【Python】Seabornとは？ヒートマップを簡単に作成！

前のページ

21章ではPythonのデータ可視化ライブラリ『Seaborn』について解説します。

また、『seaborn.heatmap()』や『seaborn.pairplot()』の使い方も紹介します。

本記事を読めばSeabornとは何か、またその使用例を理解することができます。

ぜひ最後まで読んでいってください！

本ブログを運営しているTech Teacherは、
プログラミング家庭教師サービスを運営しています。
完全マンツーマン・フルオーダーメイドで
あなたが必要な指導を提供します。

データサイエンス講座の
詳細を見る➡

Seabornとは

『Seaborn』はPythonのデータ可視化ライブラリの1つで、Matplotlibを基に作られています。

一般にMatplotlibを補完する形で使われることが多く、Matplotlibの一部の機能をSeabornと組み合わせて使用することができます。

このライブラリを用いることで、Matplotlibで作成したグラフをさらにきれいにすることができます。

また、ヒートマップや散布図行列などを簡単に作成することもできます。

本記事ではSeabornの活用例としてヒートマップ・散布図行列の作成方法について解説します。

Seabornの使用例

Seabornのインポート

まずはSeabornをインポートしましょう。

一般的に「sns」という名前を付けてインポートすることが多いです。

本記事ではNumPyやMatplotlib、Pandasも使用するので、これらのライブラリもインポートしておきましょう。

import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns

なお、ライブラリのインポートについては以下の記事で詳しく解説しています。

「ライブラリって何？」「インポートって何？」という疑問のお持ちの方は、ぜひ参照してください！

Pythonのライブラリを徹底解説！データサイエンスにも！ 次のページ Pythonを勉強するにあたって、 Pythonのライブラリとは何ですか？ モ...

seaborn.heatmap()：ヒートマップ

『seaborn.heatmap()』を用いると、ヒートマップを作成することができます。

『ヒートマップ』とは、2次元データの値を色で表した図のことです。

以下の例では、ランダムに作成した10×10の2次元配列をヒートマップで可視化しています。

#データ
data = np.random.rand(10, 10)

#ヒートマップの作成
sns.heatmap(data)
plt.show()

この例で用いた「numpy.random.rand()」は0から1までの一様分布から値を取得する関数です。

NumPyの乱数については以下の記事で網羅的に解説していますので、ぜひ参照してください。

【一覧表】NumPyの乱数生成(np.random)を分かりやすく解説！ 前のページ|次のページ 7章では、NumPyの『乱数(rand, random_sample, randint, randn, ...

引数annot：数値を表示

引数annotをTrueとすると、各ピクセルに数値を表示することができます。

#データ
data = np.random.rand(4, 4)

#ヒートマップの作成
sns.heatmap(data, annot=True)
plt.show()

引数cmap：色を変更

引数cmapを用いると、ヒートマップの色合いを変更することができます。

以下の例では「cmap=’Blues’」として青系の色合いに変更しています。

#データ
data = np.random.rand(4, 4)

#引数cmapで色合いを変更
sns.heatmap(data, cmap='Blues')
plt.show()

この他にもさまざまな色合いを選ぶことができます。

ぜひ手を動かしながら試してみてください。

seaborn.pairplot()：散布図行列

『seaborn.pairplot()』を用いると、データの散布図行列を作成することができます。

『散布図行列』とは、データのすべての組に対する散布図を並べたものです。

さまざまな組のデータの関係を一度に可視化することができ、データの大まかな関係を把握するのに便利です。

以下の例では、4つのデータのすべての組に対して散布図またはヒストグラムを表示しています。

#データ
data = pd.DataFrame({
    'A': np.random.randn(100),
    'B': np.random.randn(100),
    'C': np.random.randn(100),
    'D': np.random.randn(100)
})

# 散布図行列の作成
sns.pairplot(data)
plt.show()

データ数が多いと表示に時間がかかるので注意しましょう。

まとめ

いかがだったでしょうか。

本記事ではPythonのデータ可視化ライブラリである『Seaborn』の概要と、その使用例について解説しました。

Seabornを用いるとデータをより見やすくすることができます。

今回紹介しきれなかった関数や引数についても、ご自分で調べながら試してみて下さい！