DNET_Matplotlib

Matplotlib

• 戻る（Python） > Pythonセカンド・ステップ
  • NumPy
  • Pandas
  • Matplotlib

概要

Matplotlib（マットプロットリブ）は二次元の平面にグラフを描画するライブラリ

• オブジェクト指向のAPIを提供しており、様々な種類のグラフを描画する能力を持つ。
• 描画できるのは主に2次元のプロットだが、3次元プロットの機能も追加されてきている。
• BSDスタイルのライセンスの下で配布されている。

準備

インストール

matplotlib

>pip install matplotlib

seaborn

matplotlibラッパ

>pip install seaborn

インポート

別名

numpyも一緒にインポート

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

jupyter上で利用するとき

>>>%matplotlib inline

ファースト・ステップ

ヒストグラム

データの生成（ヒストグラム）

• 最も単純な例

  x = np.random.normal(70, 10, 1000) # 平均70・標準偏差10のデータ1000個

• 階層別表示の例

  y=[0,1,2]
  # valのベクトルを生成し、ｎ行１列の２次元配列（行列）化
  y[0]=np.random.normal(50, 10, 1000).reshape(-1, 1) # 平均50・標準偏差10のデータ1000個
  y[1]=np.random.normal(150, 20, 1000).reshape(-1, 1) # 平均150・標準偏差20のデータ1000個
  y[2]=np.random.normal(100, 30, 1000).reshape(-1, 1) # 平均100・標準偏差30のデータ1000個
  # clsのベクトルを生成し、ｎ行１列の２次元配列（行列）化して、valとclsを結合（ｎ行２列の２次元配列（行列））
  y[0]=np.hstack([y[0], np.full(1000, 0).reshape(-1, 1)])
  y[1]=np.hstack([y[1], np.full(1000, 1).reshape(-1, 1)])
  y[2]=np.hstack([y[2], np.full(1000, 2).reshape(-1, 1)])
  # numpy.ndarray（行列）をDataFrame化
  y[0]=pd.DataFrame(y[0],columns=['val','cls'])
  y[1]=pd.DataFrame(y[1],columns=['val','cls'])
  y[2]=pd.DataFrame(y[2],columns=['val','cls'])
  # ３つのclsのDataFrameを結合
  df=y[0]
  df=pd.concat([df,y[1]],axis=0)
  df=pd.concat([df,y[2]],axis=0)
  # インデックス再設定
  df.index=np.arange(len(df))

データの可視化（ヒストグラム）

• 最も単純な例

  • binsの自動算出

    >>>plt.hist(x)
    >>>plt.show()
    

  • 最適なbinsを算出
    スタージェスの公式（1+log2n）を基に最適なbinsを算出

    >>>import math
    >>>bins = math.log(len(x), 2) + 1
    >>>plt.hist(x, bins=round(bins))
    >>>plt.show()
    

• 階層別表示の例
  cls列の値（階層）毎にグループ分けしてval値をヒストグラムで可視化

  for _class, _color in zip([0,1,2], ['r','g','b']):
      plt.hist(df[df.cls==_class]['val'], bins=round(bins), alpha=0.3, color=_color)
  plt.show()

散布図

データの生成（散布図）

線形単回帰している風のデータを生成する。

• データ１

  >>>np.random.seed(0) # 乱数生成器の状態を指定
  >>>x1=np.random.normal(50,10,100) # 平均50 標準偏差10の正規分布データ100個
  >>>y1=x1+np.random.normal(0,10,100) # 線形単回帰している風のxに対応するyの値
  
  >>>x1
  ...見ても解らん数字の羅列...
  >>>y1
  ...見ても解らん数字の羅列...
  

• データ２
  より、相関係数が大きい感じのデータ。

  >>>np.random.seed(0) # 乱数生成器の状態を指定
  >>>x2=np.random.normal(30,10,100) # 平均30 標準偏差10の正規分布データ100個
  >>>y2=2*x2+np.random.normal(0,10,100) # 線形単回帰している風のxに対応するyの値
  
  >>>x2
  ...見ても解らん数字の羅列...
  >>>y2
  ...見ても解らん数字の羅列...
  

データの可視化（散布図）

• 可視化

  >>>plt.scatter(x,y)
  >>>plt.title('グラフのタイトル')
  >>>plt.xlabel('x軸のラベル')
  >>>plt.ylabel('y軸のラベル')
  >>>plt.xticks(np.arange(下限,上限,間隔))
  >>>plt.yticks(np.arange(下限,上限,間隔))
  >>>plt.grid() # グリッド線を表示
  >>>plt.show()
  

• scatterメソッドのオプション

  • プロットと凡例の色
    https://matplotlib.org/2.0.2/users/colors.html

    color='blue'
    

  • プロットのマーカー
    https://matplotlib.org/stable/api/markers_api.html

    marker='x'
    

  • 凡例に表示する文字

    label='data x'
    

  • 凡例を表示する場合、以下を実行

    >>>plt.legend(loc='upper right') # 凡例位置
    

• 例

  • １つのデータ群

    • 最も単純な例

      >>>plt.scatter(x1,y1)
      >>>plt.show()
      

    • 修飾を加えた例

      >>>plt.scatter(x1,y1)
      >>>plt.title('title')
      >>>plt.xlabel('xlabel')
      >>>plt.ylabel('ylabel')
      >>>plt.xticks(np.arange(0,100,10))
      >>>plt.yticks(np.arange(0,100,10))
      >>>plt.grid() # グリッド線を表示
      >>>plt.show()
      

  • ２つのデータ群

    >>>plt.scatter(x1,y1,color='red',marker='x',label='data1')
    >>>plt.scatter(x2,y2,color='blue',marker='+',label='data2')
    >>>plt.title('title')
    >>>plt.xlabel('xlabel')
    >>>plt.ylabel('ylabel')
    >>>plt.legend(loc='upper right') # 凡例位置
    >>>plt.xticks(np.arange(0,100,10))
    >>>plt.yticks(np.arange(0,100,10))
    >>>plt.grid() # グリッド線を表示
    >>>plt.show()
    

三次関数グラフ

データの生成（三次関数）

コチラは関数なので、式（y=x^3+x^2+x+1）からデータを生成する感じ。

>>>#x座標
>>>x=np.arange(-10,10,0.1) # -10 - +10まで0.1刻みの配列
>>>#y座標
>>>y=0.01*(x**3+x**2+x+1)  # 三次関数：y=x^3+x^2+x+1

データの可視化（三次関数）

グラフのプロット

• 最も単純な例

  >>>plt.plot(x,y)  # グラフをプロットする
  >>>plt.show()     # グラフを表示する
  

• 修飾を加えた例
  前述の修飾項目を除く

  >>>plt.plot(x,y) # グラフをプロットする
  >>>plt.hlines([0], -10, 10, linestyles='dashed', color='gray') # x軸に平行な直線を表示
  >>>plt.vlines([0], -1, 1, linestyles='dashed', color='gray')   # y軸に平行な直線を表示
  >>>plt.xlim([-5, 5])  # x軸方向の表示範囲を指定
  >>>plt.ylim([-1, 1])  # y軸方向の表示範囲を指定
  >>>plt.show() # グラフを表示する
  

三角関数グラフ

sin関数グラフ

sin関数からデータを生成する。

• データの生成

  >>>#x座標
  >>>x=np.arange(0,6,0.1) # 0 - 6まで0.1刻みの配列
  >>>x
  array([ 0. ,  0.1,  0.2,  0.3,  0.4,  0.5,  0.6,  0.7,  0.8,  0.9,  1. ,
          1.1,  1.2,  1.3,  1.4,  1.5,  1.6,  1.7,  1.8,  1.9,  2. ,  2.1,
          2.2,  2.3,  2.4,  2.5,  2.6,  2.7,  2.8,  2.9,  3. ,  3.1,  3.2,
          3.3,  3.4,  3.5,  3.6,  3.7,  3.8,  3.9,  4. ,  4.1,  4.2,  4.3,
          4.4,  4.5,  4.6,  4.7,  4.8,  4.9,  5. ,  5.1,  5.2,  5.3,  5.4,
          5.5,  5.6,  5.7,  5.8,  5.9])
  
  >>>#y座標
  >>>y=np.sin(x)
  >>>y
  array([ 0.        ,  0.09983342,  0.19866933,  0.29552021,  0.38941834,
          0.47942554,  0.56464247,  0.64421769,  0.71735609,  0.78332691,
          0.84147098,  0.89120736,  0.93203909,  0.96355819,  0.98544973,
          0.99749499,  0.9995736 ,  0.99166481,  0.97384763,  0.94630009,
          0.90929743,  0.86320937,  0.8084964 ,  0.74570521,  0.67546318,
          0.59847214,  0.51550137,  0.42737988,  0.33498815,  0.23924933,
          0.14112001,  0.04158066, -0.05837414, -0.15774569, -0.2555411 ,
         -0.35078323, -0.44252044, -0.52983614, -0.61185789, -0.68776616,
         -0.7568025 , -0.81827711, -0.87157577, -0.91616594, -0.95160207,
         -0.97753012, -0.993691  , -0.99992326, -0.99616461, -0.98245261,
         -0.95892427, -0.92581468, -0.88345466, -0.83226744, -0.77276449,
         -0.70554033, -0.63126664, -0.55068554, -0.46460218, -0.37387666])
  

• データの描画

  >>>#グラフ描画
  >>>plt.plot(x,y)
  >>>plt.show()
  

sin, cos関数グラフ

同様に、sin, cos関数からデータを生成する。

• データの生成

  >>>#x座標
  >>>x=np.arange(0,6,0.1) # 0 - 6まで0.1刻みの配列
  
  >>>#y座標
  >>>y1=np.sin(x)
  >>>y2=np.cos(x)
  

• データの描画

  >>>#グラフ描画
  >>> plt.plot(x,y1, label="sin")
  >>> plt.plot(x,y2, linestyle="--", label="cos")
  >>> plt.xlabel("x")
  >>> plt.ylabel("y")
  >>> plt.title("sin & cos")
  >>> plt.legend()
  >>> plt.show()
  

セカンド・ステップ

パレート図

結構手数が要る。

散布図行列

matplotlibラッパであるseabornを使って、
表の全ペアのヒストグラムと散布図（統計解析の該当節を参照）を表示。

データの生成（散布図行列）

• 準備
  scikit-learnのデータセットを使う

  >pip install scikit-learn
  

• 生成
  df は数値表として初期化されたDataFrame（Pandasの該当節を参照）

  from sklearn import datasets
  iris = datasets.load_iris()
  df_data = pd.DataFrame(iris.data, columns=iris.feature_names)
  df_target = pd.DataFrame(iris.target, columns=['species'])
  df = pd.concat([df_data, df_target], axis=1)
  df.head()

データの描画（散布図行列）

• 既定値

  >>>sns.pairplot(df, height=2.0)
  >>>plt.show()
  

• カテゴリ列値で色分け

  >>>sns.pairplot(df, hue='カテゴリ列')
  >>>plt.show()
  

ヒートマップ

データの生成（ヒートマップ）

df は数値表として初期化されたDataFrame（Pandasの該当節を参照）。

# 10x12 の一様乱数を生成
np.random.seed(0)
uniform_data = np.random.rand(10, 12)

データの描画（ヒートマップ）

# 図表のサイズを指定
plt.figure(figsize=(10, 7))

# numpy.ndarray（行列）でもDataFrameでもOK
# annot : 数値を表示するかどうか(annotation)
# square: 四角を正方形に合わせるかどうか
# fmt   : 表示する数値の形式(formatting)
sns.heatmap(uniform_data, annot=True, square=True, fmt='.2f')

plt.show()

サード・ステップ（その他）

画像の表示

>>>from matplotlib.image import imread
>>>img=imread('C:\Windows\Web\Wallpaper\Theme1\img1.jpg')
>>>plt.imshow(img)
>>>plt.show()

3次元のプロット

準備（3次元プロット）

インポート

# import
from mpl_toolkits.mplot3d import Axes3D

追加

• 点

  # (x, y, z)
  x = np.random.rand(50)
  y = np.random.rand(50)
  z = np.random.rand(50)
  
  # 図表の定義
  fig = plt.figure()
  #ax = Axes3D(fig)
  ax = fig.add_subplot(projection='3d')
  
  # 3Dでプロット
  ax.scatter(x, y, z)
  
  # ラベル
  ax.set_xlabel('X-label')
  ax.set_ylabel('Y-label')
  ax.set_zlabel('Z-label')

• 線

  • 直線

    # (x, y, z)
    x = [1, 2, 3, 4, 5]
    y = [1, 2, 3, 4, 5]
    z = [1, 2, 3, 4, 5]
    
    # 図表の定義
    fig = plt.figure()
    #ax = Axes3D(fig)
    ax = fig.add_subplot(projection='3d')
    
    # 3Dでプロット
    ax.plot(x, y, z, "o-")
    
    # ラベル
    ax.set_xlabel('X-label')
    ax.set_ylabel('Y-label')
    ax.set_zlabel('Z-label')

  • 曲線

    # (x, y, z)
    x = np.linspace(0, 8 * np.pi, num=50)
    y = x * np.cos(x)
    z = x * np.sin(x)
    
    # 図表の定義
    fig = plt.figure()
    #ax = Axes3D(fig)
    ax = fig.add_subplot(projection='3d')
    
    # 3Dでプロット
    ax.plot(x, y, z, "o-")
    
    # ラベル
    ax.set_xlabel('X-label')
    ax.set_ylabel('Y-label')
    ax.set_zlabel('Z-label')

• 面

  • 平面

    # (x, y, z)
    # 2次元のグリッド座標
    x, y = np.meshgrid(np.arange(0, 40, 2.5), np.arange(1, 10, 0.5))
    # 平面の式
    z = 2*x + 3*y + 4
    
    # 図表の定義
    fig = plt.figure()
    #ax = Axes3D(fig)
    ax = fig.add_subplot(projection='3d')
    
    # 3Dでプロット
    ax.plot_wireframe(x,y,z)
    
    # ラベル
    ax.set_xlabel('X-label')
    ax.set_ylabel('Y-label')
    ax.set_zlabel('Z-label')

  • 曲面

    # (x, y, z)
    # 2次元のグリッド座標
    x, y = np.meshgrid(np.arange(-3, 3, 0.25), np.arange(-3, 3, 0.25))
    # 曲面の式
    z = np.sin(x)+ np.cos(y)
    
    # 図表の定義
    fig = plt.figure()
    #ax = Axes3D(fig)
    ax = fig.add_subplot(projection='3d')
    
    # 3Dでプロット
    ax.plot_wireframe(x,y,z)
    
    # ラベル
    ax.set_xlabel('X-label')
    ax.set_ylabel('Y-label')
    ax.set_zlabel('Z-label')

参考

• matplotlib - Wikipedia
  https://ja.wikipedia.org/wiki/Matplotlib

• DxCommon/MatplotlibTraining.ipynb at develop · OpenTouryoProject/DxCommon · GitHub
  https://github.com/OpenTouryoProject/DxCommon/blob/develop/Notebook/path/MatplotlibTraining.ipynb

移行メモ

• 三次関数の式が「y=x^3+x^2x+x+1」となっていたが、コード （0.01*(x**3+x**2+x+1)）に合わせて「y=x^3+x^2+x+1」に修正した（2 箇所）。 また、y 座標を生成する行のコメントが「#x座標」となっていたため「#y座標」に修正した。
• 散布図の「データ１」で、生成した変数は x1 / y1 なのに表示例が x2 / y2 に なっていたため x1 / y1 に修正した。
• ヒストグラムの階層別表示の例で、cls 列の値は 0/1/2 なのに zip([1,2,3], ...) となっていたため zip([0,1,2], ...) に修正した。
• 「5より大きい」等と同様、条件と説明の不一致は原文どおりの意味を保って整えた。
• 元 Wiki では「sin関数グラフ」と「sin, cos関数グラフ」が同じアンカ （#m6ad31a6）を持っていたが、GitHub Wiki では見出しから別々のアンカが 生成されるため、そのまま移行した。
• 同名の見出し（「データの生成」「データの可視化」「データの描画」「準備」）が 複数あり、GitHub Wiki ではアンカが衝突するため、括弧で文脈を補って一意にした。
• 元 Wiki の「戻る」の並びで Matplotlib が HTML 実体参照（Matplotlib）で 書かれていたが、PukiWiki のページ内リンク自動生成を避けるための記法と 思われるため、通常の文字列に戻した。
• 添付 3 点は DNET_Matplotlib_1.png〜_3.png として取得した。

---

Tags: 移行, Matplotlib, seaborn, Python, グラフ, ヒストグラム, 散布図, ヒートマップ, 3Dプロット, 可視化