[Matplotlib入門シリーズ第4回] 様々なグラフ（ヒストグラム・散布図など）

はじめに

本記事は「Pythonでデータを可視化するMatplotlib入門」シリーズの第4回です．

前記事までは，

• 線グラフ・点グラフを中心とした描画
• タイトル・軸・凡例・グリッド・表示範囲
  などの描画方法およびグラフ装飾を学びました．

本記事では 目的に応じたグラフの種類を選択する力 を身につけます．

私のMatplotlibライブラリのバージョンは "3.7.0" です．

本シリーズの構成

本シリーズの構成予定（全11記事）は以下を想定しています．

1. Matplotlibのインストール 〜 線グラフの描画
2. 基本的な２次元プロット（線グラフ・点グラフ・複数データ・グラフの見た目）
3. グラフ装飾（タイトル・軸・凡例・グリッド・表示範囲）
4. 様々なグラフ（ヒストグラム・散布図など）（本記事）
5. サブプロット
6. 2次元図形の描画（公開後にリンクを追加する予定）
7. 画像表示とヒートマップ（公開後にリンクを追加する予定）
8. ３次元プロット（公開後にリンクを追加する予定）
9. ３次元図形の描画（公開後にリンクを追加する予定）
10. アニメーション描画１（公開後にリンクを追加する予定）
11. アニメーション描画２（公開後にリンクを追加する予定）

本シリーズのゴール

本シリーズでは，以下のポイントが実装できるようになることを目標としています．

• 目的に応じたグラフを選択できるようになる
• 誰にでも分かるようなグラフを作成できるようになる
• 意図通りにアルゴリズムが動いているかのアニメーションを作成できるようになる

グラフの可視化を "判断・説明・検証" に使えるようになること．

本記事のゴール

本記事では，以下の内容を学ぶことができます．

• ヒストグラム (データの分布を確認)
• 棒グラフ (量データの比較)
• 散布図 (データ間の関係性を確認)
• 円グラフ (全体に対する割合を確認)

目的に応じたグラフの種類を選択する力を身につける ことが，本記事のゴールです．

MatplotlibライブラリとNumPyライブラリの読み込み

Matplotlibを使うためには，まずライブラリの読み込みから始めます．
NumPyにより可視化したいデータを作成し，Matplotlibによりデータを可視化します．

import matplotlib.pyplot as plt
import numpy as np

numpyライブラリを np という名前として，扱えるようにしています．
Matplotlibライブラリのpyplotモジュールを plt という名前として，扱えるようにしています．
以降では plt ， np という名前を使っていきます．

ヒストグラム

ヒストグラムの描画方法を説明します．
ヒストグラムとは，

• データの分布 を確認
• どの値がどれくらい出現しているかの可視化

するためのグラフです．

具体的なヒストグラムは下図の通りです．

# 正規分布に従ったデータを取得
datas = np.random.normal(loc=50, scale=10, size=1000)

# ヒストグラムの作成
plt.hist(datas, bins=30)
# グラフにタイトルを追加
plt.title("Histogram")
# X軸(横軸)のラベル作成
plt.xlabel("value")
# Y軸(縦軸)のラベル作成
plt.ylabel("freequency")
# グリッドを表示
plt.grid(True)
# 作成したグラフを画面に表示
plt.show()

plt.hist() の概要，引数，戻り値に関して，下表にまとめました．

		備考
概要	ヒストグラムの作成	-
引数	たくさんある	後ほど説明
戻り値１	各ビンの値	NumPy配列．データ数は ビンの数
戻り値２	各ビンの縁	NumPy配列．データ数は ビンの数+1
戻り値３	BarContainerオブジェクト	全ビンの情報

使用頻度の高い plt.hist() の引数を下表にまとめました．

引数	意味	備考
x	数値データ	１次元配列
bins	ビン(区間)の数	デフォルトは10
range	表示範囲	外れ値の除外 デフォルトはNone
density	頻度 or 確率	True:確率密度 False:度数(件数) デフォルトはFalse
cumulative	累積度数	True:累積度数 False:累積度数ではない
align	ビンの整列	left:左揃え．mid:中央揃え(デフォルト)．right:右揃え

plt.hist() の引数 bins, density, cumulative, align の設定値およびグラフを下記に示します．

引数	意味	Fig. 1-1の設定値	Fig. 1-2の設定値	Fig. 1-3の設定値	Fig. 1-4の設定値
bins	ビン(区間)の数	20	30	40	50
density	頻度(False) or 確率(True)	False	True	False	True
cumulative	累積度数	False	True	False	True
align	ビンの整列	"left"	"mid"	"right"	"mid"

Fig. 1-1

Fig. 1-2

Fig. 1-3

Fig. 1-4

表に記載していない plt.hist() の引数に関しては，下記サイトを確認してください．
Matplotlib公式リファレンス

ヒストグラムを使用する場面は下記の通りです．

• データ分布の確認 (正規分布かどうか)
• 外れ値の検出 (裾が長いかどうか)
• センサ値の確認 (ノイズを把握)
• 機械学習の前処理 (正規化の判断)

ヒストグラムは，分布の確認 をします．

棒グラフ

棒グラフの描画方法を説明します．
棒グラフとは，

• カテゴリごとの量の比較 を確認
• 合計・平均・回数などを表現

するためのグラフです．

具体的な棒グラフは下図の通りです．

# カテゴリの作成
categorys = ["A", "B", "C", "D"]
# カテゴリに応じた量を作成
quantitys = [ 10,  25,  15,  35]

# 棒グラフの作成
plt.bar(categorys, quantitys)
# グラフにタイトルを追加
plt.title("Bar Graph")
# X軸(横軸)のラベル作成
plt.xlabel("category")
# Y軸(縦軸)のラベル作成
plt.ylabel("quantity")
# グリッドを表示
plt.grid(True)
# 作成したグラフを画面に表示
plt.show()

plt.bar() の概要，引数，戻り値に関して，下表にまとめました．

		備考
概要	棒グラフの作成	-
引数	たくさんある	後ほど説明
戻り値	BarContainerオブジェクト	全棒の情報

plt.bar() の引数を下表にまとめる．

引数	意味	備考
x	棒の位置(x座標)	必須の引数
height	棒の高さ(値)	必須の引数
width	棒の太さ	デフォルトが0.8
bottom	棒の開始位置	デフォルトが0
align	xの位置基準	"center":中央(デフォルト)．"edge":枠線

plt.bar() の引数 width, bottom, align の設定値およびグラフを下記に示します．

引数	意味	Fig. 2-1の設定値	Fig. 2-2の設定値	Fig. 2-3の設定値	Fig. 2-4の設定値
width	棒の太さ	0.1	0.5	1.0	1.5
bottom	棒の開始位置	0.0	0.5	1.0	1.5
align	xの位置基準	"center"	"edge"	"center"	"edge"

Fig. 2-1

Fig. 2-2

Fig. 2-3

Fig. 2-4

横向きの棒グラフを作成する方法を説明します．
plt.barh() を使用することで，横向きの棒グラフとなります．

# カテゴリの作成
categorys = ["A", "B", "C", "D"]
# カテゴリに応じた量を作成
quantitys = [ 10,  25,  15,  35]

# 横向きの棒グラフの作成
plt.barh(categorys, quantitys)
# グラフにタイトルを追加
plt.title("Bar Graph")
# X軸(横軸)のラベル作成
plt.xlabel("quantity")
# Y軸(縦軸)のラベル作成
plt.ylabel("category")
# グリッドを表示
plt.grid(True)
# 作成したグラフを画面に表示
plt.show()

表に記載していない plt.bar() の引数に関しては，下記サイトを確認してください．
Matplotlib公式リファレンス

棒グラフを使用する場面は下記の通りです．

• カテゴリ別データの比較
• 頻度・回数の可視化
• 実験結果の比較
• ロボット制御パラメータの比較

棒グラフは，データを比較 で使用します．

散布図

散布図の描画方法を説明します．
散布図とは，

• ２つの変数の関係性 を確認する
• 相関の有無が一目でわかる

ためのグラフです．

具体的な散布図は下図の通りです．

# x軸のデータをランダムに作成
x = np.random.rand(100)
# y軸のデータをランダムに作成
y = np.random.rand(100)

# 散布図の作成
plt.scatter(x, y)
# グラフにタイトルを追加
plt.title("Scatter Graph")
# X軸(横軸)のラベル作成
plt.xlabel("X")
# Y軸(縦軸)のラベル作成
plt.ylabel("Y")
# グリッドの表示
plt.grid(True)
# 作成したグラフを画面に表示
plt.show()

plt.scatter() の概要，引数，戻り値に関して，下表にまとめました．

		備考
概要	散布図の作成	-
引数	たくさんある	後ほど説明
戻り値	PathCollectionオブジェクト	全点の情報

plt.scatter() の引数を下表にまとめます．

引数	意味	備考
x	x軸のデータ	必須の引数
y	y軸のデータ	必須の引数
s	点の大きさ	"size"でも可能
c	点の色	"color"でも可能
marker	点の形	デフォルトが"o"．使用可能なマーカー](https://matplotlib.org/stable/api/markers_api.html)
cmap	カラーマップ	デフォルトが"viridis"
norm	正規化の方法	linear:線形，log:対数 など
vmin	下限値	-
vmax	上限値	-

plt.scatter() の引数 s, marker, cmap, norm の設定値およびグラフを下記に示します．

引数	意味	Fig. 3-1の設定値	Fig. 3-2の設定値	Fig. 3-3の設定値	Fig. 3-4の設定値
s	点の大きさ	10	20	30	40
marker	点の形	"o"	"x"	"^"	"s"
cmap	カラーマップ	"viridis"	"plasma"	"coolwarm"	"inferno"
norm	正規化に用いるスケールの種類	"linear"	"log"	"logit"	"linear"

Fig. 3-1

Fig. 3-2

Fig. 3-3

Fig. 3-4

表に記載していない plt.scatter() の引数に関しては，下記サイトを確認してください．
Matplotlib公式リファレンス

散布図を使用する場面は下記の通りです．
データ分析

• 相関関係の確認
• 外れ値の検出

機械学習

• 特徴量の分布確認
• クラスタ可視化

ロボット/シミュレーション

• センサデータ可視化
• 位置・軌道の散布

散布図は，２つの変数の相関・関係性 で使用します．

円グラフ

円グラフの描画方法を説明します．
円グラフとは，

• 割合・構成比の可視化 をする

ためのグラフです．

具体的な円グラフは下図の通りです．

# カテゴリの作成
categorys = ["A", "B", "C", "D"]
# カテゴリに応じた値を作成
values    = [  1,   2,   3,   4]

# 円グラフの作成
plt.pie(values, labels=categorys)
# グラフにタイトルを追加
plt.title("Pie Graph")
# アスペクト比(縦横比)を同値にして，円を真円とする
plt.axis("equal")
# 作成したグラフを画面に表示
plt.show()

plt.pie() の概要，引数，戻り値に関して，下表にまとめました．

		備考
概要	円グラフの作成	-
引数	たくさんある	後ほど説明
戻り値１	各データの情報	リスト型の配列
戻り値２	各ラベルの文字列	リスト型の配列
戻り値３	各数値ラベル	リスト型の配列．plt.pie()の引数autopctがNoneなら，本戻り値は存在しない

plt.pie() の引数を下表にまとめます．

引数	意味	備考
x	比率データ	必須の引数
labels	ラベル	-
colos	色	デフォルトがNone
autopct	割合(%)を表示	記載例："%.1f%%" デフォルトがNone
pctdistance	割合文字列の中心からの距離	デフォルトが0.6
labeldistance	ラベル文字列の中心からの距離	デフォルトが1.1
shadow	影の有無	True:影をつける．False:影をつけない(デフォルト)

plt.pie() の引数 autopct, pctdistance, labeldistance, shadow の設定値およびグラフを下記に示します．

| 引数 | 意味 | Fig. 4-1の設定値 | Fig. 4-2の設定値 | Fig. 4-3の設定値 |
| --- | --- | --- | --- | --- | --- |
| autopct | 割合(%)を表示 | "%.1f%%" | "%.01f%%" | "%.001f%%" |
| pctdistance | 割合文字列の中心からの距離 | 0.5 | 1.0 | 1.5 |
| labeldistance | ラベル文字列の中心からの距離 | 0.1 | 0.6 | 1.1 |
| shadow | 影の有無 | True | False | True |

Fig. 4-1

Fig. 4-2

Fig. 4-3

表に記載していない plt.pie() の引数に関しては，下記サイトを確認してください．
Matplotlib公式リファレンス

円グラフのメリット・デメリットは下記の通りです．
メリット

• 割合が直感的
• 構成比の説明に強い
• 第三者にもわかりやすい

デメリット

• 要素が多いと見にくい
• 差が小さいと比較は困難
• 厳密な比較には不向き

円グラフを使用する場面は下記の通りです．

• カテゴリ比率
• 使用割合
• 構成比の説明
• 統計の導入図

円グラフは，割合・構成比の可視化 で使用します．

終わりに

本記事では，Matplotlibの様々なグラフ（ヒストグラム・棒グラフ・散布図）に関する以下の内容を説明しました．

グラフ	目的
線グラフ	変化・時系列
ヒストグラム	分布の確認
棒グラフ	データを比較
散布図	2つの変数の相関・関係性
円グラフ	割合・構成比

次回予告

第5回では，以下のような「サブプロット（複数グラフの配置）」に焦点を当てます．

• plt.subplot() と plt.subplots() の違い
• 行列レイアウトでのグラフ配置
• 複数データを複数視点での同時可視化

複数のグラフを同時可視化 できるようになります．

参考文献

本記事を作成するに当たって参考にしたサイトをまとめました．

• Matplotlib公式サイト