本ページ内での定義

　df = DataFrame
　Val = Variables　連続値
　Gval = Grouping variables　グループ分けして視認可能な 離散値 | オブジェクト

ライブラリの読み込み

import pandas as pd
pd.plotting.register_matplotlib_converters() # datetime型のデータを扱う場合
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns
print("Setup Complete")

共通パラメータ

　data = pandas.DataFrame, numpy.ndarray, mapping, or sequence
　x, y = vectors or keys in data
　hue = Gvalを色合いで区別
　legend = 凡例　“auto”, “brief”, “full”, or False

散布図

sns.relplot()　　x=Val, y=Val
　size = Valの量をマーカーの大きさで表現
　style = Gvalをマーカーで区別（●×■◆▲…）
　col = Gval毎にsubplotを生成
　col_wrap = 1行毎のsubplotの数

sns.relplot(data=df, x="Val", y="Val", hue="Gval", size="Val", style="Gval", col="Gval", col_wrap=num)

sns.scatterplot()　　x=Val, y=Val
　size = Valの量をマーカーの大きさで表現
　style = Gvalをマーカーで区別（●×■◆▲…）

plt.figure(figsize=(12,6))
sns.scatterplot(data=df, x="Val", y="Val", hue="Gval", size="Val", style="Gval")

折れ線グラフ

sns.lineplot()　　x=Gval, y=Val
　　style = Gvalをマーカーで区別（●×■◆▲…）
　　markers = True / False(None)　マーカーの表示 / 非表示
　　dashes = True / False(None)　Gval毎に線種を変える / 変えない
　　err_style* = “band” / “bars” / None　誤差範囲を 範囲表示 / 縦線表示 / 非表示

plt.figure(figsize=(12,3))
sns.lineplot(data=df, x="Gval", y="Val", hue="Gval", style="Gval", markers=boolean, dashes=boolean, err_style=None*)

複合

sns.displot()　　x=Val, y=Val

　kind = “hist”(ヒストグラム) / “ecdf”(経験的累積分布関数)
　kde = True　kde(カーネル密度推定) 追加表示

sns.scatterplot(data=df, x="Val", y="Val", hue="Gval", kind="hist/ecdf", kde=boolean)
hist
ecdf
kde

ヒストグラム

sns.histplot()　　x, y = Val / Gval

　bins = num　x軸の分割数
　multiple* = layer / stack / fill / dodge　

plt.figure(figsize=(12,3))
sns.histplot(data=df, x/y="Val/Gval", hue="Gval", bins=20, multiple="stack"*)