PandasとSeabornで学ぶデータ分析と可視化

Seaborn を使う最大の利点は、1行で「集計＋作図＋凡例＋エラーバー」までやってくれることです。Matplotlib で10行かかる処理が、sns.barplot(data=df, x="都市", y="年齢")だけで終わります。

ただし Seaborn は「整然データ（tidy data）」を前提にしているため、データの形を先に整えないと期待通りに描けません。また、日本語ラベルは Matplotlib と同じく設定なしでは文字化けします。

この記事では、Pandas で形を整えるところから、Seaborn の主要なグラフ、そして公式が推奨するsns.objectsインターフェースまでを、動くコードで解説します。

環境の準備と日本語表示

pip install pandas seaborn matplotlib matplotlib-fontja

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib_fontja  # 日本語の文字化けを防ぐ

sns.set_theme(style="whitegrid")  # 見た目のテーマを設定
plt.rcParams['axes.unicode_minus'] = False

注意点が1つあります。sns.set_theme()はフォント設定を上書きします。 そのため、matplotlib_fontjaのインポートより前にset_theme()を呼ぶと文字化けが戻ることがあります。上のようにインポート → set_theme()の順で書いてください。

それでも化ける場合は、テーマ側にフォントを渡します。

sns.set_theme(style="whitegrid", font="Hiragino Sans")  # macOS
# sns.set_theme(style="whitegrid", font="Yu Gothic")    # Windows

Seaborn が求めるデータの形

ここが最初の関門です。 Seaborn は「1行＝1観測、1列＝1変数」というロング形式を前提にしています。Excel でよく作る「横に月が並んだ表」（ワイド形式）のままでは、x=やhue=に渡す列がありません。

# ワイド形式（Excelでよくある形）
wide = pd.DataFrame({
    "商品": ["A", "B"],
    "1月": [100, 80],
    "2月": [120, 90],
    "3月": [140, 70],
})

# → ロング形式に変換する
long = wide.melt(id_vars="商品", var_name="月", value_name="売上")
print(long)
#   商品   月  売上
# 0  A   1月  100
# 1  B   1月   80
# 2  A   2月  120
# ...

melt()でロング形式にすれば、そのまま渡せます。

sns.lineplot(data=long, x="月", y="売上", hue="商品", marker="o")
plt.show()

hue=に列名を渡すだけで系列が分かれ、凡例まで自動で付くのが Seaborn の強みです。逆に言えば、この形にできていないと利点がほとんど活きません。「うまく描けない」ときの原因は、9割がデータの形です。

Pandas での前処理

df = pd.read_csv("data.csv", encoding="utf-8-sig", parse_dates=["date"])

# 欠損の確認
print(df.isna().sum())

# 欠損を落とす（列を指定する）
df = df.dropna(subset=["value"])

# 平均で埋める場合
df["value"] = df["value"].fillna(df["value"].mean())

# 条件で絞る
adults = df[df["age"] >= 20]

# グループ集計
summary = df.groupby("category", as_index=False)["value"].agg(["mean", "sum", "count"])

encoding="utf-8-sig"は Excel が書き出した CSV の BOM 対策です。utf-8で読むと1列目の列名が壊れて参照できなくなります。

inplace=Trueは使わず、上のように代入で書き戻してください。pandas 2系では非推奨の方向にあり、コピーの有無も分かりにくくなります。

基本のグラフ4種

棒グラフ（barplot）：平均値の比較

tips = sns.load_dataset("tips")

sns.barplot(data=tips, x="day", y="total_bill", hue="sex")
plt.title("曜日別・性別ごとの平均会計額")
plt.show()

barplotが描くのは合計ではなく「平均値」で、黒い縦線は95%信頼区間です。合計を出したいときはestimator="sum"を指定するか、事前にgroupby().sum()してから渡します。ここは誤解しやすいポイントです。

箱ひげ図（boxplot）：ばらつきを見る

sns.boxplot(data=tips, x="day", y="total_bill")
plt.show()

データ点が少ないとき（数十件程度）は、箱ひげ図よりstripplotやswarmplotで実際の点を出した方が誠実です。3件のデータで箱ひげ図を描いても、四分位数に意味がありません。

sns.boxplot(data=tips, x="day", y="total_bill", showfliers=False)
sns.stripplot(data=tips, x="day", y="total_bill", color=".25", size=3, alpha=.5)
plt.show()

ヒストグラム（histplot）：分布を見る

sns.histplot(data=tips, x="total_bill", bins="auto", kde=True)
plt.show()

kde=Trueで分布の推定曲線が重なります。binsを指定しない場合は自動で決まるので、まずそのまま描いて形を見るのがおすすめです。

散布図（scatterplot）：2変数の関係を見る

sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time", size="size", alpha=.7)
plt.show()

hue（色）、size（大きさ）、style（形）に別々の列を割り当てられるので、4変数までを1枚に表現できます。ただし詰め込みすぎると読めなくなるので、実用上は3つまでにとどめるのが無難です。

相関ヒートマップ：pandas 2系での注意点

文字列の列が混ざったままdf.corr()を呼ぶとエラーになります。 pandas 1系では自動で数値列だけを使ってくれましたが、2系では明示が必要です。

# ❌ 文字列列があると ValueError
# corr = tips.corr()

# ✅ 数値列だけを対象にする
corr = tips.corr(numeric_only=True)

fig, ax = plt.subplots(figsize=(6, 5))
sns.heatmap(corr, annot=True, fmt=".2f", cmap="coolwarm",
            vmin=-1, vmax=1, square=True, ax=ax)
ax.set_title("相関のヒートマップ")
plt.show()

vmin=-1, vmax=1の指定が重要です。 指定しないとデータの範囲に合わせて色が自動調整され、相関0.3が真っ赤に見えるといった誤読を招きます。相関行列のスケールは必ず固定してください。

pairplot：全変数の関係を一覧する

iris = sns.load_dataset("iris")

sns.pairplot(iris, hue="species", diag_kind="hist", corner=True)
plt.show()

corner=Trueを付けると対角線の上半分が省略され、同じ情報の重複が消えて見やすくなります。

注意点として、pairplotは列数の2乗に比例して重くなります。列が20を超えるようなデータでそのまま呼ぶと、数分固まります。vars=["列A", "列B", "列C"]で対象を絞ってください。

回帰プロット：数値どうしにしか使えない

regplotは散布図に回帰直線を重ねますが、x も y も数値列である必要があります。カテゴリ列（都市名、商品名など）を渡すとエラーになります。

# ❌ y に文字列のカテゴリは渡せない
# sns.regplot(data=df, x="年齢", y="都市")

# ✅ 数値どうしで
sns.regplot(data=tips, x="total_bill", y="tip", scatter_kws={"alpha": .4})
plt.show()

カテゴリごとに回帰直線を引き分けたい場合はlmplotを使います。

sns.lmplot(data=tips, x="total_bill", y="tip", hue="smoker", height=5)
plt.show()

figure-level と axes-level の違い

Seaborn の関数は2種類あり、これを混同するとレイアウトが崩れます。

種類	関数の例	特徴
axes-level	`scatterplot`、`barplot`、`boxplot`、`histplot`	`ax=`を受け取る。既存の図に描き込める
figure-level	`relplot`、`catplot`、`displot`、`lmplot`、`pairplot`	自分で図全体を作る。`ax=`は使えない

# axes-level：複数を並べられる
fig, axes = plt.subplots(1, 2, figsize=(12, 4))
sns.histplot(data=tips, x="total_bill", ax=axes[0])
sns.boxplot(data=tips, x="day", y="tip", ax=axes)
plt.tight_layout()
plt.show()

# figure-level：col= で自動的に分割してくれる
g = sns.relplot(data=tips, x="total_bill", y="tip",
                col="time", hue="smoker", height=4)
g.figure.suptitle("時間帯別の会計額とチップ", y=1.02)
plt.show()

figure-level 関数の戻り値はAxesではなくFacetGridです。 タイトルを付けるときはg.figure.suptitle()、保存するときはg.savefig()を使います。plt.title()を呼んでも、最後のサブプロットにしか付きません。

これから書くなら sns.objects インターフェース

Seaborn 0.12 以降には、グラフを部品の組み合わせで宣言的に書く新しいインターフェースが入りました。R の ggplot2 に近い書き方です。

import seaborn.objects as so

(
    so.Plot(tips, x="total_bill", y="tip", color="time")
    .add(so.Dot(alpha=.5))
    .add(so.Line(), so.PolyFit())      # 回帰直線を重ねる
    .facet(col="smoker")               # 列方向に分割
    .label(x="会計額", y="チップ", title="会計額とチップの関係")
    .show()
)

従来の関数群も引き続き使えますが、「何を描くか」と「どう見せるか」が分離されるので、複雑なグラフほど読みやすくなります。新規に書くならこちらを検討する価値があります。

保存するとき

# axes-level の場合
fig.savefig("chart.png", dpi=150, bbox_inches="tight")

# figure-level の場合
g.savefig("chart.png", dpi=150, bbox_inches="tight")

bbox_inches="tight"：軸ラベルや凡例が切れるのを防ぐ
plt.show()より前に呼ぶ：表示後は図が破棄され、空の画像になることがある

まとめ

日本語はmatplotlib-fontjaをインポート。sns.set_theme()はその後に呼ぶ
Seaborn はロング形式が前提。ワイド形式はmelt()で変換する
barplotが描くのは合計ではなく平均。合計ならestimator="sum"
df.corr()にはnumeric_only=True、ヒートマップにはvmin=-1, vmax=1
regplotは数値列どうしにしか使えない。カテゴリ別ならlmplot
pairplotは列数の2乗で重くなる。vars=で絞る
figure-level 関数はax=を取れない。戻り値はFacetGrid
新規に書くならseaborn.objectsも検討する

グラフを細かく制御したい場合は Matplotlib を直接触る方が早いこともあります。そちらはPandasとMatplotlibを活用したデータ可視化にまとめました。