Pythonでペアプロットを使ってデータを可視化する方法と活用方法11選

import seaborn as sns
import matplotlib.pyplot as plt

import seaborn as sns
import matplotlib.pyplot as plt

# アイリスデータセットの読み込み
iris = sns.load_dataset("iris")

# ペアプロットの作成
sns.pairplot(iris)

# グラフの表示
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt

# アイリスデータセットの読み込み
iris = sns.load_dataset("iris")

# hue引数を使ったペアプロットの作成
sns.pairplot(iris, hue="species")

# グラフの表示
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

# アイリスデータセットの読み込み
iris = sns.load_dataset("iris")

# 相関係数の計算
corr = iris.drop("species", axis=1).corr()

# ペアプロットの作成
g = sns.pairplot(iris, hue="species")

# 相関係数をヒートマップとして追加
for i, j in zip(*np.triu_indices_from(g.axes, 1)):
    g.axes[i, j].annotate(f"{corr.iloc[i, j]:.2f}", (0.5, 0.5), 
                          xycoords="axes fraction", 
                          ha='center', va='center')

# グラフの表示
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt

# タイタニックデータセットの読み込み
titanic = sns.load_dataset("titanic")

# 関心のある変数を選択
vars_of_interest = ['age', 'fare', 'pclass', 'survived']

# ペアプロットの作成
sns.pairplot(titanic[vars_of_interest], hue='survived')

plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# アイリスデータセットの読み込み
iris = sns.load_dataset("iris")

# 図の設定
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(20, 8))

# ペアプロットの作成
sns.pairplot(iris, hue="species", ax=ax1)

# 相関係数の計算
corr = iris.drop("species", axis=1).corr()

# ヒートマップの作成
sns.heatmap(corr, annot=True, cmap="coolwarm", ax=ax2)

plt.tight_layout()
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib.animation as animation
import pandas as pd
import numpy as np

# ダミーデータの作成（時系列データをシミュレート）
np.random.seed(0)
dates = pd.date_range('20210101', periods=100)
df = pd.DataFrame({
    'date': dates,
    'A': np.random.randn(100).cumsum(),
    'B': np.random.randn(100).cumsum(),
    'C': np.random.randn(100).cumsum(),
    'D': np.random.randn(100).cumsum()
})

# アニメーションの初期化関数
def init():
    sns.pairplot(df.iloc[:1, 1:])
    return plt.gcf()

# アニメーションの更新関数
def update(frame):
    plt.clf()
    sns.pairplot(df.iloc[:frame, 1:])
    plt.suptitle(f'Date: {df.iloc[frame-1].date.strftime("%Y-%m-%d")}')
    return plt.gcf()

# アニメーションの作成
ani = animation.FuncAnimation(plt.figure(), update, frames=range(1, len(df)+1),
                              init_func=init, interval=100)

# アニメーションの保存（GIF形式）
ani.save('pairplot_animation.gif', writer='pillow')

# データの一部（例：最初の1000行）を使用
sns.pairplot(df.head(1000))

# データ型の確認
print(df.dtypes)

# データ型の変換（例：文字列を数値に変換）
df['数値列'] = pd.to_numeric(df['文字列列'], errors='coerce')

# 欠損値の処理（例：欠損値を含む行を削除）
df_cleaned = df.dropna()

# クリーニング後のデータでペアプロットを作成
sns.pairplot(df_cleaned)

import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.datasets import load_boston

# ボストン住宅価格データセットの読み込み
boston = load_boston()
df = pd.DataFrame(boston.data, columns=boston.feature_names)
df['PRICE'] = boston.target

# 相関の強い特徴量を選択
corr_matrix = df.corr().abs()
upper = corr_matrix.where(np.triu(np.ones(corr_matrix.shape), k=1).astype(bool))
to_drop = [column for column in upper.columns if any(upper[column] > 0.8)]

# 選択された特徴量のペアプロット
sns.pairplot(df.drop(to_drop, axis=1), plot_kws={'alpha': 0.6})
plt.tight_layout()
plt.show()

import yfinance as yf
import seaborn as sns
import matplotlib.pyplot as plt

# 株価データの取得（例：Apple, Google, Microsoft）
tickers = ['AAPL', 'GOOGL', 'MSFT']
data = yf.download(tickers, start="2022-01-01", end="2023-01-01")

# 終値のみを使用
close_prices = data['Close']

# 日次リターンの計算
returns = close_prices.pct_change()

# ペアプロットの作成
sns.pairplot(returns, diag_kind='kde')
plt.tight_layout()
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 架空の医療データの作成
np.random.seed(0)
n = 1000
df = pd.DataFrame({
    'Age': np.random.normal(50, 15, n),
    'BMI': np.random.normal(25, 5, n),
    'Blood_Pressure': np.random.normal(120, 20, n),
    'Cholesterol': np.random.normal(200, 40, n),
    'Glucose': np.random.normal(100, 20, n),
    'Heart_Disease': np.random.choice([0, 1], n, p=[0.8, 0.2])
})

# ペアプロットの作成
sns.pairplot(df, hue='Heart_Disease', palette={0: "blue", 1: "red"})
plt.tight_layout()
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 架空のマーケティングデータの作成
np.random.seed(0)
n = 1000
df = pd.DataFrame({
    'Age': np.random.normal(35, 10, n),
    'Income': np.random.normal(50000, 15000, n),
    'Spending': np.random.normal(5000, 2000, n),
    'Time_on_Site': np.random.normal(30, 10, n),
    'Clicks': np.random.poisson(20, n),
    'Customer_Type': np.random.choice(['New', 'Returning'], n, p=[0.3, 0.7])
})

# ペアプロットの作成
sns.pairplot(df, hue='Customer_Type', palette={'New': "green", 'Returning': "orange"})
plt.tight_layout()
plt.show()