データ可視化 — matplotlib / seaborn
分布・相関・カテゴリ別の傾向を、matplotlib と seaborn で可視化する基本を学びます。
なぜ可視化するか#
数値の要約だけでは見落とす「分布の偏り・外れ値・関係性」を、 グラフは一目で教えてくれます。可視化は EDA の中心的な道具です。
- matplotlib：描画の土台。細かい調整ができる
- seaborn：matplotlib の上位ラッパー。統計的なグラフを短く書ける
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
df = pd.read_csv("/kaggle/input/titanic/train.csv")
sns.set_theme() # 見やすい既定スタイル分布を見る#
# ヒストグラム＋カーネル密度
sns.histplot(data=df, x="Age", kde=True)
plt.show()数値特徴の**偏り（歪み）**や、ありえない値（外れ値）の有無を確認します。
カテゴリ別の傾向を見る#
目的変数（Survived）とカテゴリの関係を見るのが、テーブルコンペの定番です。
# 客室クラス別の生存率
sns.barplot(data=df, x="Pclass", y="Survived")
plt.show()
# 性別ごとの件数
sns.countplot(data=df, x="Sex", hue="Survived")
plt.show()ヒント
hue に目的変数を渡すと、カテゴリごとの内訳を色分けで比較できます。
「どの特徴が目的変数と関係していそうか」の当たりをつけるのに有効です。
相関を見る#
数値特徴どうしの関係は散布図と相関ヒートマップで確認します。
# 数値列の相関行列をヒートマップに
num = df.select_dtypes("number")
sns.heatmap(num.corr(numeric_only=True), annot=True, fmt=".2f", cmap="coolwarm")
plt.show()相関係数は から の範囲で、絶対値が大きいほど線形の関連が強いことを表します。
注意
相関は「線形の関連」しか捉えません。相関が低くても非線形の関係が隠れていることがあり、 逆に相関が高くても因果があるとは限りません。グラフと数値の両方で判断しましょう。
次のステップ#
次は、これらの道具を使って分析を進める EDA の進め方を体系的に学びます。