Matplotlib のバックアップ(No.9) - .NET 開発基盤部会 Wiki

[ トップ ] [ 新規 | 一覧 | 単語検索 | 最終更新 | ヘルプ ]

「.NET 開発基盤部会 Wiki」は、「Open棟梁Project」,「OSSコンソーシアム .NET開発基盤部会」によって運営されています。

戻る > Pythonセカンド・ステップ
- NumPy
- Pandas
- Matplotlib

目次 †

概要 †

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 †

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

データの可視化 †

最も単純な例
```
>>>plt.hist(x)
>>>plt.show()
```

最適なbinsを算出
スタージェスの公式をもとに最適なbinsを算出

>>>import math
>>>bins = math.log(1000, 2) + 1
>>>plt.hist(eng, bins=round(bins))
>>>plt.show()

散布図 †

データの生成 †

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

>>>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 †

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 †

コチラは関数なので、式（y=x^3+x^2x+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
>>>#x座標
>>>y=0.01*(x**3+x**2+x+1)  # 三次関数：y=x^3+x^2x+x+1

データの可視化 †

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)
[<matplotlib.lines.Line2D object at 0x0000028686ACB860>]
>>>plt.show()

sin関数グラフ

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")
[<matplotlib.lines.Line2D object at 0x0000028689A08160>]
>>> plt.plot(x,y2, linestyle="--", label="cos")
[<matplotlib.lines.Line2D object at 0x0000028689A08358>]
>>> plt.xlabel("x")
<matplotlib.text.Text object at 0x0000028688BA0B38>
>>> plt.ylabel("y")
<matplotlib.text.Text object at 0x0000028689843EF0>
>>> plt.title("sin & cos")
<matplotlib.text.Text object at 0x00000286899D2780>
>>> plt.legend()
<matplotlib.legend.Legend object at 0x0000028684D235C0>
>>> plt.show()

sin & cos関数グラフ

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を表示。
（dfは数値表として初期化されたDataFrame）

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

ヒートマップ †

dfは数値表として初期化されたDataFrameで、
df.corr()で、相関係数行列を計算しDataFrame?で返している。

# 図表のサイズを指定
plt.figure(figsize=(12, 9))
# 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(df, 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)
<matplotlib.image.AxesImage object at 0x000002868AE42278>
>>>plt.show()

参考 †

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