seabornでヒートマップ
seabornていろいろできるんですね。
覚えたてのヒートマップで遊んでみました。
ヒートなので気温を描いてみました。
普通の棒グラフの方がわかりやすいという指摘はさておいて...
こちらのデータを利用させていただきました。
気象庁
今回使用したLibraryです。
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
元のデータはこのような状態です。
ダウンロードした時刻：20189 16:04:44,,,,
,,,,
,,東京,東京,東京
年月,,平均気温(℃),平均気温(℃),平均気温(℃)
,,,品質情報,均質番号
Year,Month,Temp,,
2000,1,7.6,8,1
2000,2,6,8,1
2000,3,9.4,8,1
2000,4,14.5,8,1
〜
2017
まずいらない行と列意外のデータをpandasでデータベース化します。
tokyo_temp = pd.read_csv("tokyo_temp2000-2017.csv",usecols=range(0, 3), header=5)
そしてyx軸に対応させるようにピボット化させます。
df_temps_pivot = pd.pivot_table(data=tokyo_temp, values='Temp', columns='Year', index='Month', aggfunc=np.mean)
#aggfunc=np.meanは無くても可能,xy座標が重なってしまったデータの処理のため
プロットします。
plt.figure(figsize=(12, 9))
sns.heatmap(df_ftemps_pivot, annot=True, fmt='g')
plt.title('tokyo_temp2000-2017')
plt.savefig("heatmap.png")
plt.show()
8月が暑いということがわかりますね。
よく考えたら日本は四季があるということは1年を通しての気温の分散値が大きいという意味ですね。住む場合の暮らしやすさの指標の一つとなりそうです。
今回は欠損データがなかったのできれいにプロットできましたが、欠損がある場合はどうしたらいいのかや、その信頼性はどうやって定義できるのかが勉強したいところです。