Python×matplotlib×seaborn入門：基本グラフから実務レベル可視化まで一気に解説

import matplotlib
import seaborn as sns
print(matplotlib.__version__)
print(sns.__version__)

pip install matplotlib seaborn pandas

import matplotlib.pyplot as plt

# FigureとAxesを1つずつ作成
fig, ax = plt.subplots(figsize=(6, 4))  # figsizeで図の大きさをインチ単位で指定

# Axesに対して描画命令を行う
ax.plot([1, 2, 3], [1, 4, 9])  # xとyの値を渡して折れ線グラフを描画
ax.set_title("Simple Line Plot")      # タイトル設定
ax.set_xlabel("x")                    # x軸ラベル
ax.set_ylabel("y")                    # y軸ラベル

# 画面に表示
plt.show()

import matplotlib.pyplot as plt

# サンプルデータ(月ごとの売上を想定)
months = [1, 2, 3, 4, 5, 6]
sales_a = [100, 120, 90, 150, 130, 160]
sales_b = [80, 110, 100, 120, 140, 150]

fig, ax = plt.subplots(figsize=(7, 4))

# 折れ線グラフの描画
ax.plot(
    months,
    sales_a,
    label="Product A",   # 凡例用ラベル
    color="tab:blue",    # 線の色
    marker="o",          # 点のマーカー
    linestyle="-",       # 実線
)
ax.plot(
    months,
    sales_b,
    label="Product B",
    color="tab:orange",
    marker="s",
    linestyle="--",      # 破線
)

# 軸ラベルやタイトル
ax.set_title("Monthly Sales Trend")
ax.set_xlabel("Month")
ax.set_ylabel("Sales")

# グリッド線の表示
ax.grid(True, linestyle=":", alpha=0.6)

# 凡例の表示
ax.legend(loc="upper left")

plt.tight_layout()
plt.show()

import matplotlib.pyplot as plt
import numpy as np

# 再現性のため乱数シードを固定
np.random.seed(0)

# サンプルデータ(身長と体重を仮想的に生成)
height = np.random.normal(loc=170, scale=7, size=100)
weight = 0.6 * height + np.random.normal(loc=0, scale=5, size=100)

fig, ax = plt.subplots(figsize=(6, 4))

# 散布図を描画
scatter = ax.scatter(
    height,
    weight,
    c=height,             # カラーに身長を使ってみる
    cmap="viridis",       # カラーマップ
    alpha=0.8,            # 透明度
    edgecolors="k",       # 点のふちどり
)

ax.set_title("Height vs Weight")
ax.set_xlabel("Height(cm)")
ax.set_ylabel("Weight(kg)")

# カラーバーを追加して色の意味を示す
cbar = plt.colorbar(scatter, ax=ax)
cbar.set_label("Height(cm)")

plt.tight_layout()
plt.show()

import matplotlib.pyplot as plt

# サンプルデータ(部門別売上)
departments = ["Sales", "Marketing", "Development", "HR"]
values = [350, 200, 420, 150]

fig, axes = plt.subplots(1, 2, figsize=(10, 4))

# 縦棒グラフ
axes[0].bar(departments, values, color="skyblue")
axes[0].set_title("Sales by Department (Vertical)")
axes[0].set_ylabel("Sales")

# 横棒グラフ
axes[1].barh(departments, values, color="salmon")
axes[1].set_title("Sales by Department (Horizontal)")
axes[1].set_xlabel("Sales")

plt.tight_layout()
plt.show()

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(1)
data = np.random.normal(loc=0, scale=1, size=1000)  # 標準正規分布のサンプル

fig, ax = plt.subplots(figsize=(6, 4))

ax.hist(
    data,
    bins=20,           # ビンの数
    color="steelblue",
    edgecolor="black", # 枠線
    alpha=0.8
)

ax.set_title("Histogram of Data")
ax.set_xlabel("Value")
ax.set_ylabel("Frequency")

plt.tight_layout()
plt.show()

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y1 = [10, 15, 20, 25, 30]
y2 = [8, 16, 24, 32, 40]

fig, ax = plt.subplots(figsize=(6, 4))

ax.plot(x, y1, label="Plan", color="tab:blue")
ax.plot(x, y2, label="Actual", color="tab:orange")

# タイトルと軸ラベル
ax.set_title("Plan vs Actual", fontsize=14)
ax.set_xlabel("Month", fontsize=12)
ax.set_ylabel("Value", fontsize=12)

# 凡例の表示とフォントサイズ
ax.legend(loc="upper left", fontsize=10)

# メモ書き(注釈)の追加
ax.text(
    1.0,
    38,
    "Actual exceeded Plan",
    fontsize=9,
    color="red"
)

plt.tight_layout()
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt

# 組み込みデータセット「tips」を読み込み
tips = sns.load_dataset("tips")

fig, axes = plt.subplots(1, 2, figsize=(10, 4))

# 単純な散布図
sns.scatterplot(
    data=tips,
    x="total_bill",
    y="tip",
    hue="time",      # 昼食/夕食で色分け
    style="sex",     # 性別でマーカー形状を分ける
    ax=axes[0]
)
axes[0].set_title("Scatterplot: total_bill vs tip")

# 回帰直線つき散布図
sns.regplot(
    data=tips,
    x="total_bill",
    y="tip",
    scatter_kws={"alpha": 0.6},  # 散布図のスタイル
    line_kws={"color": "red"},   # 回帰直線のスタイル
    ax=axes[1]
)
axes[1].set_title("Regplot with Regression Line")

plt.tight_layout()
plt.show()

sns.lmplot(
    data=tips,
    x="total_bill",
    y="tip",
    hue="sex",       # 性別ごとに回帰直線を色分け
    col="time",      # 昼食/夕食で列方向に分割
    height=4,
    aspect=1.1
)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset("tips")

fig, axes = plt.subplots(1, 2, figsize=(10, 4))

# 箱ひげ図
sns.boxplot(
    data=tips,
    x="day",
    y="total_bill",
    ax=axes[0]
)
axes[0].set_title("Boxplot: total_bill by day")

# バイオリンプロット
sns.violinplot(
    data=tips,
    x="day",
    y="total_bill",
    inner="quartile",  # 中央値や四分位数も描画
    ax=axes[1]
)
axes[1].set_title("Violinplot: total_bill by day")

plt.tight_layout()
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset("tips")

fig, axes = plt.subplots(3, 1, figsize=(7, 10))

# 件数を棒グラフで表示(countplot)
sns.countplot(
    data=tips,
    x="day",
    ax=axes[0]
)
axes[0].set_title("Count of Records by Day")

# 箱ひげ図で分布を比較
sns.boxplot(
    data=tips,
    x="day",
    y="total_bill",
    ax=axes[1]
)
axes[1].set_title("Distribution of total_bill by Day")

# 個々のデータ点を散布図で重ねる(stripplot)
sns.stripplot(
    data=tips,
    x="day",
    y="total_bill",
    jitter=True,       # 横方向に散らして重なりを減らす
    alpha=0.6,
    ax=axes[2]
)
axes[2].set_title("Individual total_bill by Day")

plt.tight_layout()
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt

# 説明用に「iris」データセットを使用
iris = sns.load_dataset("iris")

# 相関行列を計算
corr = iris.drop(columns=["species"]).corr()

# ヒートマップで表示
plt.figure(figsize=(6, 5))
sns.heatmap(
    corr,
    annot=True,        # 相関係数の値を表示
    fmt=".2f",
    cmap="coolwarm",
    vmin=-1, vmax=1,
    square=True
)
plt.title("Correlation Matrix (iris)")
plt.tight_layout()
plt.show()

sns.pairplot(
    iris,
    hue="species",        # 種類ごとに色分け
    corner=True           # 下三角部分だけ表示して冗長さを減らす
)
plt.show()

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 日次データを1年分作成(簡易なトレンド + ノイズ)
date_range = pd.date_range(start="2022-01-01", end="2022-12-31", freq="D")
np.random.seed(0)
values = np.linspace(100, 200, len(date_range)) + np.random.normal(scale=10, size=len(date_range))

ts = pd.DataFrame({"date": date_range, "value": values}).set_index("date")

fig, axes = plt.subplots(2, 1, figsize=(8, 6), sharex=False)

# 日次の折れ線グラフ
axes[0].plot(ts.index, ts["value"], color="tab:blue")
axes[0].set_title("Daily Value")
axes[0].set_ylabel("Value")

# 月ごとの平均値をバーに集計
monthly = ts["value"].resample("M").mean()
axes[1].bar(monthly.index.strftime("%Y-%m"), monthly.values, color="tab:orange")
axes[1].set_title("Monthly Average Value")
axes[1].set_ylabel("Avg Value")
axes[1].set_xticklabels(monthly.index.strftime("%Y-%m"), rotation=45, ha="right")

plt.tight_layout()
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset("tips")

fig, axes = plt.subplots(1, 3, figsize=(14, 4))

# ヒストグラム + KDE
sns.histplot(
    data=tips,
    x="total_bill",
    hue="sex",      # 性別で色分け
    kde=True,
    element="step",
    stat="density",
    common_norm=False,
    ax=axes[0]
)
axes[0].set_title("Histogram & KDE by Sex")

# 箱ひげ図
sns.boxplot(
    data=tips,
    x="sex",
    y="total_bill",
    ax=axes[1]
)
axes[1].set_title("Boxplot by Sex")

# バイオリンプロット
sns.violinplot(
    data=tips,
    x="sex",
    y="total_bill",
    inner="quartile",
    ax=axes[2]
)
axes[2].set_title("Violinplot by Sex")

plt.tight_layout()
plt.show()

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

# サンプルデータ(ランダムに欠損を入れる)
np.random.seed(0)
df = pd.DataFrame({
    "A": np.random.randn(50),
    "B": np.random.randn(50),
    "C": np.random.randn(50),
})
df.loc[df.sample(frac=0.2).index, "A"] = np.nan
df.loc[df.sample(frac=0.1).index, "B"] = np.nan

plt.figure(figsize=(5, 4))
sns.heatmap(
    df.isnull(),
    cbar=False,
    yticklabels=False
)
plt.title("Missing Value Map")
plt.xlabel("Columns")
plt.ylabel("Rows")
plt.tight_layout()
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset("tips")

plt.figure(figsize=(7, 4))
sns.barplot(
    data=tips,
    x="day",
    y="total_bill",
    hue="sex",          # 性別ごとに色分け
    ci="sd"             # 誤差バーとして標準偏差を表示(ci=Noneで非表示)
)
plt.title("Average total_bill by Day and Sex")
plt.tight_layout()
plt.show()

sns.catplot(
    data=tips,
    x="day",
    y="total_bill",
    hue="sex",
    col="time",         # 昼食/夕食で列方向に分割
    kind="bar",
    height=4,
    aspect=1.0
)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt

# seabornのカラーパレットを確認
palette = sns.color_palette("Set2", n_colors=6)

plt.figure(figsize=(6, 1))
sns.palplot(palette)
plt.title("Seaborn 'Set2' Palette")
plt.xticks([])
plt.yticks([])
plt.show()

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2 * np.pi, 100)

fig, axes = plt.subplots(2, 2, figsize=(8, 6), sharex=True)

axes[0, 0].plot(x, np.sin(x))
axes[0, 0].set_title("sin(x)")

axes[0, 1].plot(x, np.cos(x))
axes[0, 1].set_title("cos(x)")

axes[1, 0].plot(x, np.tan(x))
axes[1, 0].set_title("tan(x)")
axes[1, 0].set_ylim(-5, 5)  # 極端な値をカット

axes[1, 1].plot(x, np.sin(x) + np.cos(x))
axes[1, 1].set_title("sin(x) + cos(x)")

plt.tight_layout()
plt.show()

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(1, 100)
y = x ** 3  # 立方の関数

fig, axes = plt.subplots(1, 2, figsize=(10, 4))

axes[0].plot(x, y)
axes[0].set_title("Linear Scale")
axes[0].set_xlabel("x")
axes[0].set_ylabel("y = x^3")

axes[1].plot(x, y)
axes[1].set_yscale("log")  # y軸を対数スケールに
axes[1].set_title("Log Scale (y)")
axes[1].set_xlabel("x")
axes[1].set_ylabel("log(y)")

plt.tight_layout()
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset("tips")

# テーマを設定
sns.set_theme(style="whitegrid", context="talk", palette="Set2")

plt.figure(figsize=(6, 4))
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="sex")
plt.title("Scatterplot with Seaborn Theme")
plt.tight_layout()
plt.show()

import matplotlib.pyplot as plt
from matplotlib import font_manager, rcParams

# 例: WindowsでMS Gothicを使う場合
rcParams["font.family"] = "MS Gothic"

# マイナス記号が文字化けする問題への対処
rcParams["axes.unicode_minus"] = False

fig, ax = plt.subplots(figsize=(6, 4))
ax.plot([1, 2, 3], [1, 4, 9])
ax.set_title("日本語タイトルのテスト")
ax.set_xlabel("横軸ラベル")
ax.set_ylabel("縦軸ラベル")

plt.tight_layout()
plt.show()

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

# CSVから読み込み(例: 売上データ)
df = pd.read_csv("sales.csv", parse_dates=["date"])

# 月次売上を集計
monthly_sales = (
    df
    .groupby(pd.Grouper(key="date", freq="M"))["amount"]
    .sum()
    .reset_index()
)

# 折れ線グラフで可視化
plt.figure(figsize=(8, 4))
sns.lineplot(data=monthly_sales, x="date", y="amount", marker="o")
plt.title("Monthly Sales")
plt.xlabel("Month")
plt.ylabel("Sales Amount")
plt.tight_layout()
plt.show()

import matplotlib.pyplot as plt
import seaborn as sns

tips = sns.load_dataset("tips")

fig, ax = plt.subplots(figsize=(6, 4))
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="sex", ax=ax)
ax.set_title("total_bill vs tip")

plt.tight_layout()

# 画像として保存
fig.savefig(
    "scatter_total_bill_tip.png",
    dpi=300,          # 解像度(印刷物には300以上推奨)
    bbox_inches="tight"  # 余白を自動調整
)
plt.show()

import matplotlib.pyplot as plt
import seaborn as sns

def plot_time_series(
    df,
    x_col,
    y_col,
    title=None,
    xlabel=None,
    ylabel=None,
    save_path=None
):
    """時系列の折れ線グラフを標準スタイルで描画・保存する関数"""
    plt.figure(figsize=(8, 4))
    sns.lineplot(data=df, x=x_col, y=y_col, marker="o")
    plt.title(title or f"{y_col} over time")
    plt.xlabel(xlabel or x_col)
    plt.ylabel(ylabel or y_col)
    plt.tight_layout()
    if save_path:
        plt.savefig(save_path, dpi=300, bbox_inches="tight")
    plt.show()

# 使用例:
# plot_time_series(monthly_sales, x_col="date", y_col="amount", title="Monthly Sales", save_path="monthly_sales.png")