データ分析環境とPython可視化ツール(Jupyter・matplotlib・seaborn・Docker)

データ分析実務で必須の環境とツール。 Jupyter・matplotlib・seaborn・Docker の役割を理解。

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

# 基本: matplotlib (低レベル・細かい制御可)
fig, ax = plt.subplots(figsize=(8, 5))
ax.plot(df['date'], df['sales'], marker='o', label='Sales')
ax.set_xlabel('日付')
ax.set_ylabel('売上(円)')
ax.set_title('月次売上推移')
ax.legend()
plt.show()

# 高機能: seaborn (matplotlibラッパー、統計プロットが簡単)
sns.boxplot(data=df, x='category', y='amount')
sns.heatmap(df.corr(), annot=True, cmap='coolwarm')
sns.pairplot(df, hue='target')           # 全変数ペアプロット

# インタラクティブ: Plotly (Webブラウザで操作可)
import plotly.express as px
fig = px.scatter(df, x='age', y='salary', color='dept', hover_data=['name'])
fig.show()

確認クイズ

次のうちseabornの最も得意とする可視化はどれか。

1. 3D の球体描画
2. 統計プロット(箱ひげ・ヒートマップ・ペアプロット)が1〜2行で書ける
3. 音声データの再生
4. リアルタイムストリーミング

こたえを見る

正解: 2. 統計プロット(箱ひげ・ヒートマップ・ペアプロット)が1〜2行で書ける

統計プロット(箱ひげ・ヒートマップ・ペアプロット等)が1〜2行で書けるのがseabornの強み。 matplotlibの上に統計可視化用の便利関数を提供しています。