5
2

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 5 years have passed since last update.

Matplotlib を用いた可視化

Last updated at Posted at 2019-04-26

データの読み込み

# URL によるリソースへのアクセスを提供するライブラリをインポートする。
import urllib.request
# ウェブ上のリソースを指定する
url = 'https://raw.githubusercontent.com/maskot1977/ipython_notebook/master/toydata/airquality.txt'
# 指定したURLからリソースをダウンロードし、名前をつける。
urllib.request.urlretrieve(url, 'airquality.txt') 
('airquality.txt', <http.client.HTTPMessage at 0x106112c18>)
# データフレーム操作に関するライブラリをインポートする
import pandas as pd
# データの読み込み
df1 = pd.read_csv('airquality.txt', sep='\t', index_col=0) 
df1
Ozone Solar.R Wind Temp Month Day
1 41 190 7.4 67 5 1
2 36 118 8.0 72 5 2
3 12 149 12.6 74 5 3
4 18 313 11.5 62 5 4
7 23 299 8.6 65 5 7
8 19 99 13.8 59 5 8
9 8 19 20.1 61 5 9
12 16 256 9.7 69 5 12
13 11 290 9.2 66 5 13
14 14 274 10.9 68 5 14
15 18 65 13.2 58 5 15
16 14 334 11.5 64 5 16
17 34 307 12.0 66 5 17
18 6 78 18.4 57 5 18
19 30 322 11.5 68 5 19
20 11 44 9.7 62 5 20
21 1 8 9.7 59 5 21
22 11 320 16.6 73 5 22
23 4 25 9.7 61 5 23
24 32 92 12.0 61 5 24
28 23 13 12.0 67 5 28
29 45 252 14.9 81 5 29
30 115 223 5.7 79 5 30
31 37 279 7.4 76 5 31
38 29 127 9.7 82 6 7
40 71 291 13.8 90 6 9
41 39 323 11.5 87 6 10
44 23 148 8.0 82 6 13
47 21 191 14.9 77 6 16
48 37 284 20.7 72 6 17
... ... ... ... ... ... ...
123 85 188 6.3 94 8 31
124 96 167 6.9 91 9 1
125 78 197 5.1 92 9 2
126 73 183 2.8 93 9 3
127 91 189 4.6 93 9 4
128 47 95 7.4 87 9 5
129 32 92 15.5 84 9 6
130 20 252 10.9 80 9 7
131 23 220 10.3 78 9 8
132 21 230 10.9 75 9 9
133 24 259 9.7 73 9 10
134 44 236 14.9 81 9 11
135 21 259 15.5 76 9 12
136 28 238 6.3 77 9 13
137 9 24 10.9 71 9 14
138 13 112 11.5 71 9 15
139 46 237 6.9 78 9 16
140 18 224 13.8 67 9 17
141 13 27 10.3 76 9 18
142 24 238 10.3 68 9 19
143 16 201 8.0 82 9 20
144 13 238 12.6 64 9 21
145 23 14 9.2 71 9 22
146 36 139 10.3 81 9 23
147 7 49 10.3 69 9 24
148 14 20 16.6 63 9 25
149 30 193 6.9 70 9 26
151 14 191 14.3 75 9 28
152 18 131 8.0 76 9 29
153 20 223 11.5 68 9 30

111 rows × 6 columns

# 「#」(シャープ)以降の文字はプログラムに影響しません。
# 図やグラフを図示するためのライブラリをインポートする。
import matplotlib.pyplot as plt
%matplotlib inline

折れ線グラフ

# 折れ線グラフを作成する
df1.plot()
<matplotlib.axes._subplots.AxesSubplot at 0x1157ae588>

output_5_1.png

# 左側4列だけを用いて折れ線グラフを作成する
df1.iloc[:, 0:4].plot()
<matplotlib.axes._subplots.AxesSubplot at 0x11593f4a8>

output_6_1.png

# 折れ線グラフの描き方(別法)
plt.figure(figsize=(8, 8))

plt.subplot(4, 1, 1)
plt.plot(df1.iloc[:, 0])
plt.xticks([])
plt.ylabel(df1.columns[0])

plt.subplot(4, 1, 2)
plt.plot(df1.iloc[:, 1])
plt.xticks([])
plt.ylabel(df1.columns[1])

plt.subplot(4, 1, 3)
plt.plot(df1.iloc[:, 2])
plt.xticks([])
plt.ylabel(df1.columns[2])

plt.subplot(4, 1, 4)
plt.plot(df1.iloc[:, 3])
plt.xticks(rotation=90)
plt.ylabel(df1.columns[3])
<matplotlib.text.Text at 0x115d25f98>

output_7_1.png

ヒストグラム

df1.iloc[:, 0:4].hist(figsize=(8,8))
array([[<matplotlib.axes._subplots.AxesSubplot object at 0x118166630>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x118eac208>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x118ef3b70>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x11a165668>]], dtype=object)

output_8_1.png

ボックスプロット(箱ひげ図)

fig = plt.figure()
ax = fig.add_subplot(111)
ax.boxplot(df1.iloc[:, 0:4].as_matrix().T.tolist())
ax.set_xticklabels(df1.columns[0:4], rotation=90)
plt.grid()
plt.show()

output_9_0.png

バイオリンプロット

# バイオリンプロット
fig = plt.figure()
ax = fig.add_subplot(111)
ax.violinplot(df1.iloc[:, 0:4].as_matrix().T.tolist())
ax.set_xticks([1, 2, 3, 4]) #データ範囲のどこに目盛りが入るかを指定する
ax.set_xticklabels(df1.columns[0:4], rotation=90)
plt.grid()
plt.show()

output_10_0.png

参考資料:

スキャッタープロット(散布図)

df1.plot(kind='scatter', x=df1.columns[1], y=df1.columns[3], grid=True, alpha=0.5)
<matplotlib.axes._subplots.AxesSubplot at 0x11fabfe10>

output_11_1.png

# 丸のサイズと色に意味をもたせた散布図を描く
plt.figure(figsize=(6, 4))
plt.scatter(df1.iloc[:, 1], df1.iloc[:, 3], c=df1.iloc[:, 2], s=df1.iloc[:, 0], 
            alpha=0.5, cmap='coolwarm')
plt.colorbar(alpha=0.8)
plt.title("Color = " + df1.columns[2] + ", Size = " + df1.columns[0])
plt.xlabel(df1.columns[1], size=12)
plt.ylabel(df1.columns[3], size=12)
plt.grid()
plt.show()

output_12_0.png

スキャッターマトリクス(散布図行列)

from pandas import plotting 
plotting.scatter_matrix(df1[df1.columns[0:4]], figsize=(8, 8)) 
array([[<matplotlib.axes._subplots.AxesSubplot object at 0x11d8e2358>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x11e0bc320>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x11d8104e0>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x11d5e6f60>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x11d24bc18>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x11dbe3e48>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x11d85ff28>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x11d86e278>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x11cbb7f60>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x11e335080>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x11e370240>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x11e3b9320>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x11e3eff60>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x11e541278>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x11e589358>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x11e5c2e80>]], dtype=object)

output_13_1.png

相関行列

df1.iloc[:, 0:4].corr()
Ozone Solar.R Wind Temp
Ozone 1.000000 0.348342 -0.612497 0.698541
Solar.R 0.348342 1.000000 -0.127183 0.294088
Wind -0.612497 -0.127183 1.000000 -0.497190
Temp 0.698541 0.294088 -0.497190 1.000000
import numpy as np
corrcoef = df1.iloc[:, 0:4].corr()
plt.imshow(corrcoef, interpolation='nearest', cmap=plt.cm.coolwarm)
plt.colorbar()
tick_marks = np.arange(len(corrcoef))
plt.xticks(tick_marks, corrcoef.index, rotation=90)
plt.yticks(tick_marks, corrcoef.index)
plt.tight_layout()

output_15_0.png

課題

以下の問いに答えなさい。必要に応じて、下記のリンク先を参考にすること。

「ニューヨークの大気状態観測値」について

  • 6月のデータだけ抜き出しなさい。
  • 各測定値の平均と分散を計算しなさい。また、月ごとにどう変化しているか調べなさい。
  • 相関の高い測定値はあるか調べなさい。

「好きなアイスクリームアンケート」について

  • 各フレーバー(バニラ味〜あずき味)の嗜好度に対してボックスプロットを描きなさい。
  • 横軸に年齢(age)、縦軸に来店頻度(frequency)で散布図を描き、客層を分析しなさい。また、性別による違いはあるか考察しなさい。
  • 各フレーバー(バニラ味〜あずき味)の嗜好度に関して、高い正の相関のあるフレーバー、負の相関のあるフレーバーを見つけなさい。

「あわびのデータ」について

  • 雄に対し、長さ〜殻の重さまでの属性に関するボックスプロットとバイオリンプロットを作成しなさい。
  • 同様に雌に対してもボックスプロットとバイオリンプロットを作成しなさい。
  • 雄雌の違いについて考察しなさい。
5
2
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
5
2

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?