今回行ったこと

plotly ライブラリを使って、インタラクティブな散布図を作成。
ズーム、ホバー情報表示、データポイントの選択が可能な対話型グラフを実現。
Python コードだけで高品質なビジュアライゼーションを生成。

私の環境

Python: 3.10.9
plotly: 5.15.0
numpy: 1.23.5
pandas: 1.5.3

インタラクティブなプロットの概要

plotly を使用すると、対話型グラフを簡単に作成できます。ユーザーはマウス操作で以下のような操作が可能です：

ズームイン・ズームアウト
データポイントにホバーして詳細を表示
特定のデータを選択・強調表示

これにより、データを深く探索しやすくなります。

サンプルコード

以下は、カテゴリ別のデータをインタラクティブにプロットする例です。

import numpy as np
import pandas as pd
import plotly.express as px

# データ生成
x = np.linspace(0, 2 * np.pi, 100)  # X軸の値
df = pd.DataFrame({
    'x': np.tile(x, 3),  # xの値を3つの曲線で共通化
    'y': np.concatenate([np.sin(x), np.sin(2 * x), np.sin(3 * x)]),  # 各曲線のy値
    'category': ['sin(x)', 'sin(2x)', 'sin(3x)'] * len(x)  # カテゴリを指定
})

# インタラクティブな線グラフを作成
fig = px.line(
    df,
    x='x',
    y='y',
    color='category',
    title='Interactive Sin Curves',
    labels={'x': 'X軸', 'y': 'Y軸', 'category': '関数'}
)

# グラフを表示
fig.show()

実行結果

以下のコードを実行すると、次のようなインタラクティブな散布図が生成されます。

ズーム可能: グラフの特定の領域をマウスでドラッグしてズームインできます。
ホバー情報表示: グラフ上の任意の点にマウスを合わせると、x、y、および関数の名前（例: sin(x)）が表示されます。
カテゴリ別の色分け: category 列に基づいてデータポイントが自動で色分けされ、視覚的にわかりやすくなります。

カスタマイズ例

線のスタイルを変更
各曲線の線の種類（点線、破線など）を変更し、デザインを調整できます。

fig = px.line(
 df,
 x='x',
 y='y',
 color='category',
 line_dash='category',  # 線の種類をカテゴリごとに変更
 title='Styled Sin Curves'
 )
 fig.update_traces(line=dict(width=2))  # 線の太さを調整
 fig.show()

ホバー情報をカスタマイズ
ユーザーに必要な情報だけをホバー表示するように設定できます。

fig = px.line(
df,
x='x',
y='y',
color='category',
hover_data={'x': True, 'y': True, 'category': False}  # categoryはホバーに表示しない
)
fig.show()

タイトルとラベルの翻訳
日本語のタイトルやラベルでグラフをわかりやすくできます。

fig.update_layout(
title='インタラクティブなサイン波のプロット',
xaxis_title='X軸の値',
yaxis_title='Y軸の値'
)
fig.show()

実用例

データ探索
大量のデータを可視化して、パターンや傾向を発見できます。特に時系列やカテゴリ別データの分析に有用です。
プレゼンテーション資料
視覚的に訴えるだけでなく、リアルタイムでデータを探索できるインタラクティブなグラフを組み込むことで、説得力を高められます。
教育用途
データサイエンスや統計学の学習において、動的なビジュアライゼーションは学習者の理解を深めます。

インタラクティブなグラフを使えば、データの「見やすさ」だけでなく、深い理解を得る手助けができます。ぜひお試しください！