Pythonでヒートマップ作成｜Seabornによるデータ可視化手法解説

2022年8月3日

当ページには広告が含まれています。

こんにちは、DXCEL WAVEの運営者(@dxcelwave)です！

こんな方におすすめ！

Pythonでヒートマップを作成したい。
Seabornをヒートマップ作成メソッドを用いたプログラミング手法を知りたい。

【Python】Seabornとは？

SeabornとはPythonライブラリであり、グラフの作成やヒートマップの可視化を目的として用いられます。

SeabornはMatplotlibと同様人気が高いデータ可視化ライブラリです。特に、seabornを用いたグラフや表はデザイン性に優れていることが魅力の１つと言えます。

Seabornにはヒートマップを可視化できるSeaborn.heatmap()メソッドが用意されており、本記事ではこのメソッドの使い方について詳しく解説します。

Seabornを用いたヒートマップ作成メソッドのひな型

seaborn.heatmap()メソッドのひな型コードを示します。まず引数の概要について確認しましょう。

Seaborn.heatmapメソッド

seaborn.heatmap(data, 
                vmin=None, 
                vmax=None, 
                cmap=None, 
                center=None, 
                robust=False,
                annot=None, 
                fmt='.2g', 
                annot_kws=None, 
                linewidths=0,
                linecolor='white', 
                cbar=True, 
                cbar_kws=None, 
                cbar_ax=None,
                square=False, 
                ax=None, 
                xticklabels=True, 
                yticklabels=True,
                mask=None, 
                **kwargs,
                )

パラメータ（引数）の説明

スクロールできます

引数名	概要	デフォルト値
data	ヒートマップを表現する2次元のデータ	必須
vmin	カラーマップの最小値	None
vmax	カラーマップの最大値	None
cmap	Matplotlibのオブジェクトを指定し、カラーマップをデザイン	None
center	colormapの中心値	None
robust	True：カラーマップの外れ値の影響を考慮（vmin, vmax=Noneの場合）	False
annot	True：セル上に値出力	None
annot_kws	テキストプロパティを指定し、セル上の出力値の書式デザイン (annot=Trueの場合）	None
fmt	True：文字列フォーマットを指定	‘.2g’
linewidths	枠線の太さ	0
linecolor	枠線の色	‘white’
cbar	True：カラーバーを出力	True
cbar_kws	カラーバーの書式デザイン	None
cbar_ax	カラーバーの軸指定	None
square	True：正方形のマップ出力	False
ax	マップの軸を指定	None
xticklabels	True：pandas.DataFrameの列名をX軸として出力	True
yticklabels	True：pandas.DataFrameの列名をY軸として出力	True
mask	値をマスクするセルを指定	None
kwargs	その他キーワード引数を指定

【Python実践】Seabornでヒートマップを作成

それでは実際にPythonとSeabornを用いてヒートマップを可視化してみましょう。

データセットの説明

データセットには、Boston Housingというデータセットを活用します。

1970年代後半におけるボストンの住宅情報とその地域における環境をまとめたデータセットであり、住宅価格の予測を目的とした回帰モデル作成のチュートリアルによく利用されます。

Boston Housingデータセットの説明変数および目的変数の概要はそれぞれ以下になります。

説明変数一覧

特徴量名	概要
CRIM	（地域人工毎の）犯罪発生率
ZN	25,000平方フィート以上の住宅区画の割合
INDUS	（地域人工毎の）非小売業の土地面積の割合
CHAS	チャールズ川沿いに立地しているかどうか（該当の場合は1、そうでない場合は0）
NOX	窒素酸化物の濃度（単位：pphm）
RM	平均部屋数/一戸
AGE	1940年よりも古い家の割合
DIS	5つのボストン雇用センターまでの重み付き距離
RAD	主要な高速道路へのアクセス指数
TAX	10,000ドルあたりの所得税率
PTRATIO	（地域人工毎の）学校教師1人あたりの生徒数
B	（地域人工毎の）アフリカ系アメリカ人居住者の割合
LSTAT	低所得者の割合

目的変数一覧

特徴量名	概要
MEDV	住宅価格の中央値（単位 $1,000）

データの読み込み

前述のデータを用いて変数間の相関係数をヒートマップとして可視化します。下記を実行しデータを読み込みましょう。

# データ前処理
import numpy as np
import pandas as pd

# データ可視化
import seaborn

# データセット読込
from sklearn.datasets import load_boston
boston = load_boston()

# DataFrame作成
df = pd.DataFrame(boston.data)
df.columns = boston.feature_names
df["MEDV"] = boston.target

# 相関係数（今回ヒートマップを描くためのデータとして利用）
# ndarray形式に変換可能な2次元のデータセットを用いる
corr = np.corrcoef(df.values.T)

ヒートマップを作成

# ヒートマップ
hm = seaborn.heatmap(corr, 
                     cmap=None, 
                     annot=True, 
                     fmt='.2g', 
                     annot_kws={'size': 8}, 
                     linewidths=0,
                     linecolor='white', 
                     cbar=True,  
                     xticklabels=list(df.columns),
                     yticklabels=list(df.columns),
                     )

# グラフ可視化
plt.tight_layout()
plt.show()