Plotly⑰（ヒートマップ）

ヒートマップ

Plotlyでヒートマップを表示するにはHeatmapクラスを使用します。

ヒートマップのデータとして、Heatmapクラスの引数 zに２次元のリストデータを設定（9行目）します。

以下のコードでは、5行 5列の標準正規分に従う乱数を生成し（7行目）、ヒートマップに描画しています（9行目）。

[Google Colaboratory]

1
2
3
4
5
6
7
8
9
import numpy as np
import plotly.graph_objects as go

np.random.seed(9)
x = np.arange(0, 5)
y = np.arange(0, 50, 10)
z = np.random.randn(5, 5)

go.Figure([go.Heatmap(x=x, y=y, z=z)]).show()

[実行結果]

Plotly⑯（平行プロット）

平行プロット

Plotlyで平行プロットを表示するにはParcatsクラスを使用します。

Parcatsクラスの引数 dimensionsには描画するデータを設定します。

データとしては、以下のキーを指定した辞書データをリストで渡します。（9～14行目）

  • label
    要素名（軸ラベルとして表示される）
  • values
    リストなどの値

軸間の線分を色分けするには、引数 lineに“color”をキーとしてリストなどのデータを値とした辞書データを設定します。（15行目）

[Google Colaboratory]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
import plotly
import plotly.graph_objects as go

tips = plotly.data.tips()

go.Figure(
    [
        go.Parcats(
            dimensions=[
                {"label": "sex", "values": tips["sex"]},
                {"label": "smoker", "values": tips["smoker"]},
                {"label": "day", "values": tips["day"]},
                {"label": "time", "values": tips["time"]}
            ],
            line={"color": tips["size"]}      # size列で色分け
        )
    ]
).show()

[実行結果]

軸の上端をドラッグすると要素を左右に移動することができます。

また軸内の要素をドラッグすると、要素を上下に移動することもできます。

[実行結果（横軸と縦軸を移動）]

上図は、一番右に表示されていた“time”軸を左から２番目に移動し、“sex”軸のMaleとFemaleを上下に入れ替えています。

Plotly⑮（平行座標プロット）

平行座標プロット

Plotlyで平行座標プロットを表示するにはParcoordsクラスを使用します。

Parcoordsクラスの引数 dimensionsに描画するデータを設定します。

データとしては、以下のキーを指定した辞書データをリストで渡します。（9～14行目）

  • label
    要素名（軸ラベルとして表示される）
  • values
    リストなどの値

軸間の線分を色分けするには、引数 lineに“color”をキーとしてリストなどのデータを値とした辞書を設定します。（15行目）

[Google Colaboratory]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
import plotly
import plotly.graph_objects as go

iris = plotly.data.iris()

go.Figure(
    [
        go.Parcoords(
            dimensions=[
                {"label": "sepal_length", "values": iris["sepal_length"]},
                {"label": "sepal_width", "values": iris["sepal_width"]},
                {"label": "petal_length", "values": iris["petal_length"]},
                {"label": "petal_width", "values": iris["petal_width"]}
            ],
            line={"color": iris["species_id"]}      # species_idで色分け
        )
    ]
).show()

[実行結果]

軸の上端をドラッグすると要素を左右に移動することができます。

また軸上で任意の範囲をドラッグすると、その範囲の要素をハイライトして表示できます。

[実行結果（軸を移動し、ハイライト表示）]

上図は、一番右に表示されていた“petal_width”を左から２番目に移動し、その軸上の0.5から1.5の範囲を選択しハイライト表示（ピンク色）しています。

Plotly⑭（エラーバー）

エラーバー

Plotlyでエラーバーを表示するにはtraceのerror_x属性またはerror_y属性を設定します。

設定する属性は下記の通りです。

  • type
    percent：エラー値を割合で指定
    constant：エラー値を定数で指定
    sqrt：値の平方根がエラー値となる
    data：各要素のエラー値を指定
  • symmetric
    True：対称なエラーバー
    False：非対称なエラーバー
  • array
    各要素のエラー値を指定
  • arrayminus
    エラーバーを非対称（symmetricをFalse）にした場合、各要素の負の値を指定
  • value
    エラー値を指定
  • valueminus
    エラーバーを非対称（symmetricをFalse）にした場合、エラー値の負の値を指定

以下のコードではエラー値を指定したグラフを描画しています。

[Google Colaboratory]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
import numpy as np
import plotly.graph_objects as go
from plotly.subplots import make_subplots

np.random.seed(2)
x = np.arange(1, 6)
y = np.random.rand(5)

error_fig = make_subplots(rows=2, cols=2)

# エラーバーを一定の値で指定
error_fig.add_trace(
    go.Scatter(
        x=x,
        y=y,
        # エラーバーを定数で指定
        error_y={"type": "constant", "value": 0.1},
    ),
    row=1,
    col=1
)
# 各要素ごとにエラーバーを指定
err_value = np.random.rand(5) * 0.1
error_fig.add_trace(
    go.Scatter(
        x=x,
        y=y,
        # 各要素のエラーバーを指定
        error_x={"type": "data", "array": err_value},
    ),
    row=1,
    col=2
)
# エラーバーを正の値と負の値をそれぞれ指定
err_value_minus = np.random.rand(5) * 0.1
error_fig.add_trace(
    go.Bar(
        x=x,
        y=y,
        error_y={
            "symmetric": False,  			# エラーバーを非対称
            "type": "data",
            "array": err_value,
            "arrayminus": err_value_minus,  # 各要素の負の値を指定
        },
    ),
    row=2,
    col=1
)
error_fig.show()

[実行結果]

各グラフの説明は以下の通りです。

  • 左上の図
    Y値のエラーバーを一定の値で指定した折れ線グラフ
  • 右上の図
    各要素ごとにX値のエラーバーを指定した折れ線グラフ
  • 左下の図
    Y値のエラーバーに正の値と負の値をそれぞれ指定した棒グラフ

Plotly⑬（２次元ヒストグラム）

２次元ヒストグラムは２変数を２次元の座標にとり、2変数の値の組み合わせの頻度をカラースケールで表現します。

２次元ヒストグラム

Plotlyで２次元ヒストグラムを描画するにはHistogram2dクラスを使用します。

Histogram2dクラスの引数 x, yにはリストなどのデータを設定します。

２次元ヒストグラムの同じ度数を等高線で描画するにはHistogram2dContour traceを使用します。

Histogram2dContourクラスはHistogram2dクラスと同様の引数を使います。

以下のコードでは２つの正規分布に従う乱数を作成し、左図のサブプロットには２次元ヒストグラムを描画し、右図のサブプロットには等高線の２次元ヒストグラムを描画しています。

[Google Colaboratory]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
import numpy as np
import plotly.graph_objects as go
from plotly.subplots import make_subplots

np.random.seed(1)
data0 = np.random.normal(10, 1, 10000)
data1 = np.random.normal(12, 1.5, 10000)

histogram2d_fig = make_subplots(rows=1, cols=2)
# 2次元ヒストグラム（左図）
histogram2d_fig.add_trace(go.Histogram2d(x=data0, y=data1), row=1, col=1)
# 等高線（右図）
histogram2d_fig.add_trace(
    go.Histogram2dContour(x=data0, y=data1, showscale=False), row=1, col=2
)
histogram2d_fig.update_layout(coloraxis_showscale=False)
histogram2d_fig.show()

[実行結果]

Plotly⑫（ヒストグラム その２）

前回に引き続きヒストグラムを描画します。

（データセットの読み込みやimportは前回記事で実行済みとします）

ヒストグラムの種類

Histogramクラスの引数 histnormに以下を指定すると、ヒストグラムの種類を変更することができます。

  • percent
    合計を100とした相対度数（百分率）
  • probability
    合計を1とした相対度数
  • density
    密度推定
  • probability density
    合計を1とした密度推定

累積ヒストグラムを描画するにはtraceのcomulative.enable属性をTrueに設定します。（14行目）

次のコードでは左図のサブプロットに相対度数にしたヒストグラム、右図のサブプロットには累積ヒストグラムを描画しています。

[Google Colaboratory]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
probability_comulative_histogram_fig = make_subplots(rows=1, cols=2)
probability_comulative_histogram_fig.add_trace(
    go.Histogram(
        x=data0,
        histnorm="probability",	# サンプル数の合計を1とした正規化
        name="probability"
    ),
    row=1,
    col=1
)
probability_comulative_histogram_fig.add_trace(
    go.Histogram(
        x=data0,
        cumulative={"enabled": True},	# 累積ヒストグラム
        name="comulative"
    ),
    row=1,
    col=2
)
probability_comulative_histogram_fig.show()

[実行結果]

ヒストグラムの範囲指定

ヒストグラムの範囲を指定する場合には、xbins属性を設定します。

  • start
    開始位置
  • end
    終了位置
  • size
    階級の幅

次のコードでは開始位置 6、終了位置 13、階級の幅 0.01と設定したヒストグラムを描画しています。（5行目）

[Google Colaboratory]

1
2
3
4
5
6
7
go.Figure(
    go.Histogram(
        x=data0,
        # ヒストグラムの範囲を指定
        xbins={"start": 6, "end": 13, "size": 0.01}
    )
).show()

[実行結果]

Plotly⑪（ヒストグラム）

ヒストグラム

Plotlyでヒストグラムを描画するにはHistogramクラスを使います。

Histgramクラスの引数 xにはリストなどのデータを設定します。（11～12行目）

以下のコードでは、正規分布に従う乱数を生成しヒストグラムを描画しています。

右図にはヒストグラムの階級（ビン）の数を50に設定し、横向きに描画します。

引数 yにデータを渡すと横向きになり（18行目）、引数 nbinsyに自然数を渡すと階級（ビン）を変更できます（20行目）。

[Google Colaboratory]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import numpy as np
import plotly.graph_objects as go
from plotly.subplots import make_subplots

np.random.seed(1)
data0 = np.random.normal(10, 1, 10000)
data1 = np.random.normal(12, 1.5, 10000)
histogram_fig = make_subplots(rows=1, cols=2)

# 左図
histogram_fig.add_trace(go.Histogram(x=data0, name="data0"), row=1, col=1)
histogram_fig.add_trace(go.Histogram(x=data1, name="data1"), row=1, col=1)

# 右図
histogram_fig.add_trace(go.Histogram(y=data0, name="data0"), row=1, col=2)
histogram_fig.add_trace(
    go.Histogram(
        y=data1,  	# 引数yで横向き
        name="data1",
        nbinsy=50   # ビンの数を変更
    ),
    row=1,
    col=2
)
histogram_fig.show()

[実行結果]

ヒストグラムを積み上げるにはLayoutクラスの引数 barmodeに“stack”を設定します。（3行目）

以下のコードでは、data0の上にdata1のヒストグラムを積み上げて描画しています。

[Google Colaboratory]

1
2
3
4
go.Figure(
    [go.Histogram(x=data0, name="data0"), go.Histogram(x=data1, name="data1")],
    layout=go.Layout(barmode="stack"),  # ヒストグラムを積み上げ
).show()

[実行結果]

Plotly⑩（バイオリン図）

今回は、Plotlyでバイオリン図を描画してみます。

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。

tipsデータセットから曜日ごとのデータを取り出しています。（7～10行目）

[Google Colaboratory]

1
2
3
4
5
6
7
8
9
10
11
import plotly
import plotly.graph_objects as go

tips = plotly.data.tips()

# 曜日ごとのデータを抽出
tips_by_day = tips.groupby("day")  # day列でグループ化
days = ["Thur", "Fri", "Sat", "Sun"]
# グループ化された各DataFrameを抽出
thur, fri, sat, sun = [tips_by_day.get_group(day) for day in days]
thur.head()

[実行結果（金曜を抽出したデータ）]

バイオリン図

Plotlyでバイオリン図を描画するにはViolinクラスを使います。

Violinクラスの引数 yにはリストなどのデータを設定します。

次のコードでは、１列目のサブプロットでバイオリン図に箱ひげ図を重ねて描画し、２列目のサブプロットではsmoker列のデータを左右に分けて描画しています。

[Google Colaboratory]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
from plotly.subplots import make_subplots

violin_fig = make_subplots(rows=1, cols=2)
# 1列目のサブプロット
violin_fig.add_trace(
    go.Violin(
        y=thur["tip"],
        name="Thur",
        box_visible=True            # 箱ひげ図を重ねて描画
    ),
    row=1,
    col=1
)
violin_fig.add_trace(
    go.Violin(y=fri["tip"], name="Fri", box_visible=True), row=1, col=1
)
violin_fig.add_trace(
    go.Violin(y=sat["tip"], name="Sat", box_visible=True), row=1, col=1
)
violin_fig.add_trace(
    go.Violin(y=sun["tip"], name="Sun", box_visible=True), row=1, col=1
)

# 2列目のサブプロット
for data in thur, fri, sat, sun:
    smoker = data.loc[data["smoker"] == "Yes"]      # smoker列がYesのデータ
    non_smoker = data.loc[data["smoker"] == "No"]   # smoker列がNoのデータ
    day = data["day"].iloc[0]                       # day列の先頭のデータ(ラベルに使用)
    violin_fig.add_trace(
        go.Violin(
            x=smoker["day"],
            y=smoker["tip"],
            side="negative",        # 左側に描画
            name=f"{day}: somoker",
        ),
        row=1,
        col=2
    )
    violin_fig.add_trace(
        go.Violin(
            x=non_smoker["day"],
            y=non_smoker["tip"],
            side="positive",        # 右側に描画
            name=f"{day}: non-somoker",
        ),
        row=1,
        col=2
    )
violin_fig.show()

[実行結果]

Violinクラスの引数 box_visibleにTrueを渡すとバイオリン図に箱ひげ図を重ねて描画します。（9,15,18,21行目）

引数 sideに“negative”を渡すと左側に描画（33行目）し、“positive”を渡すと右側に描画（43行目）します。

Plotly⑨（箱ひげ図）

今回は、Plotlyで箱ひげ図を描画してみます。

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
5
import plotly
import plotly.graph_objects as go

tips = plotly.data.tips()
tips.head()

[実行結果]

箱ひげ図

Plotlyで箱ひげ図を描画するにはBoxクラスを使います。

Boxクラスの引数 yにはリストなどのデータを設定します。

次のコードでは、tipsデータセットから曜日ごとのデータを取り出し、箱ひげ図で描画しています。

[Google Colaboratory]

1
2
3
4
5
6
7
8
9
10
11
12
13
# 曜日ごとのデータを抽出
tips_by_day = tips.groupby("day")  # day列でグループ化
days = ["Thur", "Fri", "Sat", "Sun"]

# グループ化された各DataFrameを抽出
thur, fri, sat, sun = [tips_by_day.get_group(day) for day in days]

box_fig = go.Figure()
box_fig.add_trace(go.Box(y=thur["tip"], name="Thur"))
box_fig.add_trace(go.Box(y=fri["tip"], name="Fri"))
box_fig.add_trace(go.Box(y=sat["tip"], name="Sat"))
box_fig.add_trace(go.Box(y=sun["tip"], name="Sun"))
box_fig.show()

[実行結果]

Plotly⑧（テーブル）

テーブル

Plotlyでテーブル（表）を描画するにはTableクラスを使います。

Tableクラスのcells属性およびheader属性には下記のようなオプションを設定します。

  • values
    セルの値（リストなどのデータを渡す）
  • height
    セルの高さ
  • align
    配置：”left”（左詰め）、”center”（中央寄せ）、”right”：（右詰め）
  • line
    width 罫線の太さ
    color 罫線の色
  • fill
    color 塗りつぶし色

次のコードでは、テーブルと折れ線グラフを描画しています。右上のテーブルにはスタイルを設定しています。

[Google Colaboratory]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
import pandas as pd
import plotly.graph_objects as go
from plotly.subplots import make_subplots

table_values = [[10, 20, 30, 40], [34, 15, 27, 8]]
table_labels = ["Label1", "Label2"]
table_fig = make_subplots(
    rows=2,
    cols=2,
    specs=[[{"type": "domain"}, {"type": "domain"}], [{"colspan": 2}, None]],
)
table_fig.add_trace(
    go.Table(header={"values": table_labels}, cells={"values": table_values}),
    row=1,
    col=1,
)
table_fig.add_trace(
    go.Table(
        cells={
            "values": pd.DataFrame(table_values),
            "line": {"width": 2, "color": "black"},  # 罫線のスタイル
            "fill": {"color": "white"},  # 塗りつぶし色
            "align": "right",  # 配置
        },
        header={
            "values": table_labels,
            "height": 18,  # セルの高さ
            "line": {"width": 2, "color": "black"},
            "fill": {"color": "white"},
            "font": {"size": 10},  # フォントサイズ
        },
    ),
    row=1,
    col=2,
)
table_fig.add_trace(
    go.Scatter(x=table_values[0], y=table_values[1]), row=2, col=1
)
table_fig.show()

[実行結果]

cells.values属性の各要素は列の値となります。

pandas.DataFrameを設定する場合には、行列が転置されるためご注意ください。