この記事では、PythonのライブラリSeabornを使用して美しいヒートマップを作成する方法について詳しく説明します。コード例、詳細解説、さらには応用例まで網羅しています。
目次
Seabornとは
SeabornはPythonで使えるデータ可視化ライブラリの1つで、Matplotlibをより美しく、より簡単に使えるように設計されています。特に、統計データを視覚的に表現する際に力を発揮します。
Seabornの特長
1. Matplotlibより美しいデフォルトのスタイル
2. 複雑な可視化を簡単なコードで実現
3. ヒートマップ、バイオリンプロットなど多様なプロット種類
ヒートマップの基本
ヒートマップは、二次元のデータを色で表現する一種の可視化手法です。一般的には行と列にそれぞれ異なる変数を取り、セルの色で数値を表します。
基本的なヒートマップの作成方法
# 必要なライブラリをインポート
import seaborn as sns
import matplotlib.pyplot as plt
# データセットの作成
data = sns.load_dataset("flights").pivot("month", "year", "passengers")
# ヒートマップの作成
sns.heatmap(data)
# 表示
plt.show()
コードの解説
このコードでは、SeabornとMatplotlibのライブラリを使っています。データセットはSeabornに付属の”flights”データセットを使用しています。このデータセットは、行に月、列に年、セルにその月の乗客数が記録されています。
応用例1: カラーマップの変更
# カラーマップを"coolwarm"に設定
sns.heatmap(data, cmap="coolwarm")
# 表示
plt.show()
解説
`cmap`オプションでカラーマップを変更できます。”coolwarm”は青から赤へと色が変わるマップで、データの差異を明瞭に表現します。
応用例2: アノテーションの追加
# アノテーションを追加
sns.heatmap(data, annot=True, fmt="d")
# 表示
plt.show()
解説
`annot=True`で各セルに数値が表示され、`fmt=”d”`で整数形式で表示されます。これにより、一目で数値を把握できます。
まとめ
Seabornを用いたヒートマップの作成は非常に簡単でありながら多機能です。基本的なプロットから、カラーマップの変更、アノテーションの追加といった応用例を通じて、さまざまなニーズに対応可能です。
コメント