【初心者向け】Python Seaborn histplotで簡単！データ分布の可視化

データ分析の世界へ足を踏み入れたばかりの皆さん、ようこそ！集めたデータをただ眺めているだけでは、その全体像を把握するのは難しいですよね。そんな時、強力な味方となるのがグラフによるデータ可視化です！この記事では、PythonのSeabornライブラリに搭載された便利な関数、histplotを使って、データの分布を誰にでも分かりやすく描画する方法を、初心者の方に向けて丁寧に解説します。ヒストグラムの作成方法をマスターして、データとの対話をより深く、より豊かなものにしましょう！

Seabornは、Pythonでグラフを描画するための基本となるMatplotlibというライブラリを、さらに使いやすく、そして洗練されたデザインにしたようなライブラリです。特に、データ分析でよく使うPandasのDataFrameというデータ形式と非常に相性が良く、データの整理からグラフの作成までをスムーズに進めることができます。

ヒストグラムとは？データ分布の基本を解説

データ分布とは、集めたデータがどのような値の範囲に、どれくらいの頻度で現れているかを示すものです。例えば、テストの点数であれば、「50点台の人が多いな」とか「90点以上の人もいるんだ」といった具合に、データの散らばり具合を見るイメージです。このデータの散らばり具合を、棒グラフで分かりやすく表現したものがヒストグラムなのです。

ヒストグラムでは、データをいくつかの区間（ビンと呼びます）に分け、それぞれの区間にデータがいくつ入っているかを、棒の高さで示します。「この値の範囲には、データがたくさんあるんだな〜」とか、「この範囲には、あまりデータがないんだな〜」ということが、一目で分かりますよね！

ヒストグラムを使うと、以下のことが分かります。

これらの情報を得ることで、データに対する理解が深まり、次の分析に進むためのヒントが見つかることもあるのです。

Seaborn histplotの基本：シンプルなヒストグラムの描画

それでは早速、Seabornでヒストグラムを描画してみましょう！最も簡単な方法は、histplot関数を使うことです。まずは、お決まりとして、必要なライブラリをインポートします。そして今回は、Seabornが用意してくれている、アヤメのデータセット（irisデータセット）を使ってみますね！

import seaborn as sns
import matplotlib.pyplot as plt # グラフを画面に表示するために必要

# サンプルデータとしてSeabornに用意されているirisデータセットを読み込む
data = sns.load_dataset('iris')

# 'sepal_length'（がく片の長さ）のヒストグラムを描画
sns.histplot(data=data, x='sepal_length')

# グラフを表示
plt.show()

このコードを実行すると、irisデータセットに含まれるsepal_length（がく片の長さ）というデータの分布が、棒グラフで表示されます。「へぇ、こんな形をしているんだ！」と、きっと新たな発見があるでしょう！

histplot関数を使う際に、覚えておきたい基本的なパラメータは、この2つです。

Seaborn histplotの主要パラメータ：色分け、集計、ビン調整

基本的なヒストグラムが描けるようになったら、次はより多くのオプションを試してみましょう！histplot関数には、さらに詳しくデータを分析したり、グラフを見やすくするための、多くの便利な機能が用意されています。

hueパラメータでグループ別に色分けしたヒストグラム

もしデータの中に、何らかのカテゴリ分けができる列（例えば、性別や地域など）がある場合、hueパラメータを使うと、そのカテゴリごとにヒストグラムの色を分けて表示することができます。irisデータセットには、アヤメの種類を示す'species'という列があるので、これを使って、種類ごとにがく片の長さの分布を比較してみましょう。

import seaborn as sns
import matplotlib.pyplot as plt

data = sns.load_dataset('iris')

# 'species'（アヤメの種類）ごとに'sepal_length'のヒストグラムを描画し、色分け
sns.histplot(data=data, x='sepal_length', hue='species')

plt.show()

このコードを実行すると、アヤメの種類（setosa、versicolor、virginica）ごとに、異なる色のヒストグラムが表示されます。それぞれの種類で、がく片の長さの分布がどのように異なるのかを、一目で確認できますね！

さらに、hueパラメータと一緒に使うと便利なのがmultipleパラメータです。これは、複数のヒストグラムをどのように表示するかを指定するもので、重ねて表示したり、横に並べて表示したりできます ('layer', 'stack', 'dodge', 'fill' など)。

例えば、multiple='dodge'を指定すると、同じ値の範囲にある異なる種類の棒が横に並んで表示されるため、それぞれの種類の頻度を比較しやすくなります。

import seaborn as sns
import matplotlib.pyplot as plt

data = sns.load_dataset('iris')

# 'species'ごとに'sepal_length'のヒストグラムを横に並べて表示
sns.histplot(data=data, x='sepal_length', hue='species', multiple='dodge')

plt.show()

statパラメータ：頻度、確率、密度など集計方法を変更

statパラメータを使うと、各ビンの中でどのような値を集計して表示するかを選ぶことができます。デフォルトでは、各ビンに入っているデータの数を数える 'count' が設定されていますが、他の集計方法も選択できます。

例えば、'probability'を指定すると、各ビンに含まれるデータの割合が表示されます。データ全体の傾向を比較したい場合に便利です。

import seaborn as sns
import matplotlib.pyplot as plt

data = sns.load_dataset('iris')

# 'sepal_length'のヒストグラムを確率で表示
sns.histplot(data=data, x='sepal_length', stat='probability')

plt.show()

binsとbinwidth：ヒストグラムのビン数と幅を調整

ヒストグラムの棒の数や幅を調整することで、データの分布の見え方が変わることがあります。binsパラメータで棒の数を指定したり、binwidthパラメータで各棒の幅を直接指定したりできます。

import seaborn as sns
import matplotlib.pyplot as plt

data = sns.load_dataset('iris')

# ビンの数を20に指定
sns.histplot(data=data, x='sepal_length', bins=20)
plt.show()

# ビンの幅を0.5に指定
sns.histplot(data=data, x='sepal_length', binwidth=0.5)
plt.show()

棒の数を変えてみると、データの細かな動きが見えたり、逆に大まかな全体像が見えたりします。色々と試してみることをお勧めします。

kdeパラメータ：カーネル密度推定（KDE）で滑らかな分布を表示

kde=Trueと設定すると、ヒストグラムの上にカーネル密度推定（KDE）という、データの分布を滑らかに表現した線が重ねて表示されます。データの分布の形状を、より滑らかに把握したい場合に便利です。

import seaborn as sns
import matplotlib.pyplot as plt

data = sns.load_dataset('iris')

# 'sepal_length'のヒストグラムにKDEプロットを重ねて表示
sns.histplot(data=data, x='sepal_length', kde=True)

plt.show()

KDEプロットを重ねることで、ヒストグラムの棒だけでは少しごつごつして見える分布を、より滑らかに捉えることができます。

histplotのカスタマイズ：色、透明度、表示形式

histplot関数には、他にもグラフの見た目を細かく調整できるパラメータがたくさんあります。

これらのパラメータを色々試して、自分が見やすく、そして伝えたいことが伝わるヒストグラムを作成してみてくださいね！

まとめ：Seaborn histplotを活用してデータ分布を可視化しよう！

今回の記事では、PythonのSeabornライブラリのhistplot関数を使って、データの分布を簡単に可視化する方法を解説しました。histplot関数は、多くのパラメータを調整することで、データの特性や分析の目的に合わせたヒストグラムを、初心者でも簡単に作成できる強力なツールです。

今回ご紹介したパラメータ以外にも、histplot関数にはまだまだ多くの機能が備わっています。Seabornの公式ドキュメント や、様々な情報源 を参考に、ぜひ皆さんの持っているデータでhistplotを試して、データに対する理解を深めてみてください！きっと、今まで見えなかった新しい発見があるはずですよ！

おつー

SEshopは、エンジニアやクリエイター向けの技術書や実用書が充実しているオンラインストアです。最新の技術トレンドを学びたい方におすすめ！