seaborn

• 可視化ライブラリ。

• matplotlibよりもDataFrameとの親和性が高い。

おまじない

import matplotlib.pyplot as plt
import seaborn as sns

プロットの全体styleを変える

• https://qiita.com/eriksoon/items/b93030ba4dc686ecfbba#pltstyleuseseaborn-whitegrid

サイズの変更

• ほとんどは、matplotlibと同じ感じ。

fig = plt.figure(figsize=(10, 5), dpi=100)
# その後、各種プロット

• ただし、以下にあるようにplotの種類によっては設定方法が違う。

  • https://qiita.com/nj_ryoo0/items/9105ddfdf1b08b58398e

  • pairplot、relplot、catplot、lmplot、PairGrid、FacetGridが該当。

g = sns.lmplot(...)
g.fig.set_figheight(10)
g.fig.set_figwidth(20)

タイトル付与

p = sns.lineplot(...)
p.set_title("Title")
p.set_xlim([-1.0, 1.0])
p.set_ylim([-1.0, 1.0])

軸範囲設定

p.set_xlim([-1.0, 1.0])
p.set_ylim([-1.0, 1.0])

散布図

fig = plt.figure(figsize=(10, 5))
p = sns.scatterplot(x=x, y=y)

折れ線グラフ(lineplot)

fig = plt.figure(figsize=(10, 5))
p = sns.lineplot(x=x, y=y)

replot(relational-plot)

W.I.P.

累積度数分布(ECDF: Empirical Cumulative Distribution Function)

• "経験的"累積分布関数を描画する。

• DataFrameとecdfしたいカラム名を指定する。

fig = plt.figure(figsize=(10, 5))
p = sns.ecdfplot(x='column name', data=df)

カーネル密度推定(KDE: Kernel Density Estimate)

• 確率密度関数の推定を描画する。

  • ヒストグラムのようにbin数を悩まなくていいのが嬉しい。

• DataFrameとecdfしたいカラム名を指定する。

fig = plt.figure(figsize=(10, 5))
p = sns.kdeplot(x='column name', data=df)

heatmap

• https://seaborn.pydata.org/generated/seaborn.heatmap.html

fig = plt.figure(figsize=(10, 5))
p = sns.heatmap(np_data, vmin=-20, vmax=20) # np_dataは行列で与える。

subplot

fig, ax = plt.subplots(2,2, figsize=(10, 5))
p = sns.ecdfplot(x='column name', data=df, ax=ax[0,0])
p = sns.kdeplot(x='column name', data=df, ax=ax[0,1])

参考

• https://qiita.com/kakiuchis/items/f7c830a2b726992a6165#histplot%E3%83%92%E3%82%B9%E3%83%88%E3%82%B0%E3%83%A9%E3%83%A0