プロットのスタイルと色を変更する

Seaborn を使ったデータ可視化入門

Content Team

DataCamp

なぜカスタマイズするのか？

スタイルを変更する理由：

個人の好み
可読性の向上
解釈を導く

図のスタイルを変更する

図の「スタイル」には、背景と軸が含まれる
プリセットのオプション："white"、"dark"、"whitegrid"、"darkgrid"、"ticks"
sns.set_style()

デフォルトの図のスタイル（"white"）

sns.catplot(x="age", 
            y="masculinity_important",
            data=masculinity_data,
            hue="feel_masculine",
            kind="point")

plt.show()

Point plot of masculinity survey

図のスタイル： "whitegrid"

sns.set_style("whitegrid")

sns.catplot(x="age", 
            y="masculinity_important",
            data=masculinity_data,
            hue="feel_masculine",
            kind="point")

plt.show()

Point plot with white grid background

その他のスタイル

sns.set_style("ticks")

sns.catplot(x="age", 
            y="masculinity_important",
            data=masculinity_data,
            hue="feel_masculine",
            kind="point")

plt.show()

Point plot with ticks

その他のスタイル

sns.set_style("dark")

sns.catplot(x="age", 
            y="masculinity_important",
            data=masculinity_data,
            hue="feel_masculine",
            kind="point")

plt.show()

Point plot with dark background

その他のスタイル

sns.set_style("darkgrid")

sns.catplot(x="age", 
            y="masculinity_important",
            data=masculinity_data,
            hue="feel_masculine",
            kind="point")

plt.show()

Point plot with dark grid background

カラーパレットを変更する

図の「カラーパレット」は、プロットの主要な要素の色を変更する
sns.set_palette()
プリセットのパレットを使用するか、カスタムパレットを作成する

カラーパレットを変更する

Four example diverging palettes

例（デフォルトのカラーパレット）

category_order = ["No answer", 
                  "Not at all",
                  "Not very", 
                  "Somewhat", 
                  "Very"]

sns.catplot(x="how_masculine",
            data=masculinity_data,
            kind="count",
            order=category_order)

plt.show()

Count plot of survey responses

例（発散型パレット）

sns.set_palette("RdBu")

category_order = ["No answer", 
                  "Not at all",
                  "Not very", 
                  "Somewhat", 
                  "Very"]

sns.catplot(x="how_masculine",
            data=masculinity_data,
            kind="count",
            order=category_order)

plt.show()

Count plot with diverging palette

シーケンシャルパレット

Four example sequential palettes

連続的スケールの例

Scatter plot of horsepower vs. mpg with sequential palette

¹ Waskom, M. L. (2021). seaborn: statistical data visualization. https://seaborn.pydata.org/

カスタムパレット

custom_palette = ["red", "green", "orange", "blue",
                  "yellow", "purple"]

sns.set_palette(custom_palette)

Custom color name palette

カスタムパレット

custom_palette = ['#FBB4AE', '#B3CDE3', '#CCEBC5', 
                  '#DECBE4', '#FED9A6', '#FFFFCC', 
                  '#E5D8BD', '#FDDAEC', '#F2F2F2']

sns.set_palette(custom_palette)

Custom hex code palette

スケールを変更する

図の「コンテキスト」は、プロット要素とラベルのスケールを変更する
sns.set_context()

デフォルトのコンテキスト： "paper"

sns.catplot(x="age", 
            y="masculinity_important",
            data=masculinity_data,
            hue="feel_masculine",
            kind="point")

plt.show()

Point plot with notebook context

より大きいスケールのコンテキスト： "talk"

sns.set_context("talk")

sns.catplot(x="age", 
            y="masculinity_important",
            data=masculinity_data,
            hue="feel_masculine",
            kind="point")

plt.show()

Point plot with larger context

練習しましょう！

Seaborn を使ったデータ可視化入門