Seaborn — 宣言的な可視化
このトピックを終えると
Seaborn の宣言的な構文が matplotlib とどのように異なるかを理解し、箱ひげ図、棒グラフ、ヒートマップを 1 行で描画できるようになります。
matplotlib が使いづらくなる瞬間
matplotlib で「部署別の年収分布」を描画するには、次のようなコードが必要になります。
import matplotlib.pyplot as pltimport numpy as np
departments = df['department'].unique()positions = range(len(departments))
fig, ax = plt.subplots()for i, dept in enumerate(departments): salaries = df[df['department'] == dept]['salary'] ax.boxplot(salaries, positions=[i], widths=0.6)
ax.set_xticks(positions)ax.set_xticklabels(departments)ax.set_ylabel('年収')ax.set_title('部署別の年収分布')plt.show()ループを回してデータを分割し、位置を計算し、ラベルを手動で設定します。 Seaborn で同じグラフを:
import seaborn as sns
sns.boxplot(data=df, x='department', y='salary')plt.show()2 行です。 「何を表示するか」だけを記述すれば、残りのことは Seaborn が処理します。 これが **宣言的な（declarative）**構文です。
命令型 vs 宣言型
| matplotlib (命令型) | Seaborn (宣言型) | |
|---|---|---|
| 視点 | 「どのように描画するか」を段階的に指示 | 「何を表示するか」を宣言 |
| データ分割 | ループ/フィルタリングを手動で実行 | 自動 (x, y, hue) |
| 色/凡例 | 手動で指定 | 自動生成 |
| カスタマイズ | 非常に詳細 | ほとんど自動、詳細な場合は matplotlib |
Seaborn は matplotlib を基盤としたラッパーです。 デフォルト設定で美しいグラフをすばやく作成し、詳細な調整が必要な場合は matplotlib を使用します。
主要なグラフ 5 種類
1. 分布 — histplot
sns.histplot(data=df, x='salary', bins=20, kde=True)kde=True を追加すると、密度推定線（滑らかな曲線）が重ねて描画されます。
2. カテゴリ別の分布 — boxplot
sns.boxplot(data=df, x='department', y='salary')中央値、四分位、外れ値を一目で確認できます。 部署間の年収の差を比較する場合に最も効果的です。
3. 個数カウント — countplot
sns.countplot(data=df, x='department', hue='gender')各カテゴリの頻度を棒グラフで表示します。 hue を使用して性別などのサブカテゴリを追加すると、色で区別されます。
4. 関係 — scatterplot
sns.scatterplot(data=df, x='experience', y='salary', hue='department')2 つの数値変数の関係を点で表示します。 経験と年収が比例するかどうかを一目で確認できます。
5. 相関関係 — heatmap
corr = df[['salary', 'experience', 'age']].corr()sns.heatmap(corr, annot=True, cmap='coolwarm', vmin=-1, vmax=1)annot=True で数値を表示し、cmap でカラーパレットを指定します。 正の相関（赤）、負の相関（青）が色で区別されます。
hue — 3 番目の変数
Seaborn の最も強力な機能です。
# hue なし — 全体的な散布図sns.scatterplot(data=df, x='experience', y='salary')
# hue を追加 — 部署ごとに色を区別sns.scatterplot(data=df, x='experience', y='salary', hue='department')hue は 3 番目の変数を 色でエンコードします。 matplotlib でこれを実行するには、ループを回して色を手動で指定する必要があります。 Seaborn は 1 つの単語で済みます。
スタイル設定
# 全体のスタイルを変更sns.set_theme(style='whitegrid')
# パレットを変更sns.set_palette('Set2')
# 個別のグラフでsns.boxplot(data=df, x='dept', y='salary', palette='pastel')スタイルオプション:
darkgrid— デフォルト、グレーの背景 + グリッドwhitegrid— 白い背景 + グリッドdark— グリッドのないグレーの背景white— シンプルな白い背景ticks— 軸の目盛りのみ
Seaborn + matplotlib の組み合わせ
fig, axes = plt.subplots(1, 2, figsize=(12, 5))
sns.boxplot(data=df, x='dept', y='salary', ax=axes[0])axes[0].set_title('部署別の年収')
sns.histplot(data=df, x='salary', bins=20, ax=axes[1])axes[1].set_title('全体の年収分布')
plt.tight_layout()plt.show()ax パラメータを使用して、matplotlib の Axes に Seaborn グラフを配置できます。 レイアウトは matplotlib で、グラフの内容は Seaborn で — この組み合わせが実戦パターンです。
重要なポイント
Seaborn は 「何を表示するか」を宣言するだけ で、残りのことは自動的に描画する可視化ライブラリです。
hueという 1 つの単語で 3 番目の変数を色でエンコードする — これが Seaborn の主要な強みです。 迅速な探索には Seaborn、詳細な調整には matplotlib — 両方を使いこなせる必要があります。