3.4.3 Seaborn 統計可視化

この節の位置づけ

多くの初心者が Matplotlib と Seaborn で最も混同しやすいのは、次の点です。

• この2つのライブラリは、それぞれ何を担当しているのか

いちばん安定した理解のしかたは、次のとおりです。

• Matplotlib は、基礎的な描画ツールキットに近い
• Seaborn は、デフォルトの見た目や統計グラフのテンプレートをあらかじめ整えてくれる高機能ツールに近い

なので、この節で一番大事なのは、新しいライブラリをもう1つ覚えることではなく、次を身につけることです。

探索的分析のグラフを、どうすればより速く、わかりやすく描けるか。

学習目標

• Seaborn と Matplotlib の関係を理解する
• 分布図、関係図、分類図を使いこなす
• ヒートマップと相関行列を描けるようになる
• FacetGrid を使って分面グラフを作る

---

まず全体像をつかもう

初心者にとって Seaborn を理解する順番は、「関数一覧」を見ることではなく、まず得意な4種類の問題をはっきりさせることです。

flowchart LR
    A["分布"] --> B["histplot / kdeplot"]
    C["関係"] --> D["scatterplot / lineplot / pairplot"]
    E["分類比較"] --> F["boxplot / violinplot / barplot / countplot"]
    G["行列関係"] --> H["heatmap"]

つまり、この節で本当に解決したいのは次の点です。

• EDA をするとき、どのグラフを最初に使うとよいか
• なぜ Seaborn は、純粋な Matplotlib より素早い探索に向いているのか

---

Seaborn とは？

Matplotlib を筆と絵の具だとすると、Seaborn は筆セット + カラーパレット + テンプレートのようなものです。

flowchart LR
    A["Matplotlib<br/>基礎的な描画ツール"] -->|"Seaborn がラップ"| B["Seaborn<br/>見やすい統計グラフ"]
    B -->|"内部では"| A
    C["Pandas<br/>DataFrame"] -->|"そのまま渡せる"| B

    style A fill:#e3f2fd,stroke:#1565c0,color:#333
    style B fill:#e8f5e9,stroke:#2e7d32,color:#333
    style C fill:#fff3e0,stroke:#e65100,color:#333

比較	Matplotlib	Seaborn
位置づけ	低レベルの描画ライブラリ	高レベルの統計可視化ライブラリ
コード量	多い。手動設定が必要	少ない。すぐ使える
デフォルトの見た目	ふつう	とても見やすい
データ形式	配列、リスト	DataFrame をそのまま使える
統計機能	自分で計算する必要あり	平均、信頼区間などを自動計算
カスタマイズ性	非常に高い	中程度（Matplotlib で補える）

ひとことで言うと： Seaborn は、Matplotlib で 10 行かかるような見やすい統計グラフを、1 行で描けるようにしてくれます。

初心者向けのわかりやすいたとえ

Seaborn は、次のように考えると理解しやすいです。

• すでにお皿が並んでいるデータ可視化ツール

Matplotlib は、自分で鍋や食器を全部そろえるイメージ、 Seaborn は、食器や基本の見た目が最初から整っているイメージです。 その分、次のことに集中しやすくなります。

• このグラフで、どんな統計的な特徴を見たいのか

---

インストールと import

# インストール
# python -m pip install --upgrade seaborn

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

# Seaborn に付属するサンプルデータセット
tips = sns.load_dataset("tips")      # レストランのチップデータ
iris = sns.load_dataset("iris")      # アヤメのデータ
titanic = sns.load_dataset("titanic")  # タイタニック号のデータ

# 全体のスタイルを設定
sns.set_theme(style="whitegrid")     # 白背景 + グリッドで、すっきり見やすい

よく使うスタイル一覧

スタイル	説明	向いている場面
"whitegrid"	白背景 + グリッド	数値比較（おすすめのデフォルト）
"darkgrid"	グレー背景 + グリッド	データ点を強調したいとき
"white"	まっ白な背景	論文、レポート
"dark"	グレー背景	アート寄りの表現
"ticks"	白背景 + 目盛線	シンプルで専門的な見た目

---

分布図：データはどんな形？

分布図は、次のような疑問に答えてくれます。 このデータはどこに集中している？ 分散はどれくらい？ 偏りはある？

まず EDA で見るときの、安定した順番

一般的には、次の順番が見やすいです。

1. まず分布図を見る データがどこに集まっているか、偏りがあるかを確認する。
2. 次に関係図を見る 変数同士に関係があるかを見る。
3. 次に分類図を見る グループごとの差が大きいかを見る。
4. 最後にヒートマップを見る 全体の相関をざっと確認する。

この順番は、初心者にとても向いています。探索の流れに筋道ができるからです。

histplot：ヒストグラム

fig, axes = plt.subplots(1, 3, figsize=(15, 4))

# 基本のヒストグラム
sns.histplot(data=tips, x="total_bill", ax=axes[0])
axes[0].set_title("基本のヒストグラム")

# 密度曲線を追加
sns.histplot(data=tips, x="total_bill", kde=True, ax=axes[1])
axes[1].set_title("ヒストグラム + 密度曲線")

# カテゴリごとに色分け
sns.histplot(data=tips, x="total_bill", hue="time", kde=True, ax=axes[2])
axes[2].set_title("食事時間ごとに分ける")

plt.tight_layout()
plt.show()

kdeplot：核密度推定

fig, axes = plt.subplots(1, 2, figsize=(12, 4))

# 1次元の密度
sns.kdeplot(data=tips, x="total_bill", hue="sex", fill=True, ax=axes[0])
axes[0].set_title("支払い金額の密度分布")

# 2次元の密度（等高線）
sns.kdeplot(data=tips, x="total_bill", y="tip", fill=True, cmap="Blues", ax=axes[1])
axes[1].set_title("支払い額 vs チップの संयुक्त密度")

plt.tight_layout()
plt.show()

KDE とは？

KDE（核密度推定）は、「なめらか版のヒストグラム」と考えるとわかりやすいです。データの確率密度を連続的な曲線で表すので、ヒストグラムより滑らかで、比較しやすくなります。

rugplot：ラグプロット

fig, ax = plt.subplots(figsize=(8, 4))
sns.kdeplot(data=tips, x="total_bill", fill=True, ax=ax)
sns.rugplot(data=tips, x="total_bill", ax=ax, alpha=0.5)
ax.set_title("密度曲線 + ラグプロット（各線は1つのデータ点）")
plt.show()

---

関係図：変数同士はどう関係している？

scatterplot：散布図

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 基本の散布図。色でカテゴリを区別
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time", ax=axes[0])
axes[0].set_title("支払い額 vs チップ")

# サイズと色の両方で情報を表す
sns.scatterplot(data=tips, x="total_bill", y="tip",
                hue="day", size="size", sizes=(20, 200), ax=axes[1])
axes[1].set_title("多次元散布図")

plt.tight_layout()
plt.show()

lineplot：折れ線グラフ（信頼区間つき）

# 疑似的な実験データ: 各 x に複数の y 値がある
rng = np.random.default_rng(seed=42)
data = pd.DataFrame({
    "step": np.tile(np.arange(1, 51), 10),
    "accuracy": np.tile(np.linspace(0.5, 0.95, 50), 10) + rng.normal(0, 0.03, 500),
    "model": np.repeat(["モデル A", "モデル B"], 250)
})

fig, ax = plt.subplots(figsize=(10, 5))
sns.lineplot(data=data, x="step", y="accuracy", hue="model", ax=ax)
ax.set_title("モデルの学習精度の変化（影 = 95% 信頼区間）")
plt.show()

Seaborn の自動集計

同じ x に対して複数の y があるとき、lineplot は平均値と 95% 信頼区間を自動で計算します。実験結果を見せるときにとても便利です。

pairplot：変数同士の関係をまとめて見る

# アヤメデータセットの全変数の関係
sns.pairplot(iris, hue="species", diag_kind="kde", corner=True)
plt.suptitle("アヤメデータセットの特徴量の関係", y=1.02)
plt.show()

pairplot は、1 行で変数同士の関係をまとめて表示できます。 データ探索の強力な味方です。

---

分類図：グループごとの差は？

分類図は Seaborn の得意分野です。カテゴリごとの分布や統計量を比べるのに向いています。

初学者が最初に覚えやすい図の選び方

いちばん知りたいこと	最初に選びやすい図
この列の値はどんな分布？	histplot
2つの変数に関係はある？	scatterplot
2群以上で分布はかなり違う？	boxplot / violinplot
どのカテゴリの件数が多い？	countplot
複数の数値変数は相関している？	heatmap

この表を覚えておくと、最初から関数名に圧倒されにくくなります。

boxplot：箱ひげ図

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 基本の箱ひげ図
sns.boxplot(data=tips, x="day", y="total_bill", ax=axes[0])
axes[0].set_title("各日の支払い額の分布")

# 子カテゴリを色で区別
sns.boxplot(data=tips, x="day", y="total_bill", hue="sex", ax=axes[1])
axes[1].set_title("各日の支払い額の分布（性別ごと）")

plt.tight_layout()
plt.show()

箱ひげ図の見方

箱ひげ図の部分	意味
上ひげ	通常範囲の高い側
Q3	75% のデータがここ以下
中央値	50% 点
Q1	25% のデータがここ以下
下ひげ	通常範囲の低い側
外れ値	ひげの外にある点

箱が高いほどデータのばらつきが大きく、中線が上にあるほど全体の値が大きいです。

violinplot：バイオリンプロット

fig, ax = plt.subplots(figsize=(10, 5))

sns.violinplot(data=tips, x="day", y="total_bill", hue="sex",
               split=True, inner="quart", ax=ax)
ax.set_title("各日の支払い額の分布（バイオリンプロット、左が女性・右が男性）")

plt.show()

バイオリンプロットは、箱ひげ図 + 密度分布です。 箱ひげ図よりも、分布の形がよく見えます。

barplot：平均値の棒グラフ（誤差線つき）

fig, ax = plt.subplots(figsize=(8, 5))

sns.barplot(data=tips, x="day", y="total_bill", hue="sex",
            ci=95, ax=ax)  # ci=95 は 95% 信頼区間
ax.set_title("各日の平均支払い額（誤差線 = 95% 信頼区間）")

plt.show()

barplot の誤差線

Seaborn の barplot は、各棒に誤差線を自動で付けます（bootstrap による信頼区間）。これは標準偏差ではありません。標準偏差を使いたい場合は、ci="sd" にします。

countplot：件数のグラフ

fig, axes = plt.subplots(1, 2, figsize=(12, 4))

# 単純な件数
sns.countplot(data=tips, x="day", order=["Thur", "Fri", "Sat", "Sun"], ax=axes[0])
axes[0].set_title("各日の来店人数")

# グループ別の件数
sns.countplot(data=titanic, x="class", hue="survived", ax=axes[1])
axes[1].set_title("各等級の生存状況")

plt.tight_layout()
plt.show()

---

ヒートマップ（Heatmap）

ヒートマップは、色の濃さで数値の大きさを表します。 最もよく使うのは相関行列です。

相関行列を描く

# 数値列の相関係数を計算
# tips から数値列だけを選ぶ
numeric_cols = tips.select_dtypes(include="number")
corr = numeric_cols.corr()

fig, ax = plt.subplots(figsize=(8, 6))
sns.heatmap(corr, annot=True, fmt=".2f", cmap="RdBu_r",
            center=0, vmin=-1, vmax=1,
            square=True, linewidths=0.5, ax=ax)
ax.set_title("チップデータセットの相関行列")
plt.tight_layout()
plt.show()

重要なパラメータ：

パラメータ	役割	よく使う値
annot	数値を表示する	True
fmt	数値の表示形式	".2f" で小数2桁
cmap	カラーマップ	"RdBu_r" 赤青反転
center	色の中心値	0（相関係数）
square	正方形のマスにする	True

カスタムヒートマップ

# クロス集計のヒートマップ（たとえば、各日 × 各時間帯の平均支払い額）
pivot = tips.pivot_table(values="total_bill", index="day", columns="time", aggfunc="mean")

fig, ax = plt.subplots(figsize=(6, 4))
sns.heatmap(pivot, annot=True, fmt=".1f", cmap="YlOrRd",
            linewidths=1, ax=ax)
ax.set_title("各日・各時間帯の平均支払い額")
plt.show()

---

FacetGrid：分面グラフ

ある変数ごとにグラフを複数の小さな図に分けたいときは、FacetGrid を使います。

# 食事時間ごとに分面し、支払い額とチップの関係を見る
g = sns.FacetGrid(tips, col="time", row="sex", hue="smoker",
                  height=4, aspect=1.2)
g.map_dataframe(sns.scatterplot, x="total_bill", y="tip")
g.add_legend()
g.fig.suptitle("時間と性別で分けた支払い額-チップの関係", y=1.02)
plt.show()

もっと分面の例

# 曜日ごとに分けたヒストグラム
g = sns.FacetGrid(tips, col="day", col_wrap=2, height=3)
g.map_dataframe(sns.histplot, x="total_bill", kde=True)
g.set_titles("曜日: {col_name}")
g.fig.suptitle("各日の支払い額の分布", y=1.02)
plt.show()

パラメータ	役割
col	この変数で列方向に分ける
row	この変数で行方向に分ける
hue	この変数で色分けする
col_wrap	1 行あたりの最大列数（自動で折り返す）
height	各サブプロットの高さ
aspect	幅と高さの比率

なぜ分面は探索に向いているの？

理由は、次のように見方を分解できるからです。

• 「全体としてはまあまあ見える」

を、

• カテゴリ別、グループ別にすると、どこが違うのか

へと分けて確認できます。

これは初心者にとても大切です。なぜなら、データの問題は全体図だけでは見えず、

• 分けて見ると、はっきり見えてくる

ことが多いからです。

---

Seaborn のよく使う図 早見表

  root(("Seaborn<br/>図の種類"))
    分布図
      histplot ヒストグラム
      kdeplot 密度曲線
      rugplot ラグプロット
    関係図
      scatterplot 散布図
      lineplot 折れ線グラフ
      pairplot 変数行列
    分類図
      boxplot 箱ひげ図
      violinplot バイオリンプロット
      barplot 平均値の棒グラフ
      countplot 件数グラフ
    行列図
      heatmap ヒートマップ
    多面表示
      FacetGrid 分面
      pairplot ペア表示

---

残す証拠

このページを終えたら、この evidence card を残します。

質問

このグラフが答える比較、分布、傾向、または関係

グラフ選択

折れ線、棒、散布図、ヒストグラム、箱ひげ図、ヒートマップ、またはインタラクティブダッシュボード

成果物

保存した chart 画像/html と、そのデータスライス

失敗確認

誤解を招くスケール、情報過多のグラフ、誤った集計、またはラベル不足

期待される成果

1文で示唆を説明するチャートのアーティファクト

まとめ

目的	関数	説明
分布を見る	histplot / kdeplot	ヒストグラム / 密度曲線
2変数の関係を見る	scatterplot / lineplot	散布図 / 折れ線グラフ
すべての変数の関係を見る	pairplot	1 回でまとめて表示
カテゴリを比較する	boxplot / violinplot / barplot	分布 / 平均
件数を数える	countplot	件数グラフ
数値の行列を見る	heatmap	ヒートマップ
分面で表示する	FacetGrid	複数の小さな図

最大の強み： 見やすく、しかも統計情報を含むグラフを、少ないコードで描けることです。DataFrame をそのまま渡せるのも便利です。

この節で必ず持ち帰りたいこと

• Seaborn の価値は、派手さではなく、統計的な探索を素早くしやすいこと
• 初めて EDA をするときは、分布 → 関係 → 分類比較 の順で見ると安定しやすい
• 図を選ぶときは、「何を見たいのか」という統計的な目的を先に考えるのが大事

---

手を動かしてみよう

練習 1：データの分布を調べる

# tips データセットを読み込む
# 1. histplot で tip（チップ）の分布を描き、time で色分けする
# 2. kdeplot で total_bill の密度曲線を描き、sex ごとに分ける

練習 2：カテゴリ比較

# titanic データセットを読み込む
# 1. boxplot で各等級 (class) の年齢 (age) 分布を比較する
# 2. countplot で各等級の生存者数を表示する

練習 3：相関分析

# iris データセットを読み込む
# 1. 数値列の相関係数行列を計算する
# 2. heatmap で可視化し、数値ラベルを追加する
# 3. pairplot で全変数の関係を見る

練習 4：分面グラフ

# tips データセットを使う
# FacetGrid で day ごとに分面し、total_bill と tip の散布図を描く
# sex で色分けする

参考実装と解説

• 分布図では histplot や kdeplot を使い、歪み、外れ値、おおよその中心を説明します。きれいな曲線だけで解釈がなければ不十分です。
• カテゴリ比較では、箱ひげ図と count plot は別の質問に答えます。前者はばらつき、後者は頻度です。スタイル調整の前に、質問に合う図を選びます。
• ヒートマップや pair plot では、重要な関係を 1 つか 2 つ説明し、限界も 1 つ書きます。相関や視覚的なまとまりは調査の手がかりであり、それだけで証明ではありません。