6
16

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 3 years have passed since last update.

【Python】蛇使いへの道 (5) Matplotlibと戯れる

Last updated at Posted at 2016-11-21

Pythonを使ったデータサイエンティストになるための修行です。
ここではPythonデータ解析の3種の神器、Matplotlibをやります。

いままでのPythonの実行はなんでも良かったのですが、これからはipython notebookを使っていきます。

PREV【Python】蛇使いへの道 (4) Numpyを手なずける
NEXT【Python】蛇使いへの道 (6) Pandasを操る

IPython Notebook

IPythonはpython shellよりも高性能なインタラクティブシェルです。
これをブラウザ上で実行できるようにしたものが IPython Notebook になります。
コードの実行、編集、保存がGUIでできるため、Python 初心者にもオススメです。
また、MatplotlibやPandasなどの主要ライブラリとの連携が取れているので、出力を画像として埋め込むことができます。

以下のコマンドで起動できます。
IPython NotebookはAnacondaに含まれているのですでにインストールされているはずです。
起動に成功すると自動でブラウザが立ち上がります。

Terminal
$ ipython notebook

起動するとこんな感じです。
右の[New] > [Notebooks] > [Python]を選択すると新しいNotebookが作成されます。
f0ee9d36d4f62936bfc61e7bb14747ad.png

Notebookを開いたら好きなようにコードを書くことができます。
Markdownでコメントを書くこともできます。
上の再生マークを押すか、shift + enterで実行できます。
2c0f791bbadaebc727640eea69f67acb.png

Matplotlib

グラフの書き方

まずはmattplotlibのpyplotをpltとしてインポートします。
これは定型的な書き方です。

%matplotlib inlineはIPython Notebookでmatplotlibのグラフをインラインで表示させるために必要です。

import matplotlib.pyplot as plt
%matplotlib inline

とりあえず適当なグラフを描画してみましょう。

plt.plot([1, 3, 2, 4])

output_4_1.png

こんな感じでインラインで表示できます。

次はsin波とcos波を書いてみます。

import numpy as np
from math import pi

# 0から2πまで100分割したarrayを生成
x = np.linspace(1, 2*pi, 100)
y = np.sin(x)
plt.plot(x, y)
# グリッド線を描画
plt.grid()
# ラベルを描画
plt.legend(['sin(x)'])

output_7_1.png

複数のLine

%pylabと入力するとnumpyやmatplotlibなどがすでにインポートされた状態になります。

%pylab

複数のLineを描画するにはplot(x1, y1); plot(x2, y2)のように分けるか、plot(x1,y1,x2,y2)のように一つにまとめてplotします。
xが共通ならyはnp.arrayが使える。

# 0から1まで0.01刻みでarrayを生成
x  = arange(0, 1, 0.01)
# 3つの1D arrayを縦に積んで2D arrayを作る
a1 = vstack((x, x**2, x**3)); a1
# 転置して描画する
plot(x, a1.T)
grid()
legend('X X^2 X^3'.split(), loc='best')

output_12_1.png

ファイルへの出力

上記の図をファイルに出力する。

savefig('lines.png')

!をつければシェルのコマンドも使えます。

>>> !ls *.png
lines.png

Object明示方式

これまで説明したようにObjectを明示しなくてもMatplotlibは利用できますが、複数のグラフやLineを操作する場合はこれらのObjectを明示的に操作するほうが良いです。

x = linspace(0, 2*pi, 100)
figure1 = gcf()
axis1 = gca()

line1, line2, = axis1.plot(x, sin(x), x, cos(x))
line3, = axis1.plot(x, sin(x)+cos(x))
axis1.legend([line1, line2, line3], ['sin', 'cos', 'sin+cos'])

output_20_1.png

軸の設定

x = linspace(-10, 10, 200)
y = exp(-x ** 2)
plot(x, y)
grid()
# x軸のラベルを書く
xlabel('position')
# y軸のラベルを書く
ylabel('density')

output_22_1.png

plot(x, y)
# 自動設定された軸の範囲を調べる
xmin, xmax, ymin, ymax = gca().axis()  
# 軸の範囲を調整して少し見やすくする
xlim([xmin*0.5, xmax*0.5])
ylim([ymin-0.1, ymax+0.1])
grid()
xlabel('position')
ylabel('density')

output_23_1.png

Line style

線の色や形を変えることができます。

from numpy.random import random


for i, style in enumerate(['r-o', 'g:x', 'b--^', 'm-.s']):
    plot(random(10)+i, style)

output_26_0.png

棒グラフ

left = np.array([1, 2, 3, 4, 5])
height1 = np.array([100, 200, 300, 400, 500])
height2 = np.array([1000, 800, 600, 400, 200])
p1 = plt.bar(left, height1, color="green")
p2 = plt.bar(left, height2, bottom=height1, color="orange")

output_28_0.png

積み上げグラフ

a1 = random((4,10))
x = range(10)
colors = list('rgbm')
stackplot(x, a1, colors=colors)
bars=[bar([0], [0], color=color) for color in colors]

output_30_0.png

散布図

直交座標での散布図(scatter graph)

t = linspace(0, 2*pi, 1000)  # 角度
x = sin(3*t)
y = cos(5*t)
scatter(x, y, s=10)  # sは点の大きさ

output_33_1.png

極座標でのグラフ

r = sin(2*t)
polar(t, r)

output_35_1.png

等高線

z(x,y)=x^2+y^3

の色分けした等高線を描画する。

x1 = y1 = linspace(-1, 1, 10)
x, y = meshgrid(x1, y1)
z = x**2 + y**3
n = linspace(-2, 2, 20)  # 等高線密度
contourf(x, y, z, n) # z軸が色で表現される
grid()

output_38_0.png

3Dグラフ

# 3D用にモジュールをインポートします
from mpl_toolkits.mplot3d import Axes3D

figure1 = gcf()
axis1 = Axes3D(figure1)
x1 = y1 = linspace(-5, 5, 50)
x, y = meshgrid(x1, y1)
z = exp(-(x**2 + y**2))
axis1.plot_surface(x, y, z, rstride=1, cstride=2)

output_40_1.png

NEXT【Python】蛇使いへの道 (6) Pandasを操る

6
16
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
6
16

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?