Seaborn 統計的可視化

概要

Seaborn は Python の可視化ライブラリで、出版品質の統計グラフィックスを作成できます。このスキルを使用して、データセット指向のプロット、多変量分析、自動統計推定、複雑なマルチパネル図を最小限のコードで実現します。

設計思想

Seaborn は以下の基本原則に従っています:

1. データセット指向: 抽象座標ではなく DataFrame と命名変数を直接操作
2. セマンティックマッピング: データ値を視覚的属性 (色、サイズ、スタイル) に自動変換
3. 統計認識: 組み込みの集計、エラー推定、信頼区間
4. 美的デフォルト: そのまま使用可能な出版品質のテーマとカラーパレット
5. Matplotlib 統合: 必要に応じて Matplotlib カスタマイズとの完全互換性

クイックスタート

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

# サンプルデータセットの読み込み
df = sns.load_dataset('tips')

# シンプルな可視化を作成
sns.scatterplot(data=df, x='total_bill', y='tip', hue='day')
plt.show()

コアプロッティングインターフェース

関数インターフェース (従来型)

関数インターフェースは、可視化タイプ別に整理された特化したプロット関数を提供します。各カテゴリには Axes レベル関数 (単一 Axes にプロット) と Figure レベル関数 (ファセット機能を含むプロット全体を管理) があります。

使用場面:

• クイックな探索的分析
• 単一目的の可視化
• 特定のプロットタイプが必要な場合

Objects インターフェース (モダン)

seaborn.objects インターフェースは、ggplot2 に似た宣言的で組み合わせ可能な API を提供します。データマッピング、マーク、変換、スケールを指定するメソッドをチェーンして可視化を構築します。

使用場面:

• 複雑なレイヤーを持つ可視化
• 変換の細かい制御が必要な場合
• カスタムプロットタイプの構築
• プログラマティックなプロット生成

from seaborn import objects as so

# 宣言的な構文
(
    so.Plot(data=df, x='total_bill', y='tip')
    .add(so.Dot(), color='day')
    .add(so.Line(), so.PolyFit())
)

カテゴリ別プロッティング関数

リレーショナルプロット (変数間の関係)

用途: 2 つ以上の変数がどのように関連するかを探索

• scatterplot() - 個々の観測値をポイントとして表示
• lineplot() - トレンドと変化を表示 (自動的に集計して CI を計算)
• relplot() - 自動ファセット機能を備えた Figure レベルインターフェース

主要パラメータ:

• x, y - 主要な変数
• hue - 追加のカテゴリ/連続変数の色エンコーディング
• size - ポイント/線のサイズエンコーディング
• style - マーカー/線スタイルエンコーディング
• col, row - 複数のサブプロットにファセット (Figure レベルのみ)

# 複数のセマンティックマッピングを持つ散布図
sns.scatterplot(data=df, x='total_bill', y='tip',
                hue='time', size='size', style='sex')

# 信頼区間付きの線プロット
sns.lineplot(data=timeseries, x='date', y='value', hue='category')

# ファセット化されたリレーショナルプロット
sns.relplot(data=df, x='total_bill', y='tip',
            col='time', row='sex', hue='smoker', kind='scatter')

分布プロット (単変量と二変量の分布)

用途: データのスプレッド、形状、確率密度を理解

• histplot() - 柔軟なビニング機能を備えた棒グラフベースの度数分布
• kdeplot() - ガウスカーネルを使用した滑らかな密度推定
• ecdfplot() - 経験累積分布 (パラメータ調整不要)
• rugplot() - 個々の観測値のティックマーク
• displot() - 単変量と二変量分布用の Figure レベルインターフェース
• jointplot() - 周辺分布を備えた二変量プロット
• pairplot() - データセット全体の変数ペア関係マトリックス

主要パラメータ:

• x, y - 変数 (y は単変量で省略可)
• hue - カテゴリ別に分布を分離
• stat - 正規化: "count"、"frequency"、"probability"、"density"
• bins / binwidth - ヒストグラムビニング制御
• bw_adjust - KDE 帯域幅乗数 (大きいほど滑らか)
• fill - 曲線下の面積を塗りつぶし
• multiple - hue の処理方法: "layer"、"stack"、"dodge"、"fill"

# 密度正規化したヒストグラム
sns.histplot(data=df, x='total_bill', hue='time',
             stat='density', multiple='stack')

# 等高線付き二変量 KDE
sns.kdeplot(data=df, x='total_bill', y='tip',
            fill=True, levels=5, thresh=0.1)

# 周辺分布付きジョイントプロット
sns.jointplot(data=df, x='total_bill', y='tip',
              kind='scatter', hue='time')

# ペアワイズ関係
sns.pairplot(data=df, hue='species', corner=True)

カテゴリカルプロット (カテゴリ間の比較)

用途: 離散カテゴリ間での分布または統計の比較

カテゴリカル散布図:

• stripplot() - 全観測値を表示するようにジッター付きのポイント
• swarmplot() - 重複しないポイント (ビースウォームアルゴリズム)

分布比較:

• boxplot() - 四分位数と外れ値
• violinplot() - KDE と四分位数情報
• boxenplot() - 大規模データセット用の拡張ボックスプロット

統計推定:

• barplot() - 平均/集計と信頼区間
• pointplot() - ポイント推定と接続線
• countplot() - カテゴリごとの観測値のカウント

Figure レベル:

• catplot() - ファセット化されたカテゴリカルプロット (kind パラメータを設定)

主要パラメータ:

• x, y - 変数 (通常 1 つがカテゴリカル)
• hue - 追加のカテゴリグループ化
• order, hue_order - カテゴリ順序の制御
• dodge - hue レベルを左右に分離
• orient - "v" (垂直) または "h" (水平)
• kind - catplot のプロットタイプ: "strip"、"swarm"、"box"、"violin"、"bar"、"point"

# 全ポイントを表示するスウォームプロット
sns.swarmplot(data=df, x='day', y='total_bill', hue='sex')

# 比較用に分割されたバイオリンプロット
sns.violinplot(data=df, x='day', y='total_bill',
               hue='sex', split=True)

# エラーバー付きの棒グラフ
sns.barplot(data=df, x='day', y='total_bill',
            hue='sex', estimator='mean', errorbar='ci')

# ファセット化されたカテゴリカルプロット
sns.catplot(data=df, x='day', y='total_bill',
            col='time', kind='box')

回帰プロット (線形関係)

用途: 線形回帰と残差の可視化

• regplot() - 散布図と近似直線を含む Axes レベルの回帰プロット
• lmplot() - ファセット機能サポート付き Figure レベル
• residplot() - モデル適合度を評価するための残差プロット

主要パラメータ:

• x, y - 回帰する変数
• order - 多項式回帰の次数
• logistic - ロジスティック回帰を適合
• robust - ロバスト回帰を使用 (外れ値の影響に対して耐性)
• ci - 信頼区間幅 (デフォルト 95)
• scatter_kws, line_kws - 散布図と線のプロパティをカスタマイズ

# シンプルな線形回帰
sns.regplot(data=df, x='total_bill', y='tip')

# ファセット付き多項式回帰
sns.lmplot(data=df, x='total_bill', y='tip',
           col='time', order=2, ci=95)

# 残差をチェック
sns.residplot(data=df, x='total_bill', y='tip')

マトリックスプロット (矩形データ)

用途: マトリックス、相関、グリッド構造データの可視化

• heatmap() - アノテーション付きの色エンコード行列
• clustermap() - 階層的にクラスタリングされたヒートマップ

主要パラメータ:

• data - 2D 矩形データセット (DataFrame または配列)
• annot - セル内に値を表示
• fmt - アノテーションのフォーマット文字列 (例: ".2f")
• cmap - カラーマップ名
• center - カラーマップ中央の値 (発散カラーマップ用)
• vmin, vmax - 色スケール範囲
• square - 正方形セルを強制
• linewidths - セル間のギャップ

# 相関ヒートマップ
corr = df.corr()
sns.heatmap(corr, annot=True, fmt='.2f',
            cmap='coolwarm', center=0, square=True)

# クラスタリングされたヒートマップ
sns.clustermap(data, cmap='viridis',
               standard_scale=1, figsize=(10, 10))

マルチプロットグリッド

Seaborn は複雑なマルチパネル図を作成するためのグリッドオブジェクトを提供します:

FacetGrid

カテゴリ変数に基づいてサブプロットを作成します。Figure レベル関数 (relplot、displot、catplot) を通じて呼び出すときが最も便利ですが、カスタムプロット用に直接使用することもできます。

g = sns.FacetGrid(df, col='time', row='sex', hue='smoker')
g.map(sns.scatterplot, 'total_bill', 'tip')
g.add_legend()

PairGrid

データセット内のすべての変数間のペアワイズ関係を表示します。

g = sns.PairGrid(df, hue='species')
g.map_upper(sns.scatterplot)
g.map_lower(sns.kdeplot)
g.map_diag(sns.histplot)
g.add_legend()

JointGrid

周辺分布を備えた二変量プロットを結合します。

g = sns.JointGrid(data=df, x='total_bill', y='tip')
g.plot_joint(sns.scatterplot)
g.plot_marginals(sns.histplot)

Figure レベルと Axes レベルの関数

この区別を理解することは、Seaborn を効果的に使用するために重要です:

Axes レベル関数

• 単一の matplotlib Axes オブジェクトにプロット
• 複雑な matplotlib 図に簡単に統合可能
• ax= パラメータで正確な配置が可能
• Axes オブジェクトを返却
• 例: scatterplot、histplot、boxplot、regplot、heatmap

使用場面:

• カスタムマルチプロットレイアウトの構築
• 異なるプロットタイプの組み合わせ
• Matplotlib レベルの制御が必要な場合
• 既存の Matplotlib コードとの統合

fig, axes = plt.subplots(2, 2, figsize=(10, 10))
sns.scatterplot(data=df, x='x', y='y', ax=axes[0, 0])
sns.histplot(data=df, x='x', ax=axes[0, 1])
sns.boxplot(data=df, x='cat', y='y', ax=axes[1, 0])
sns.kdeplot(data=df, x='x', y='y', ax=axes[1, 1])

Figure レベル関数

• 全サブプロットを含む Figure 全体を管理
• col と row パラメータによる組み込みファセット機能
• FacetGrid、JointGrid、または PairGrid オブジェクトを返却
• サイズ設定に height と aspect を使用 (サブプロットあたり)
• 既存 Figure に配置できない
• 例: relplot、displot、catplot、lmplot、jointplot、pairplot

使用場面:

• ファセット化された可視化 (スモールマルチプル)
• クイック探索的分析
• 一貫したマルチパネルレイアウト
• 他のプロットタイプとの組み合わせが不要な場合

# 自動ファセット機能
sns.relplot(data=df, x='x', y='y', col='category', row='group',
            hue='type', height=3, aspect=1.2)

データ構造の要件

ロング形式データ (推奨)

各変数は列、各観測値は行です。この「tidy」形式は最大の柔軟性を提供します:

# ロング形式の構造
   subject  condition  measurement
0        1    control         10.5
1        1  treatment         12.3
2        2    control          9.8
3        2  treatment         13.1

利点:

• すべての Seaborn 関数で動作
• 視覚的属性への変数のリマップが簡単
• 任意の複雑さをサポート
• DataFrame 操作に自然

ワイド形式データ

変数は列全体に広がっています。シンプルな矩形データに便利です:

# ワイド形式の構造
   control  treatment
0     10.5       12.3
1      9.8       13.1

使用場面:

• シンプルな時系列
• 相関行列
• ヒートマップ
• 配列データのクイックプロット

ワイド形式からロング形式への変換:

df_long = df.melt(var_name='condition', value_name='measurement')

カラーパレット

Seaborn は異なるデータタイプ向けに注意深く設計されたカラーパレットを提供します:

定性的パレット (カテゴリデータ)

色合い変動によるカテゴリを区別:

• "deep" - デフォルト、鮮やかな色
• "muted" - より柔らかく、飽和度が低い
• "pastel" - 薄く、飽和度を低くした
• "bright" - 高度に飽和した
• "dark" - 暗い値
• "colorblind" - 色覚異常に対応

sns.set_palette("colorblind")
sns.color_palette("Set2")

順序パレット (順序付きデータ)

低値から高値への進行を表示:

• "rocket"、"mako" - 広い輝度範囲 (ヒートマップに適切)
• "flare"、"crest" - 制限された輝度 (ポイント/線に適切)
• "viridis"、"magma"、"plasma" - Matplotlib の知覚的に均一

sns.heatmap(data, cmap='rocket')
sns.kdeplot(data=df, x='x', y='y', cmap='mako', fill=True)

発散パレット (中心値のあるデータ)

中点からの偏差を強調:

• "vlag" - 青から赤
• "icefire" - 青からオレンジ
• "coolwarm" - クール から ウォーム
• "Spectral" - レインボー発散

sns.heatmap(correlation_matrix, cmap='vlag', center=0)

カスタムパレット

# カスタムパレットを作成
custom = sns.color_palette("husl", 8)

# 薄い色から濃い色へのグラデーション
palette = sns.light_palette("seagreen", as_cmap=True)

# 色合いから発散パレットを作成
palette = sns.diverging_palette(250, 10, as_cmap=True)

テーマと美的設定

テーマを設定

set_theme() は全体的な外観を制御します:

# 完全なテーマを設定
sns.set_theme(style='whitegrid', palette='pastel', font='sans-serif')

# デフォルトにリセット
sns.set_theme()

スタイル

背景とグリッドの外観を制御:

• "darkgrid" - グリッド付きグレー背景 (デフォルト)
• "whitegrid" - グリッド付きホワイト背景
• "dark" - グレー背景、グリッドなし
• "white" - ホワイト背景、グリッドなし
• "ticks" - 軸ティック付きホワイト背景

sns.set_style("whitegrid")

# スパインを削除
sns.despine(left=False, bottom=False, offset=10, trim=True)

# 一時的なスタイル
with sns.axes_style("white"):
    sns.scatterplot(data=df, x='x', y='y')

コンテキスト

異なる用途に合わせて要素をスケーリング:

• "paper" - 最小 (デフォルト)
• "notebook" - わずかに大きい
• "talk" - プレゼンテーションスライド
• "poster" - 大判

sns.set_context("talk", font_scale=1.2)

# 一時的なコンテキスト
with sns.plotting_context("poster"):
    sns.barplot(data=df, x='category', y='value')

ベストプラクティス

1. データ準備

常に意味のあるカラム名を持つ well-structured DataFrame を使用してください:

# 良い例: DataFrame 内の命名された列
df = pd.DataFrame({'bill': bills, 'tip': tips, 'day': days})
sns.scatterplot(data=df, x='bill', y='tip', hue='day')

# 避けるべき: 命名されていない配列
sns.scatterplot(x=x_array, y=y_array)  # 軸ラベルが失われる

2. 適切なプロットタイプを選択

連続 x、連続 y: scatterplot、lineplot、kdeplot、regplot 連続 x、カテゴリカル y: violinplot、boxplot、stripplot、swarmplot 1 つの連続変数: histplot、kdeplot、ecdfplot 相関/マトリックス: heatmap、clustermap ペアワイズ関係: pairplot、jointplot

3. ファセット化に Figure レベル関数を使用

# 代わりに手動でサブプロットを作成する方法
sns.relplot(data=df, x='x', y='y', col='category', col_wrap=3)

# ではなく: シンプルなファセット化のために手動でサブプロットを作成

4. セマンティックマッピングを活用

hue、size、style を使用して追加のディメンションをエンコード:

sns.scatterplot(data=df, x='x', y='y',
                hue='category',      # カテゴリ別に色付け
                size='importance',    # 連続変数でサイズ設定
                style='type')         # タイプでマーカースタイルを設定

5. 統計推定を制御

多くの関数は統計を自動的に計算します。理解してカスタマイズしてください:

# Lineplot はデフォルトで平均と 95% CI を計算
sns.lineplot(data=df, x='time', y='value',
             errorbar='sd')  # 代わりに標準偏差を使用

# Barplot はデフォルトで平均を計算
sns.barplot(data=df, x='category', y='value',
            estimator='median',  # 代わりに中央値を使用
            errorbar=('ci', 95))  # ブートストラップ CI

6. Matplotlib と組み合わせ

Seaborn は微調整のために Matplotlib とシームレスに統合:

ax = sns.scatterplot(data=df, x='x', y='y')
ax.set(xlabel='Custom X Label', ylabel='Custom Y Label',
       title='Custom Title')
ax.axhline(y=0, color='r', linestyle='--')
plt.tight_layout()

7. 高品質な図を保存

fig = sns.relplot(data=df, x='x', y='y', col='group')
fig.savefig('figure.png', dpi=300, bbox_inches='tight')
fig.savefig('figure.pdf')  # 出版用ベクター形式

一般的なパターン

探索的データ分析

# すべての関係の概要を表示
sns.pairplot(data=df, hue='target', corner=True)

# 分布の探索
sns.displot(data=df, x='variable', hue='group',
            kind='kde', fill=True, col='category')

# 相関分析
corr = df.corr()
sns.heatmap(corr, annot=True, cmap='coolwarm', center=0)

出版品質の図

sns.set_theme(style='ticks', context='paper', font_scale=1.1)

g = sns.catplot(data=df, x='treatment', y='response',
                col='cell_line', kind='box', height=3, aspect=1.2)
g.set_axis_labels('Treatment Condition', 'Response (μM)')
g.set_titles('{col_name}')
sns.despine(trim=True)

g.savefig('figure.pdf', dpi=300, bbox_inches='tight')

複雑なマルチパネル図

# matplotlib サブプロットを Seaborn で使用
fig, axes = plt.subplots(2, 2, figsize=(12, 10))

sns.scatterplot(data=df, x='x1', y='y', hue='group', ax=axes[0, 0])
sns.histplot(data=df, x='x1', hue='group', ax=axes[0, 1])
sns.violinplot(data=df, x='group', y='y', ax=axes[1, 0])
sns.heatmap(df.pivot_table(values='y', index='x1', columns='x2'),
            ax=axes[1, 1], cmap='viridis')

plt.tight_layout()

信頼区間付き時系列

# Lineplot は自動的に集計して CI を表示
sns.lineplot(data=timeseries, x='date', y='measurement',
             hue='sensor', style='location', errorbar='sd')

# より細かい制御の場合
g = sns.relplot(data=timeseries, x='date', y='measurement',
                col='location', hue='sensor', kind='line',
                height=4, aspect=1.5, errorbar=('ci', 95))
g.set_axis_labels('Date', 'Measurement (units)')

トラブルシューティング

問題: 凡例がプロット領域の外側にある

Figure レベル関数はデフォルトで凡例を外側に配置します。内側に移動するには:

g = sns.relplot(data=df, x='x', y='y', hue='category')
g._legend.set_bbox_to_anchor((0.9, 0.5))  # 位置を調整

問題: ラベルが重なっている

plt.xticks(rotation=45, ha='right')
plt.tight_layout()

問題: 図が小さすぎる

Figure レベル関数の場合:

sns.relplot(data=df, x='x', y='y', height=6, aspect=1.5)

Axes レベル関数の場合:

fig, ax = plt.subplots(figsize=(10, 6))
sns.scatterplot(data=df, x='x', y='y', ax=ax)

問題: 色の区別が不十分

# 異なるパレットを使用
sns.set_palette("bright")

# または色数を指定
palette = sns.color_palette("husl", n_colors=len(df['category'].unique()))
sns.scatterplot(data=df, x='x', y='y', hue='category', palette=palette)

問題: KDE が滑らかすぎるまたはギザギザ

# 帯域幅を調整
sns.kdeplot(data=df, x='x', bw_adjust=0.5)  # より滑らかでない
sns.kdeplot(data=df, x='x', bw_adjust=2)    # より滑らか

リソース

このスキルには深い理解のための参考資料が含まれています:

references/

• function_reference.md - パラメータと例を含むすべての Seaborn 関数の包括的な一覧
• objects_interface.md - モダン seaborn.objects API への詳細なガイド
• examples.md - 異なる分析シナリオの一般的な使用例とコードパターン

必要に応じて参考ファイルを読み込んで、詳細な関数シグネチャ、高度なパラメータ、または特定の例を参照してください。