2,i+1) if(not ax) else fig.add_subplot(2,2,i+1,sharex=ax,sharey=ax)
    df[df["species"]==s].plot(kind="scatter",x="sepal_length",y="sepal_width",ax=ax)
plt.show()
../_images/2a9805e31f3971b351c9bfc794bc00412c37603d0fba4d184235cc144fddd44f.png

tick_params(labelleft=True)：sharexを使ってもすべてのx軸を表示#

sharexやshareyをTrueにすると、外側のAxesにしか軸の値が表示されなくなります。しかし、tick_paramsでlabel_bottomやlabel_leftをTrueに設定することで、個別のAxesにも軸の値を表示させることが可能です。

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

df = sns.load_dataset('iris') # サンプルデータフレーム

# tick_paramsを設定しない場合
rownum = 2
colnum = 2
fig,ax = plt.subplots(rownum,colnum,sharex=True,sharey=True,figsize=(5,5)) # sharex,shareyをTrueにして、軸をそろえる
for i,s in enumerate(df.species.unique()):
    df[df["species"]==s].plot.scatter(x="sepal_length",y="sepal_width",ax=ax[int(i/colnum)][i%colnum])


ax[1][1].remove() # ブランクの除外
plt.show()
../_images/3de4ab9aa39f8ae1bcc852a1db351467311493bb51de7f33516c27b69cf88338.png 
# # tick_paramsを設定した場合。すべての軸の値を表示させる
rownum = 2
colnum = 2
fig,ax = plt.subplots(rownum,colnum,sharex=True,sharey=True,figsize=(5,5))
for i,s in enumerate(df.species.unique()):
    df[df["species"]==s].plot.scatter(x="sepal_length",y="sepal_width",ax=ax[int(i/colnum)][i%colnum])
for i,s in enumerate(df.species.unique()):
    ax[int(i/colnum)][i%colnum].tick_params(labelleft=True,labelbottom=True) # x,y軸の表示
ax[1][1].remove() # ブランクの除外
plt.show()
../_images/62b9e0f327f06970801bc587eb7179d974f1fbb1be40e5e1a13f86a42f058fa5.png

rcParams matplotlib：文字サイズなどのオプション設定#

rcParamsでmatplotlibで描くプロットの設定を変えることができます。 フォントサイズを常に大きくしておきたい場合など便利です💡

import seaborn as sns
df = sns.load_dataset('iris') # サンプルデータフレーム

import matplotlib as mpl
mpl.rcParams['font.size']=20

# ↓これでもOK
# import matplotlib.pyplot as plt
# plt.rcParams['font.size']=20

df.plot.scatter(x="sepal_length",y='sepal_width');
../_images/d5218efc64fb1c4c8403ec6aa8059e0c756a85221750bca82d8be5ed29b60cfb.png 
mpl.rcParams['font.size']=10

with句 rc_context.rc_context：一時的にプロットの設定を変える#

rc_contextで一時的にmatplotlibの設定を変更できます。 rcParamsを使ったやり方だと、以降のグラフすべてに設定が適用されますが、rc_cotextはwith文の中だけに適用されます

このグラフだけ文字大きくさせたい、みたいなときに便利です💡

https://matplotlib.org/stable/users/explain/customizing.html

import matplotlib.pyplot as plt
import seaborn as sns
df = sns.load_dataset('iris') # サンプルデータフレーム

with plt.rc_context({'font.size':14}):
  df.plot.scatter(x="sepal_length",y='sepal_width');
../_images/ee9c24031049f9494bab7ddb86d34085cd6f2f572b57987622775babf495cc85.png

plt.style.use：スタイルの変更#

matplotlibは、plt. style.use()で、スタイルを変更できるみたいです。 seabornやtableauみたいなスタイルも用意されています。

公式ドキュメントにスタイル一覧が掲載されています https://matplotlib.org/stable/gallery/style_sheets/style_sheets_reference.html

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
df = sns.load_dataset('iris')

print(plt.style.available)

['Solarize_Light2', '_classic_test_patch', '_mpl-gallery', '_mpl-gallery-nogrid', 'bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'petroff10', 'seaborn-v0_8', 'seaborn-v0_8-bright', 'seaborn-v0_8-colorblind', 'seaborn-v0_8-dark', 'seaborn-v0_8-dark-palette', 'seaborn-v0_8-darkgrid', 'seaborn-v0_8-deep', 'seaborn-v0_8-muted', 'seaborn-v0_8-notebook', 'seaborn-v0_8-paper', 'seaborn-v0_8-pastel', 'seaborn-v0_8-poster', 'seaborn-v0_8-talk', 'seaborn-v0_8-ticks', 'seaborn-v0_8-white', 'seaborn-v0_8-whitegrid', 'tableau-colorblind10']

# styleの変更
plt.style.use('tableau-colorblind10')
df.plot.scatter(x="sepal_length",y='sepal_width');
../_images/ad0fc9176139dd3c6956538e03b3d98997c27e6e68eb5bd308a9c885c6106c99.png 
plt.style.use('default')

seaborn#

sns.scatter, kdeplot, histplot, boxplot, stripplot#

簡単&見栄え良く可視化できるseabornの紹介です💡
x：x軸の列を指定
y：y軸の列を指定
hue：色分けに使いたい列を指定
data：データフレーム
このオプションさえ覚えておけば、大抵のプロットは描けます！

import seaborn as sns
df = sns.load_dataset('iris') # サンプルデータフレーム

sns.scatterplot(x="sepal_length",y="sepal_width",hue="species",data=df);
../_images/aeea32a4d0af1a00d41b1366c6a4a14dce4401b8aee0d8196cc36ced8f524e80.png 
sns.kdeplot(x="sepal_length",y="sepal_width",hue="species",data=df);
../_images/fb34c61cf258445279f7b2e1dd6287539d303149dcd3907d8a6cf68efa738633.png 
sns.kdeplot(x="sepal_length",hue="species",data=df);
../_images/d616bd83303e994dbd74ae5f76fb4f3a91b474b0315749d7b09c308b11d65c46.png 
sns.boxplot(x="sepal_length",y="species",data=df);
../_images/0b6b461f047537b2980e758b53e3d7cbf64e383ee7829664db0b9a3e230719dd.png 
sns.stripplot(x="species",y="sepal_length",data=df);
../_images/62972f866fe180cc8153f75babc8166e31200e094e5796b9e9b2e3c10b47e4ab.png

relplot：条件ごとグラフを分けて折れ線グラフや散布図を表示#

seabornのrelplotを使えば、row,colオプションで指定したカラムの値ごとに、散布図や折れ線グラフを描くことができます。
条件ごとにグラフを分けて見たい場合に便利です💡

import seaborn as sns
df = sns.load_dataset('tips') # サンプルデータフレーム
sns.relplot(data=df, x="total_bill", y="tip", hue="day", col='sex');
../_images/3e8339e42f0ee84334c9790c58db25e13751c915421253aaee6e62ad8e21109f.png 
import seaborn as sns
df = sns.load_dataset("fmri")# サンプルデータフレーム
sns.relplot(
    data=df,
    kind="line", # line(折れ線グラフ) , scatter（散布図）が指定可能
    x="timepoint", y="signal", hue="event",
    row="region", # 縦方向に分けてみたいカラムを指定。同様にcolで横方向に分けてみたいカラムを指定可能
    height=2,aspect=4 # 表示サイズ
);
../_images/64cedd7af13e6177176e11f348b401229314ed18b016f5b69cf90398ab2b7f84.png

補足
FacetGridでも、条件ごとにサブプロットの作成が可能ですが、
relplotやcatplotを使うことが推奨されています。

catplot：条件ごとにグラフを分けて箱ひげ図などを表示#

seabornのcatplotを使えば、連続値vsカテゴリ値のグラフをrow,colで指定したカラムのカテゴリ値ごとに生成できます。
連続値vs連続値の関係を見るrelplotとセットで覚えておくとよいと思います💡

https://seaborn.pydata.org/generated/seaborn.catplot.html

import seaborn as sns

df = sns.load_dataset("titanic") # サンプルデータ

sns.catplot(data=df, y="age", x="class",col='sex', kind="box");
../_images/2a82f09b8dcd80c7e0f9aac95de615a484ffc64512b2c194132a57675f14155e.png 
sns.catplot(data=df, x="age", y="class")

<seaborn.axisgrid.FacetGrid at 0x7f34c4879810>
../_images/bbace347c130cc5cc83ec7c06de4c6f0f65a2f30b9bba92c5a06a549972e1142.png 
sns.catplot(
    data=df, x="age", y="class", hue="sex",
    kind="violin", bw_adjust=.5, cut=0, split=True,
)

<seaborn.axisgrid.FacetGrid at 0x7f347838e860>
../_images/62c21027d17d112a8f1d60ab69884f08f1fb2dd63ca8e16ae8d6a3cc71171e3a.png 
sns.catplot(
    data=df, x="class", y="survived", col="sex",
    kind="bar", height=4, aspect=.6,
);
../_images/655c0ba19dd424242f2a277a73930c02729dde2a00bdb6ab8e3604ae302157b4.png 
sns.catplot(data=df, x="age", y="class", kind="violin", color=".9", inner=None)
sns.swarmplot(data=df, x="age", y="class", size=3)

<Axes: xlabel='age', ylabel='class'>
../_images/fb9a631a1bb172e165c88aa0e3884f86c7c1de23e58670168d23ca726db606d6.png

displot: 条件ごとにグラフを分けてヒストグラムなどを表示#

https://seaborn.pydata.org/generated/seaborn.displot.html

import seaborn as sns
df = sns.load_dataset("titanic") # サンプルデータ

sns.displot(data=df, x="age", row='alive', kind="hist", height=2, aspect=3);
../_images/5058137958106721c42f09f20ab88d04931f956eb2912768057e462f19f6c201.png 
sns.displot(data=df, x="age", row='alive', kind="kde", height=2, aspect=3);
../_images/3f0775acc1480e7ca440ad16df71d8343a31739654cb6ab97a85ea17d7f7ddc8.png

sns.set_context：プロット全般の設定#

seabornのマーカーやフォントのサイズはまとめて変更できます。

sns.set_context(“poster”)

サイズは、 paper, notebook, talk, poster の4種類です！

パワポ用にプロットするときはtalkかposterに しておくと便利だと思います💡

import matplotlib.pyplot as plt
import seaborn as sns
df = sns.load_dataset('iris') # サンプルデータフレーム

c_list = ["paper", "notebook", "talk", "poster"]
for c in c_list:
  print(c)
  sns.set_context(c)
  sns.scatterplot(x="sepal_length",y="sepal_width",hue="species",data=df);
  plt.savefig(c+".png")
  plt.show()

paper
../_images/0cddb8b4b10166ae7a3ec8199a27906220b95eaf33d1f1a67d013b91d6a04959.png 
notebook
../_images/b1d65e135fd6720378e366ed123a9039b9404d490519ac51cc8471e13b3db597.png 
talk
../_images/52fb80c9234a13e8acb938f48a3e6b3d005eada0f41a49b16ab64657f99cce90.png 
poster
../_images/51ddb7561d2fb6d4e8a29778cce32499ca2ea483e1c35729dfafe6f061cc6ecf.png 
sns.reset_orig()# 元に戻す

with句 sns.plotting_context()：一時的なプロット設定#

sns.set_context()メソッドでは、
以降描くプロットすべてにその設定が適用されますが、
with文とsns.plotting_context()メソッドで、
with文の中のプロットだけに設定を適用できます

このプロットだけ大きく表示させたい、という時に便利です！

https://seaborn.pydata.org/generated/seaborn.plotting_context.html

import matplotlib.pyplot as plt
import seaborn as sns
df = sns.load_dataset('iris') # サンプルデータフレーム

with sns.plotting_context("talk"):
  sns.scatterplot(x="sepal_length",y="sepal_width",hue="species",data=df);
../_images/d472ed9ba1bddda0f48f9c0a8ce7c089f15e3d869e549c97fe457815188db2c8.png

jointplot：散布図とヒストグラムなどをを同時に見られる#

seabornだと、jointplot関数で散布図＋上と右にヒストグラム等を描けます💡
plotly.expressだと、scatter関数のmarginal_x,yオプションで同じようなことができます

https://seaborn.pydata.org/generated/seaborn.jointplot.html

import seaborn as sns
df = sns.load_dataset("iris") # サンプルデータ

sns.jointplot(data=df, x="sepal_width", y="sepal_length",hue="species");
../_images/e734978a9d8a8be32a1f2f3c596bdad7c9f0a7e6fb003bc245f00556eacdf761.png
Contents