Hello there, ('ω')ノ
🔍 1. データ可視化の基本
なぜデータを可視化するのか？
✅ データの分布や傾向を直感的に把握できる！
✅ 異常値（外れ値）や欠損値を発見しやすくなる！
✅ データの相関関係を視覚的に理解できる！
Pythonでは Matplotlib、Seaborn、Plotly を使うことで、データの可視化が簡単にできます。
| ライブラリ | 特徴 | 主な用途 |
|---|---|---|
| Matplotlib | 最も基本的な可視化ライブラリ | 棒グラフ・折れ線グラフ・散布図など |
| Seaborn | 見た目が美しく、統計的な可視化が得意 | ヒストグラム・相関行列・ボックスプロットなど |
| Plotly | インタラクティブなグラフが作成可能 | ダッシュボード・3Dプロット・地図データ |
📌 2. Matplotlibを使ってみよう
まずは、Pythonの基本的な可視化ライブラリ Matplotlib を使ってみましょう！
✅ Matplotlibをインストール＆インポート
（Kaggleノートブックでは、最初からインストールされています）
import matplotlib.pyplot as plt import numpy as np
📊 折れ線グラフ（Line Plot）
まずはシンプルな 折れ線グラフ を描いてみます。
# データ作成 x = np.linspace(0, 10, 100) # 0から10までの数値を100個生成 y = np.sin(x) # yはxのsin値 # グラフの作成 plt.plot(x, y, label="sin(x)") plt.xlabel("X軸") plt.ylabel("Y軸") plt.title("Matplotlibで折れ線グラフ") plt.legend() plt.show()
✅ ポイント:
- plt.plot(x, y) で折れ線グラフを描画
- plt.xlabel() / plt.ylabel() でラベルを設定
- plt.title() でタイトルを追加
- plt.legend() で凡例を表示
📊 棒グラフ（Bar Chart）
categories = ["A", "B", "C", "D"] values = [10, 25, 7, 30] plt.bar(categories, values, color="skyblue") plt.xlabel("カテゴリ") plt.ylabel("値") plt.title("Matplotlibで棒グラフ") plt.show()
✅ plt.bar() を使うと、棒グラフが簡単に描ける！
📊 散布図（Scatter Plot）
x = np.random.rand(50) y = np.random.rand(50) plt.scatter(x, y, color="red", alpha=0.5) plt.xlabel("X") plt.ylabel("Y") plt.title("Matplotlibで散布図") plt.show()
✅ plt.scatter() で、データの分布を視覚化！
📌 3. Seabornでスタイリッシュな可視化
Matplotlibよりも 見た目が美しい グラフを簡単に作れるのが Seaborn です！
✅ Seabornをインポート
import seaborn as sns import pandas as pd
📊 ヒストグラム（Histogram）
Seabornを使うと、簡単にデータの分布を確認できます！
# Titanicのデータセットを読み込む df = pd.read_csv("/kaggle/input/titanic/train.csv") # 運賃（Fare）の分布を可視化 sns.histplot(df["Fare"], bins=30, kde=True) plt.title("Seabornでヒストグラム") plt.show()
✅ sns.histplot() でデータの分布を確認！
✅ kde=True で滑らかな曲線を追加できる！
📊 箱ひげ図（Box Plot）
sns.boxplot(x=df["Pclass"], y=df["Fare"]) plt.title("Seabornで箱ひげ図") plt.show()
✅ sns.boxplot() で、データのばらつきを視覚化！
📊 相関行列（Correlation Matrix）
import seaborn as sns import matplotlib.pyplot as plt # 数値型の列のみを抽出 df_numeric = df.select_dtypes(include=['number']) # 相関行列のヒートマップを作成 sns.heatmap(df_numeric.corr(), annot=True, cmap="coolwarm") plt.title("Seabornで相関行列") plt.show()
✅ sns.heatmap() で、データの相関を視覚化！
📌 4. Plotlyでインタラクティブな可視化
Plotlyを使うと、マウス操作で拡大・移動できるグラフ が作れます！
✅ Plotlyをインポート
import plotly.express as px
📊 インタラクティブな散布図
fig = px.scatter(df, x="Age", y="Fare", color="Survived") fig.show()
✅ px.scatter() で、簡単に動的なグラフが作れる！
📊 インタラクティブな棒グラフ
fig = px.bar(df, x="Pclass", y="Fare", color="Sex", barmode="group") fig.show()
✅ Plotlyなら、見やすいグループ化棒グラフが作れる！
🎯 まとめ
✅ Matplotlib：基本的なグラフを作成（折れ線・棒・散布図）
✅ Seaborn：美しい可視化が簡単にできる（ヒストグラム・箱ひげ図・相関行列）
✅ Plotly：インタラクティブなグラフを作成できる！
可視化をマスターすれば、データ分析のスキルがグッと向上します！✨
Best regards, (^^ゞ
