これまでの連載で、Matplotlibを使って一通りのグラフが描けるようになりました。 しかし、「もう少し今風の、オシャレな色使いにしたい」「設定を細かく書くのが面倒」と感じることはありませんか？
今回は、Matplotlibをベースにしながら、より簡単に、そして美しくデータを可視化できるライブラリ「Seaborn」の使い方を解説します！
第4回：1行でプロ級のデザイン！Seabornでオシャレなグラフを作ろう【Pythonでグラフを作る短期連載】
1. Seaborn（シーボーン）とは？
Seabornは、Matplotlibの上位互換のようなライブラリです。 最大のメリットは、「デフォルトのデザインが洗練されている」ことと、「統計的なグラフが短いコードで書ける」ことです。
Google Colabには最初からインストールされているので、インポートするだけで使えます。
2. 1行で変わる！基本のインポートとスタイル設定
まずは、Seabornを呼び出して「見た目」を整える魔法の1行を書いてみましょう。
import matplotlib.pyplot as plt
import seaborn as sns # snsという名前で呼ぶのが慣例
import japanize_matplotlib
# Seabornのスタイルを適用（日本語フォントを指定して文字化けを防止）
sns.set_theme(font='IPAexGothic')
x = ['A', 'B', 'C', 'D']
y = [10, 25, 15, 30]
plt.bar(x, y)
plt.title('Seaborn適用後の棒グラフ')
plt.show()
💡 豆知識：Seabornで日本語が「□」になる時は？
Seabornの sns.set_theme() は、実行するとフォント設定をリセットしてしまう特性があります。そのため、japanize_matplotlib を使っていても、その後にテーマを設定すると文字化け（豆腐現象）が起きてしまいます。
解決策は、今回のように set_themeの中で直接フォントを指定する こと。これでSeabornのオシャレなデザインと日本語表示を両立できます！
3. Seabornならではの「色分け」テクニック
Seabornの真価は、データのグループ分けが簡単にできる点にあります。 例えば、sns.barplot() を使うと、複雑な設定なしで綺麗な色分けが可能です。
import seaborn as sns
import matplotlib.pyplot as plt
import japanize_matplotlib
# スタイルの再設定（フォント指定含む）
sns.set_theme(font='IPAexGothic')
# サンプルデータ（ランチの注文数イメージ）
menu = ['カレー', '定食', '麺類', 'カレー', '定食', '麺類']
orders = [40, 55, 30, 45, 60, 35]
day = ['平日', '平日', '平日', '休日', '休日', '休日']
# hue（色相）を指定するだけで「平日・休日」の比較が簡単に！
sns.barplot(x=menu, y=orders, hue=day)
plt.title('カテゴリ別の売上比較（Seaborn版）')
plt.show()
4. まとめ：なぜエンジニアにSeabornが人気なのか
製品評価やデータ分析の現場では、スピード感も重要です。
- デザインの自動化：色選びやグリッド設定に悩まなくて良い。
- 統計機能が強力：平均値や信頼区間を自動で計算して表示してくれる。
- Matplotlibとの共存：これまで学んだ
plt.title()などもそのまま使える。
第4回はここまでです。1行コードを足すだけで、グラフの印象がガラッと変わるのがSeabornの面白いところですね。
次回は、いよいよ本番！実務で最も使う「CSVファイルからデータを読み込んでグラフ化する」という流れを実践します。
