ツリーマップは階層データを長方形の面積で表現します。

親の階層の長方形内に子の階層の長方形が描画されます。

データの読み込み

まずはデータを読み込みます。

準備するデータはgapminderデータセット（年・国ごとの平均寿命と一人当たりのGDP）の2007年分を抽出したものとなります。

[Google Colaboratory]

1
2
3
4
5

import plotly.express as px

gapminder = px.data.gapminder()
gapmider_2007 = gapminder[gapminder["year"] == 2007]
gapmider_2007.head()

ツリーマップ

ツリーマップを描画するにはtreemap関数を使います。

treemap関数の引数は下記の通りです。

• path
  データの階層をリストで指定。
• names
  セクタごとのラベルを指定。
• parents
  親セクタのラベルを指定。最上位の階層に対する場合は空の文字列を指定。
• values
  セクタごとの値を指定。
• branchvalues
  値を合計する方法を指定。
  “total”：親が子の階層すべての合計値
  “remainder”：子が親とは別の値

continent（大陸）が親で、country（国）が子となるツリーマップを描画します。

数値はpop（人口）を設定しています。

[Google Colaboratory]

1
2
3

px.treemap(
    gapminder_2007, path=["continent", "country"], values="pop"
).show()

[実行結果]

ツリーマップの特定の階層をクリックすると、その階層がドリルダウンして描画されます。

親の階層をクリックすると元に戻ります。

[実行結果（Europeを選択）]

サンバーストグラフは階層をもつデータを円または円弧の面積で表現します。

内側の円が最上位の階層となり、円の外側に隣接している円弧が下位の階層となります。

上位階層が下位階層の合計値となる場合と、上位階層と下位階層が独立した値をもつ場合があります。

データの読み込み

まずはデータを読み込みます。

準備するデータはgapminderデータセット（年・国ごとの平均寿命と一人当たりのGDP）の2007年分を抽出したものとなります。

[Google Colaboratory]

1
2
3
4
5

import plotly.express as px

gapminder = px.data.gapminder()
gapmider_2007 = gapminder[gapminder["year"] == 2007]
gapmider_2007.head()

サンバーストグラフ

サンバーストグラフを描画するにはsunburst関数を使います。

sunburst関数の引数は下記の通りです。

• path
  データの階層をリストで指定。
• names
  セクタごとのラベルを指定。
• parents
  親セクタのラベルを指定。最上位の階層に対する場合は空の文字列を指定。
• values
  セクタごとの値を指定。
• branchvalues
  値を合計する方法を指定。
  “total”：親が子の階層すべての合計値
  “remainder”：子が親とは別の値

continentが親で、countryが子となるサンバーストを描画します。

[Google Colaboratory]

1
2
3

px.sunburst(
    gapminder_2007, path=["continent", "country"], values="pop"
).show()

[実行結果]

サンバーストグラフの特定の階層をクリックすると、その階層がドリルダウンして描画されます。

親の階層をクリックすると元に戻ります。

[実行結果]

今回は円グラフを表示してみます。

データの読み込み

まずはデータを読み込みます。

準備するデータはtipsデータセット（レストランの支払金額とチップの金額）です。

[Google Colaboratory]

1
2
3
4

import plotly.express as px

tips = px.data.tips()
tips.head()

円グラフ

円グラフを表示するためにはpie関数を使います。

引数のvaluesに値となる列名、namesにはラベルとなる列名を設定します。

[Google Colaboratory]

1

px.pie(tips, values="tip", names="day")

[実行結果]

tip（チップの金額）を値とし、day（曜日）で集計した円グラフを表示することができました。

ヒストグラムとは、ある特定のデータを区間ごとに区切り、各区間の個数や数値のばらつきを棒グラフで表現するグラフです。

データの読み込み

まずはデータを読み込みます。

準備するデータはtipsデータセット（レストランの支払金額とチップの金額）です。

[Google Colaboratory]

1
2
3
4

import plotly.express as px

tips = px.data.tips()
tips.head()

ヒストグラム

ヒストグラムを表示するためにはhistgram関数を使います。

引数のxには、表示するデータの列名を指定します。

[Google Colaboratory]

1

px.histogram(tips, x="total_bill").show()

[実行結果]

total_billを値としたヒストグラムを表示することができました。

ヒストグラム（積み上げ／サブプロット）

histogram関数の引数colorに列名を渡すと、指定した列名で積み上げたヒストグラムとなります。

また、引数marginalに以下の文字列を設定すると、指定したグラフをサブプロットに表示することができます。

• histogram
  ヒストグラム
• box
  箱ひげ図
• violin
  バイオリン図
• rug
  ラグプロット

[Google Colaboratory]

1
2
3
4
5
6

px.histogram(tips,
             x="total_bill",
             color="sex",               # sex列で分割して積み上げ
             marginal="box",            # 箱ひげ図をサブプロットで表示
             hover_data=tips.columns    # ホバーツールにすべて列の値を表示
).show()

[実行結果]

sex列のデータで積み上げられたヒストグラムを表示し、サブプロットに箱ひげ図を表示することができました。

バイオリン図は、カーネル密度推定グラフを上下または左右に並べたグラフです。

箱ひげ図に似ていますが、分布データがすべて含まれているため、ピーク位置の把握に向いています。

データの読み込み

まずはデータを読み込みます。

準備するデータはtipsデータセット（レストランの支払金額とチップの金額）です。

[Google Colaboratory]

1
2
3
4

import plotly.express as px

tips = px.data.tips()
tips.head()

バイオリン図

バイオリン図を表示するためにはviolin関数を使います。

引数のxとyには、表示するデータの列名を指定します。

その他の設定値に関してはコメントを参照してください。

[Google Colaboratory]

1
2
3
4
5
6
7
8

px.violin(tips,                     # データセット
          x="smoker",               # X軸に表示するデータ
          y="tip",                  # Y軸に表示するデータ
          color="sex",              # sex列で色分け
          box=True,                 # 箱ひげ図を重ねて描画
          points="all",             # すべての要素を点で描画
          hover_data=tips.columns   # ホバーツールにすべて列の値を表示
).show()

[実行結果]

バイオリン図を表示することができました。

今回は箱ひげ図を表示します。

データの読み込み

まずはデータを読み込みます。

準備するデータはtipsデータセット（レストランの支払金額とチップの金額）です。

[Google Colaboratory]

1
2
3
4

import plotly.express as px

tips = px.data.tips()
tips.head()

箱ひげ図

箱ひげ図を表示するためにはbox関数を使います。

引数のxとyには、表示するデータの列名を指定します。

[Google Colaboratory]

1
2
3
4

px.box(tips,            # データセット
       x="time",        # X軸に表示するデータ
       y="total_bill"   # Y軸に表示するデータ
).show()

[実行結果]

time列（Dinner／Lunch）で分類し、total_bill列（支払金額）をY軸とした箱ひげ図を表示することができました。

box関数の引数notchedにTrueを渡すと、中央値の95%信頼区間がノッチ（切り込み）で表現することができます。

また引数pointsに”all”を渡すと、外れ値を含むすべての値を点で描画します。

ホバーツールにはday列を表示してみます。

[Google Colaboratory]

1
2
3
4
5
6
7
8
9

px.box(tips,                            # データセット
       x="time",                        # X軸に表示するデータ
       y="total_bill",                  # Y軸に表示するデータ
       color="smoker",                  # smoker列で色分け
       notched=True,                    # ノッチを入れる
       points="all",                    # すべての要素を点で描画
       title="Box plot of total bill",
       hover_data=["day"]               # ホバーツールにday列の値を表示
).show()

[実行結果]

time列（Dinner／Lunch）に加えsmoker列で箱ひげ図が分類されて描画されました。

また各箱ひげ図の左となりに、個々のデータが点で表示されており直感的にデータの散らばり具合を確認することができるようになりました。

エラーバーは誤差の範囲を図形（線分や交差した線など）で表示します。

棒グラフや折れ線グラフなどと併用して用いられます。

エラーバー

エラーバーを表示するには、グラフを描画する関数の引数error_xにX値のエラー値、引数error_yにY値のエラー値を設定します。

今回は、散布図にエラーバーを加えたグラフを表示します。

データはnumpy randomクラスのrandn関数を使って、-2～2までの100個の乱数を作成しています。

各エラー値も乱数を設定しています。（0.0～0.1の範囲で100個）

[Google Colaboratory]

1
2
3
4
5
6
7
8
9
10
11
12
13

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

np.random.seed(1)
df = pd.DataFrame(np.random.randn(100, 2), columns=["x", "y"])

px.scatter(df,          # データセット
           x="x",       # X軸に表示するデータ
           y="y",       # Y軸に表示するデータ
           error_x=np.random.rand(100) * 0.1,  # X値のエラー値
           error_y=np.random.rand(100) * 0.1,  # Y値のエラー値
).show()

[実行結果]

散布図の各データにエラーバーを追加したグラフを表示することができました。

今回は面グラフを表示します。

データの読み込み

まずはデータを読み込みます。

準備するデータはgapminderデータセット（年・国ごとの平均寿命と一人当たりのGDP）です。

[Google Colaboratory]

1
2
3
4

import plotly.express as px

gapminder = px.data.gapminder()
gapminder.head()

面グラフ

面グラフを描画するためにはarea関数を使用します。

各パラメータの設定値に関しては、コメントをご参照下さい。

[Google Colaboratory]

1
2
3
4
5
6

px.area(gapminder,              # データセット
        x="year",               # X軸に表示する列
        y="pop",                # Y軸に表示する列
        color="continent",      # continent（大陸）列で積み上げた面グラフを描画
        line_group="country"    # country（国）列ごとに境界線を描画
).show()

[実行結果]

面グラフを表示することができました。

今回は積み上げ棒グラフを表示します。

データの読み込み

まずはデータを読み込みます。

準備するデータはtipsデータセット（レストランの支払金額とチップの金額）です。

[Google Colaboratory]

1
2
3
4

import plotly.express as px

tips = px.data.tips()
tips.head()

積み上げ棒グラフ

bar関数のcolorオプションに離散値である列名を指定すると、データを分割した積み上げ棒グラフを表示することができます。

各パラメータの設定値に関しては、コメントをご参照下さい。

[Google Colaboratory]

1
2
3
4
5

px.bar(tips,            # データセット
       x="sex",         # X軸に表示する列
       y="total_bill",  # Y軸に表示する列
       color="time"     # time列で分割して積み上げ
).show()

[実行結果]

また、bar関数のbarmodeオプションに“group”指定すると、colorオプションで指定した列(smoker)でグループ化された棒グラフを表示することができます。

[Google Colaboratory]

1
2
3
4
5
6

px.bar(tips,            # データセット
       x="sex",         # X軸に表示する列
       y="total_bill",  # Y軸に表示するれつ
       color="smoker",  # smoker列で分割して
       barmode="group"  # グループ化
).show()

[実行結果]

今回は棒グラフを表示します。

データの読み込み

まずはデータを読み込みます。

準備するデータはgapminderデータセット（年・国ごとの平均寿命と一人当たりのGDP）です。

[Google Colaboratory]

1
2
3
4

import plotly.express as px

gapminder_Canada = px.data.gapminder().loc[gapminder["country"] == "Canada"]
gapminder_Canada.head()

棒グラフ

棒グラフを表示するためにはbar関数を使用します。

各パラメータの設定値に関しては、コメントをご参照下さい。

[Google Colaboratory]

1
2
3
4
5
6

px.bar(gapminder_Canada,        # データセット
       x="year",                # X軸に表示するデータ
       y="pop",                 # Y軸に表示するデータ
       color="lifeExp",         # 値をカラースケールで表現
       hover_data=["lifeExp", "gdpPercap"],  # ホバーツールに表示
).show()

[実行結果]

棒グラフを表示することができました。