Matplotlibの便利な機能

2020年2月10日2022年5月13日

Matplotlibはとっても便利なんですが、機能がありすぎて大変です。少しずつまとめていきたいと思います。

グラフ作成時の便利な機能

subplot グラフを分ける

グラフを分けて描く時はsubplotを使います。

【例】

import matplotlib.pyplot as plt
 
plt.subplot(2,3,1)
plt.subplot(2,3,2)
plt.subplot(2,3,3)
plt.subplot(2,3,4)
plt.subplot(2,3,5)
plt.subplot(2,3,6)

【実行結果】

---

tight_layout グラフの間隔を調整

グラフの間隔を調整します。グラフが重なり合った時などの調整に便利。

【例】

import matplotlib.pyplot as plt
 
ax1= plt.subplot(2,3,1)
ax1.set_xlabel('xlabel1')
ax1.set_ylabel('ylabel1')
 
ax2 = plt.subplot(2,3,2)
ax2.set_xlabel('xlabel2')
ax2.set_ylabel('ylabel2')
 
ax3 = plt.subplot(2,3,3)
ax3.set_xlabel('xlabel3')
ax3.set_ylabel('ylabel3')
 
ax4 = plt.subplot(2,3,4)
ax4.set_xlabel('xlabel4')
ax4.set_ylabel('ylabel4')
 
ax5 = plt.subplot(2,3,5)
ax5.set_xlabel('xlabel5')
ax5.set_ylabel('ylabel5')
 
ax6 = plt.subplot(2,3,6)
ax6.set_xlabel('xlabel6')
ax6.set_ylabel('ylabel6')
 
plt.tight_layout(pad=1.5,rect=(0,0,1,0.8))

【実行結果】

---

savefig 保存します

グラフをデータに保存します。

【例】

import numpy as np
from scipy.stats import norm
import matplotlib.pyplot as plt
 
X = np.arange(0,100,0.1)
Y = norm.pdf(X,50,20)
plt.plot(X,Y,color='b')
 
plt.savefig('graph_save.png')

【実行結果】

---

fill_between 部分的に色をつける

描画したグラフに色をつけてみます。

【例】
上側5％点の面積(確率)を塗りつぶしてみます。

import numpy as np
from scipy.stats import norm
import matplotlib.pyplot as plt
 
# 上側5％点
p = norm.ppf( 0.95 , loc=0, scale=1)
# 0から100まで0.1間隔のリスト
X = np.arange(-5,5,0.1)
# 確率密度関数にX,平均0、標準偏差1の標準正規分布
Y = norm.pdf(X,0,1)
 
# 標準正規分布の描画
fig, ax = plt.subplots(1, 1)
ax.plot(X,Y,color='r')
 
y = 0
# 標準正規分布とy=0の直線に挟まれた上側5％点(p)以上の面積(確率)を塗りつぶします
ax.fill_between( X, Y, y, where=X>p)

【実行結果】

【例】
選択した範囲を塗りつぶします。
※fill_betweenの引数where句の"&"がポイントです。

import numpy as np
from scipy.stats import norm
import matplotlib.pyplot as plt
 
# 0から100まで0.1間隔のリスト
X = np.arange(-5,5,0.1)
# 確率密度関数にX,平均0、標準偏差1の標準正規分布
Y = norm.pdf(X,0,1)
 
# 標準正規分布の描画
fig, ax = plt.subplots(1, 1)
ax.plot(X,Y,color='r')
 
y = 0
# -1から1.5の範囲を塗りつぶし
ax.fill_between( X, Y, y, where=(-1<X) & (X<1.5))

【実行結果】

【例】
両側を塗りつぶします。
※fill_betweenの引数where句の"|"がポイントです。

import numpy as np
from scipy.stats import norm
import matplotlib.pyplot as plt
 
# 両側5％点の上側
p_u = norm.ppf( 0.975, loc=0, scale=1)
# 両側5％点の下側
p_d = norm.ppf( 0.025 , loc=0, scale=1)
# 0から100まで0.1間隔のリスト
X = np.arange(-5,5,0.1)
# 確率密度関数にX,平均0、標準偏差1の標準正規分布
Y = norm.pdf(X,0,1)
 
# 標準正規分布の描画
fig, ax = plt.subplots(1, 1)
 
# 目盛りと値を付加
ax.set_xticks([p_d,p_u])
 
ax.plot(X,Y,color='r')
 
y = 0
# 標準正規分布とy=0の直線に挟まれた両側5％点の上側5％点(p_u)以上、両側5％点の下側5％点(p_d)以下の面積(確率)を塗りつぶします
ax.fill_between( X, Y, y, where=(X>p_u) | (X<p_d))

【実行結果】

【例】
信頼区間95%を塗りつぶし
※塗りつぶす範囲をnp.linspaceによりxの範囲を指定し、指定したxの範囲を元にnorm.pdfでyの範囲を指定

import numpy as np
from scipy.stats import norm
import matplotlib.pyplot as plt
 
# interval 両側(1-α)％点
down,up = norm.interval(alpha=0.95, loc=0, scale=1)
 
# 0から100まで0.1間隔のリスト
X = np.arange(-5,5,0.1)
 
# 確率密度関数にX,平均0、標準偏差1の標準正規分布
Y = norm.pdf(X,0,1)
 
# 標準正規分布の描画
fig, ax = plt.subplots(1, 1)
 
# 目盛りと値を付加
ax.set_xticks([down,up])
 
ax.plot(X,Y,color='r')
 
# 文字の挿入
ax.text(-1.0, 0.15, "95%", size = 30, color = "white")
    
# 塗りつぶす範囲を指定
filled_x = np.linspace(down,up,1000)
    
y = 0
# 両側5％点(信頼区間95%)を塗りつぶし
ax.fill_between( filled_x, norm.pdf(filled_x,0,1))

【実行結果】

---

GridSpec 複雑なグラフの配置

グラフを複雑な形状に配置する時はGridSpecを使います。

【例】

import matplotlib.pyplot as plt
 
grid = plt.GridSpec( 2, 3, wspace=0.4, hspace=0.3 )
 
plt.subplot(grid[0, 0])         # [0,0]にグラフ描画
plt.subplot(grid[0, 1:])        # [0,1][0,2]にグラフ描画
plt.subplot(grid[1, :2])        # [1,0][1,1]にグラフ描画
plt.subplot(grid[1, 2])         # [1,2]にグラフ描画

---

set_xlim,set_ylim グラフの軸の幅を指定

グラフのx軸、y軸それぞれの幅の大きさを指定します。

【例】

import numpy as np
import matplotlib.pyplot as plt
 
x = np.arange(-3, 3, 0.1)
y = np.sin(x)
 
fig, ax = plt.subplots()
 
ax.set_xlim(-4, 4)
ax.set_ylim(-2, 2)
 
plt.plot(x, y)

【実行結果】

---

annotate 注釈を入れる

グラフに注釈を入れるにはannotateを使います。

【例】

import numpy as np
import matplotlib.pyplot as plt
 
fig, ax = plt.subplots()
ax.set_xlim(0, 10)
ax.set_ylim(0, 10)
 
arrowprops_dict = dict(
                        width=5,
                        headwidth=15,
                        headlength=30,
                        )
ax.annotate("X", xy=(3, 4), xytext=(6, 7), arrowprops=arrowprops_dict,
            color="red", size=40)
 
plt.show()

【実行結果】

---

grid グラフに目盛線を記載

グラフ内のx軸、y軸に対して目盛線を記載します。

【例】

import numpy as np
import matplotlib.pyplot as plt
 
x = np.arange(-3, 3, 0.1)
y = np.sin(x)
 
fig, ax = plt.subplots()
 
ax.set_xlim(-4, 4)
ax.set_ylim(-2, 2)
 
plt.plot(x, y)
plt.grid(color="green", alpha = 0.3, linestyle = "--")

【実行結果】

---

twinx グラフを重ねてy軸を2軸化

x軸のデータは共通でy軸のデータが異なる2種類のグラフを重ね合わせるには、twinxを使います。

seabornでもy軸の2軸化を試みましたがやり方がわからなかったので(方法はあるかもしれませんが)、2軸化はmatplotlibのtwinxが役立つと思います。

【例】折れ線グラフとヒストグラムの重ね合わせ

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy.stats import poisson

# 折れ線グラフ用(ポアソン分布)のデータ
mu = 3.92
x_range = np.arange(10)
poisson_data = [poisson.pmf(x,mu) for x in x_range]

# ヒストグラム用のデータ
hist_data = pd.Series([2,2,4,6,4,5,2,3,1,2,0,4,3,3,3,3,4,2,7,2,4,3,3,3,4,3,7,5,3,1,7,6,4,6,5,2,4,7,2,2,6,2,4,5,4,5,1,3,2,3])

# グラフの作成
fig, ax1 = plt.subplots()
# 折れ線グラフの描画
ax1.plot(x_range, poisson_data)
# 2軸化
ax2 = ax1.twinx()
# ヒストグラムの描画
ax2.hist(hist_data, bins=np.arange(-0.5, 8.5, 1.0), alpha=0.4)

【実行結果】

---

vlines,hlines 縦線・横線の描画

縦線(垂直線)・横線(水平線)を描画します。

【例】vlinesの描画

import matplotlib.pyplot as plt
plt.vlines(1, -5, 5, colors='blue', linestyle='dashed')

【実行結果】

【例】hlinesの描画

import matplotlib.pyplot as plt
plt.hlines(1, -5, 5, colors='red', linestyle='dashed')

【実行結果】

---

imshow 配列を画像で表示

配列や画像または画像の配列データを画像で表示します。

【例】PIL画像の配列を表示

# 画像を配列に変換して表示
import numpy as np
import matplotlib.pyplot as plt
from PIL import Image

# 画像の取得
image = Image.open("画像/rabbit.jpg")

# 画像を配列に変換
image_array = np.array(image)

plt.imshow(image_array)

【実行結果】

【例】三次元データの表示

import matplotlib.pyplot as plt
import numpy as np

# ダミーデータ用関数の定義
def f(x, y):
    return np.sin(x) + np.cos(10 + y * x)

# ダミーデータ作成
x = np.linspace(0, 5, 50)
y = np.linspace(0, 5, 40)
X, Y = np.meshgrid(x, y)
Z = f(X, Y)

# 三次元の画像表示
plt.imshow(Z, extent=[0, 5, 0, 5], origin='lower',
           cmap='RdGy',aspect=0.8)
plt.colorbar()

【実行結果】

---