はじめに

Pythonでデータ分析や機械学習を行う際、データの可視化は欠かせない。だが、Pythonには多くの可視化ライブラリが存在し、それぞれの違いを正しく理解しているだろうか？

G検定の問題を通して、可視化ライブラリ「seaborn」について解説していく。

---

問題と正解

問題:

以下の文章を読み、(●)に最もよく当てはまる選択肢を選べ。

(●)は、Pythonでデータを可視化する際に用いられるライブラリであり、使用する際は一般的に「sns」という名称で取り込む。

選択肢:

• seaborn
• pyplot
• Keras
• matplotlib

正解は「seaborn」

Pythonの可視化ライブラリの中で、sns というエイリアスを使ってインポートされるのは seaborn だけである。

import seaborn as sns

では、他の選択肢と比較しながら「seaborn」の特徴を掘り下げていこう。

---

seabornとは？

seaborn は、データ可視化を簡単に行うためのPythonライブラリであり、matplotlibをベースにした拡張ライブラリ だ。

主な特徴:

• 統計データの可視化に特化
• デフォルトで美しいグラフ を描画できる
• Pandasのデータフレームと相性が良い
• matplotlibと組み合わせて使える

例えば、データの分布を確認するための ヒストグラム（histplot） は、seabornを使えば簡単に描画できる。

import seaborn as sns
import matplotlib.pyplot as plt

# サンプルデータ
tips = sns.load_dataset("tips")

# ヒストグラムを作成
sns.histplot(tips["total_bill"], bins=20, kde=True)

# グラフを表示
plt.show()

matplotlibと比べると、デフォルトのスタイルが洗練されており、見やすいビジュアライゼーションが得られる。

---

他の選択肢との違い

では、他の選択肢とseabornの違いを見ていこう。

ライブラリ	概要	seabornとの違い
seaborn	統計的データ可視化に特化したライブラリ。sns のエイリアスで使われる。	–
pyplot	matplotlibのサブモジュールで、基本的なグラフ作成を担当する。	plt というエイリアスで使われる。
Keras	深層学習のフレームワーク。可視化には関係しない。	グラフ描画には使われない。
matplotlib	Pythonの代表的な可視化ライブラリ。細かいカスタマイズが可能だが、コード量が増えやすい。	seabornはmatplotlibの拡張版として機能する。

seaborn vs. matplotlib（pyplot）

matplotlib（特に pyplot）とseabornの最大の違いは、スタイルのデフォルト設定とコードの簡潔さ だ。

例えば、同じデータのヒストグラムを描画する場合、matplotlibでは以下のようなコードが必要になる。

import matplotlib.pyplot as plt

# サンプルデータ
data = [1, 2, 2, 3, 3, 3, 4, 4, 5]

# ヒストグラムを作成
plt.hist(data, bins=5, edgecolor="black")

# グラフを表示
plt.show()

一方、seabornなら次のようにシンプルに記述できる。

import seaborn as sns
import matplotlib.pyplot as plt

# ヒストグラムを作成
sns.histplot(data, bins=5, kde=True)

# グラフを表示
plt.show()

このように、seabornはデフォルトのスタイルが整っており、簡単なコードで視覚的に優れたグラフを描画できる。

---

まとめ

G検定の問題において、Pythonのデータ可視化ライブラリ「seaborn」が sns のエイリアスで使われることを押さえておくべきだ。

• seabornはmatplotlibをベースにした統計的データ可視化ライブラリ
• 美しく見やすいグラフを簡単に作成できる
• matplotlibの pyplot とは違い、デフォルトのスタイルが洗練されている

この知識を理解しておけば、G検定対策だけでなく、実際のデータ分析業務でも役立つだろう。