【Python初心者】簡単なヒストグラムの描き方 |

【2021年】ゼロから統計学を独学したい人が読むべき書籍10冊

データサイエンスについて興味があり、統計学を学びたいけど、どんな学習方法がいいか分からない統計学を独学するために必要な書籍が知りたい統計...

Pythonはプログラミング言語の中でも、１位２位を争う人気言語です。その理由は初心者でも学習しやすい（コードが理解しやすい）業務の自動化ができるデータ分析ができる機械学習やA...

データ分析た統計解析をする前には、対象のデータがどのような分布になっているのかを確認する必要があります。
特に統計学では必須です。分布が前提となる解析方法があるからです。正規分布に従う必要がある、平均値・標準偏差、T検定、分散分析などがあります。
データの分布を確認するためには、データの可視化、つまりグラフにすると直感的に理解しやすいです。
グラフはヒストグラムが有効でしょう。ヒストグラムとは、X軸の数値に何個のデータがあるか（頻度）を示します。ｙ軸がデータの個数です。

Pythonの環境設定は、以下の記事を参照して下さい。

【2021年最新】M1 mac でanacondaをインストールする方法

【2021年最新】WindowsでAnacondaをインストールする方法

必要なライブラリをインポート
1. アイリスデータを読み込む
ヒストグラムを描く
ヒストグラムをカスタマイズする
ヒストグラムをまとめて表示させる

必要なライブラリをインポート

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
# 警告メッセージを表示しない
import warnings
warnings.filterwarnings('ignore')

アイリスデータを読み込む

scikit-learnにあるアイリスデータセットを使いましょう。

from sklearn.datasets import load_iris
iris = load_iris()

df = pd.DataFrame(iris.data, columns=iris.feature_names)
df['species']=iris.target
df

出力：

この「df」のデータフレームにある「sepal length (cm)」というデータのヒストグラムを描く方法をコードと一緒に確認してみましょう。

ヒストグラムを描く

Pythonでヒストグラム

df["sepal length (cm)"].hist()

出力：

簡単ですね。もととなるデータフレーム（df）にある変数（[“sepal length（cm）”]）を指定して、.hist()と描くだけです。

matplotlibでヒストグラム

plt.hist(df["sepal length (cm)"])

出力：

当然matplotlibでも描けます。というよりカスタマイズしやすいmatplotlibで描くことが多いと思います。

seabornでヒストグラム ①

sns.histplot(df["sepal length (cm)"])

出力：

seabornでヒストグラム ②

sns.distplot(df["sepal length (cm)"])

出力：

seabornでヒストグラム ③

sns.kdeplot(data=df,               # グラフにしたいデータを指定
            x="sepal length (cm)") # グラフにしたい変数を指定

出力：

③はヒストグラムではないですが、seabornにはさまざまなグラフが簡単に描けます。

seabornのヒストグラムでは形が違いことに気が付いたでしょうか。同じデータを使用しているのに、不思議ですね。これば、棒の幅が一定ではないからです。以下でカスタマイズすることで、一定にできます。

ヒストグラムをカスタマイズする

もう少し分かりやすいグラフにカスタマイズしていきましょう。

matplotlibでヒストグラム

plt.style.use("ggplot")           # グラフのスタイルを「ggplot」に変更

plt.hist(df["sepal length (cm)"], # グラフにしたいデータの変数を指定
         bins=20,                 # 分割数を指定（データを何個の棒にするか）
         rwidth=.9)               # 棒幅を指定（１は隙間なし、０に近づくほど隙間が広い）

出力：

seabornでヒストグラム ①

sns.histplot(df["sepal length (cm)"], # グラフにしたいデータの変数を指定
             bins=20)                 # 分割数を指定（データを何個の棒にするか）

出力：

seabornでヒストグラム ②

sns.distplot(df["sepal length (cm)"], # グラフにしたいデータの変数を指定
             bins=20)                 # 分割数を指定（データを何個の棒にするか）

出力：

seabornでヒストグラム ③

sns.kdeplot(data=df,               # グラフにしたいデータを指定
            x="sepal length (cm)", # グラフにしたい変数を指定
            shade=True)            # 塗りつぶす

出力：

こんな感じで、ある程度カスタマイズできます。

実際には、いっぺんにヒストグラムを描いて、分布を確認することが多いです。

ヒストグラムをまとめて表示させる

matplotlibでヒストグラム

for i in range(3):
    plt.hist(df[df["species"]==i]["sepal length (cm)"], # species別のsepal length (cm)
             bins=20,                                   # bins= で分割数を指定
             label=iris.target_names[i],                # speciesの名前を指定
             alpha=.7)                                  # 透明度を指定、１が塗りつぶしで０に近づくと透明になる
    plt.legend()                                        # species別のラベルを表示
plt.show()

出力：

seabornでヒストグラム ①

color=["r","b","k"]     # 色を指定する（r：赤、b：青、k：黒）

for i in range(3):
    sns.histplot(df[df["species"]==i]["sepal length (cm)"], # species別のsepal length (cm)
                 bins=20,                                   # bins= で分割数を指定
                 label=iris.target_names[i],                # speciesの名前を指定
                 color=color[i],                            # 指定した色を指定する
                 alpha=.7)                                  # 透明度を指定、１が塗りつぶしで０に近づくと透明になる
    plt.legend()                                            # species別のラベルを表示
plt.show()

出力：

seabornでヒストグラム ③

for i in range(3):
    sns.kdeplot(data=df[df["species"]==i],  # species別のデータを指定
                x="sepal length (cm)",      # グラフにしたい変数を指定
                shade=True,                 # 塗りつぶす
                label=iris.target_names[i]) # speciesの名前を指定
    plt.legend()                            # species別のラベルを表示
plt.show()

出力：

種類別に３つのヒストグラムを別に描く

fig = plt.figure(figsize=(8,10))
for i in range(3):
    plt.subplot(3,1,i+1)                                # 縦に３つのグラフを描く
    plt.hist(df[df["species"]==i]["sepal length (cm)"], # species別のデータを指定
             bins=20,                                   # 分割数
             label=iris.target_names[i],                # 各変数名を指定
             alpha=.7,                                  # 透明度
             rwidth=.9)                                 # 棒の幅を狭くする
    plt.legend()                                        # 各変数のラベルを表示
plt.show()

出力：