インストールとスタートガイド#

seaborn の公式リリースは PyPI からインストールできます。

pip install seaborn

pip の基本的な呼び出しで seaborn と、必要に応じて必須の依存関係がインストールされます。いくつかの高度な機能へのアクセスを提供するオプションの依存関係を含めることも可能です。

pip install seaborn[stats]

このライブラリは Anaconda ディストリビューションの一部としても含まれており、conda でインストールできます。

conda install seaborn

Anaconda のメインリポジトリは新しいリリースの追加が遅い場合があるため、conda-forge チャネルの使用をお勧めします。

conda install seaborn -c conda-forge

依存関係#

サポートされている Python バージョン#

Python 3.8+

必須の依存関係#

オプションの依存関係#

高度な回帰プロットのための statsmodels
クラスタリング行列といくつかの高度なオプションのための scipy
大きな行列の高速クラスタリングのための fastcluster

クイックスタート#

seaborn をインストールしたら、すぐに使い始めることができます。テストするには、サンプルデータセットの1つを読み込んでプロットしてみてください。

import seaborn as sns
df = sns.load_dataset("penguins")
sns.pairplot(df, hue="species")

matplotlib モードが有効になっている Jupyter ノートブックまたは IPython ターミナルで作業している場合は、すぐにプロットが表示されます。そうでない場合は、明示的に matplotlib.pyplot.show() を呼び出す必要がある場合があります。

import matplotlib.pyplot as plt
plt.show()

seaborn のみをインポートすればかなり多くのことができますが、matplotlib 関数にアクセスできると便利なことがよくあります。チュートリアルと API ドキュメントでは、通常、次のインポートを想定しています。

import numpy as np
import pandas as pd

import matplotlib as mpl
import matplotlib.pyplot as plt

import seaborn as sns
import seaborn.objects as so

インストールに関する問題のデバッグ#

seaborn のコードベースは純粋な Python であり、ライブラリは一般的に問題なくインストールされるはずです。依存関係にコンパイルされたコードが含まれており、システムライブラリにリンクしているため、問題が発生することがあります。これらの問題は通常、"DLL load failed" などのメッセージを含むインポート時のエラーとして現れます。このような問題をデバッグするには、例外トレースを読んで、インポートに失敗した特定のライブラリを特定し、そのパッケージのインストールドキュメントを参照して、特定のシステムのヒントがあるかどうかを確認してください。

場合によっては、seaborn のインストールは成功したように見えますが、インポートしようとすると "No module named seaborn" というメッセージのエラーが発生することがあります。これは通常、システムに複数の Python インストールがあり、pip または conda がインタープリターが存在する場所とは異なるインストールを指していることを意味します。この問題を解決するには、システムのパスを整理する必要がありますが、pip を python -m pip install seaborn で呼び出すことで回避できる場合があります。

ヘルプの入手#

seaborn にバグが発生したと思われる場合は、GitHub issue tracker に報告してください。バグレポートが役に立つためには、次の情報を含める必要があります。

問題を再現できるコード例
表示されている出力 (プロットの画像、またはエラーメッセージ)
何かが間違っていると思われる理由の明確な説明
使用している seaborn と matplotlib の具体的なバージョン

バグレポートは、seaborn ドキュメントのサンプルデータセットの1つを使用して (つまり、load_dataset() を使用して) デモンストレーションできる場合、最も簡単に対応できます。そうでない場合は、問題を再現するために、サンプルで合成データを生成することが望ましいです。実際のデータセットでのみ問題を再現できる場合は、理想的には csv として共有する必要があります。

エラーが発生した場合は、新しい issue を開く前にメッセージの具体的なテキストを検索すると、問題を迅速に解決し、重複したレポートの作成を回避できることがよくあります。

matplotlib が実際のレンダリングを処理するため、エラーまたは間違った出力は、seaborn ではなく matplotlib の問題が原因である可能性があります。matplotlib のみを使用する例で問題を再現しようとすると、時間を節約でき、適切な場所に報告できます。ただし、その方法が明らかでない場合は、この手順を省略しても構いません。

一般的なサポートの質問は、stackoverflow の方が適しています。stackoverflow には、投稿を見る人が多く、支援を提供できる可能性があります。実行可能なコード、達成したいことの正確な記述、および発生した問題の明確な説明を含めると、迅速な回答が得られる可能性が高くなります。