Pythonデータ可視化完全ガイド：matplotlibとseaborn徹底比較【初心者向け】

データ分析と機械学習において、データの視覚化は不可欠なスキルです

Pythonには多様な可視化ライブラリが存在しますが、特に人気が高いのがmatplotlibとseabornです

両ライブラリは強力ですが、用途に応じて最適な選択が異なります

この記事では、初心者向けにmatplotlibとseabornの基本から応用までを解説し、それぞれの特性を比較します

どちらのライブラリを選ぶべきか迷っている方は、ぜひ参考にしてください

CONTENTS 非表示

matplotlibの基本：自由度の高いカスタマイズ
- matplotlibのインストールと基本操作
- matplotlibのメリット・デメリット
seabornの基本：美しいグラフを簡単に
- seabornのインストールと基本操作
- seabornのメリット・デメリット
matplotlib vs seaborn：最適な選択は？
まとめ

目次へ

matplotlibの基本：自由度の高いカスタマイズ

matplotlibは、Pythonで最も基本的なデータ可視化ライブラリです

高度なカスタマイズが可能で、あらゆる種類のグラフを作成できます

matplotlibのインストールと基本操作

# matplotlibのインストール
# pip install matplotlib

import matplotlib.pyplot as plt
import numpy as np

# データ生成
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 折れ線グラフ作成
plt.plot(x, y, label='sin wave', color='blue')
plt.xlabel('X軸')
plt.ylabel('Y軸')
plt.title('シンプルな折れ線グラフ')
plt.legend()
plt.show()

matplotlibのメリット・デメリット

メリット

■　高度なカスタマイズ性

■　多様なグラフ作成

デメリット

■　コードが冗長になりがち

■　初心者には学習コストが高い

seabornの基本：美しいグラフを簡単に

seabornは、matplotlibを基盤とし、統計データの可視化に特化したライブラリです

美しいグラフを容易に作成できます

seabornのインストールと基本操作

# seabornのインストール
# pip install seaborn

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

# データ読み込み
iris_df = sns.load_dataset('iris')

# 散布図作成
plt.figure(figsize=(8, 6))  # グラフサイズを調整
sns.scatterplot(x='sepal_length', y='sepal_width', hue='species', data=iris_df)
plt.title('Irisデータセットの散布図')
plt.xlabel('がく片の長さ (cm)')  # x軸ラベルを追加
plt.ylabel('がく片の幅 (cm)')  # y軸ラベルを追加
plt.legend(loc='upper right')  # 凡例の位置を調整
plt.show()