DSA 5/9 グラフ描画基礎

各種グラフ公式ドキュメント

matplotlib.pyplot 散布図公式
matplotlib.pyplot 折れ線図公式

# 数値演算、描画用ライブラリ読み込み
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# グラフをinline表示可能にする
%matplotlib inline
# 解像度を上げてinline表示する
%config InlineBackend.figure_format = 'retina'

# 日本語表示用ライブラリ（matplotlibで日本語を使用したい場合）
import japanize_matplotlib

# Excelファイルを読み込む
df = pd.read_excel('dsa_data1.xlsx', sheet_name ='dsa_02', skiprows = 0)
df

	temp_2020	sales_2020	temp_2021	sales_2021
0	28	520	29	540
1	32	570	35	590
2	35	600	33	630
3	33	630	31	640
4	27	490	26	490
5	24	520	22	550
6	30	500	32	540
7	38	730	39	740
8	33	610	33	650
9	21	440	23	460
10	24	420	20	450
11	22	450	20	480
12	29	560	27	580
13	35	620	32	670
14	33	500	34	550

df.head()

	temp_2020	sales_2020	temp_2021	sales_2021
0	28	520	29	540
1	32	570	35	590
2	35	600	33	630
3	33	630	31	640
4	27	490	26	490

df.tail()

	temp_2020	sales_2020	temp_2021	sales_2021
10	24	420	20	450
11	22	450	20	480
12	29	560	27	580
13	35	620	32	670
14	33	500	34	550

df.head()

	temp_2020	sales_2020	temp_2021	sales_2021
0	28	520	29	540
1	32	570	35	590
2	35	600	33	630
3	33	630	31	640
4	27	490	26	490

temp_2020 = df['temp_2020'].to_numpy()
sales_2020 = df['sales_2020'].to_numpy()
temp_2021 = df['temp_2021'].to_numpy()
sales_2021 = df['sales_2021'].to_numpy()
temp_2020, sales_2020, temp_2021, sales_2021

(array([28, 32, 35, 33, 27, 24, 30, 38, 33, 21, 24, 22, 29, 35, 33],
       dtype=int64),
 array([520, 570, 600, 630, 490, 520, 500, 730, 610, 440, 420, 450, 560,
        620, 500], dtype=int64),
 array([29, 35, 33, 31, 26, 22, 32, 39, 33, 23, 20, 20, 27, 32, 34],
       dtype=int64),
 array([540, 590, 630, 640, 490, 550, 540, 740, 650, 460, 450, 480, 580,
        670, 550], dtype=int64))

# 複数系列データの散布図描画（様々な修飾付加）
plt.xlim(15.0, 40.0)
plt.ylim(300, 800)
plt.title('売上高と気温の関係 (2020-2021)',fontsize=18)
plt.xlabel("気温 (℃)", fontsize=20)
plt.ylabel("売上高 ($)", fontsize=20)
plt.grid(True, zorder=1)
plt.tick_params(labelsize = 14)

# グラフの描画
plt.scatter(temp_2020, sales_2020, s=80, c="b", marker="D", alpha=0.5, label="2020", zorder=2)
plt.scatter(temp_2021, sales_2021, s=80, c="r", marker="D", alpha=0.5, label="2021", zorder=3)
plt.legend(loc="lower right", fontsize=14);

# 複数系列データの散布図描画（様々な修飾付加）
plt.xlim(15.0, 40.0)
plt.ylim(300, 800)
plt.title('売上高と気温の関係 (2020-2021)',fontsize=18)
plt.xlabel("気温 (℃)", fontsize=20)
plt.ylabel("売上高 ($)", fontsize=20)
plt.grid(True, zorder=1)
plt.tick_params(labelsize = 14)

# グラフの描画
plt.scatter(temp_2020, sales_2020, s=400, c="g", marker="$\clubsuit$", alpha=0.5, label="2020", zorder=2)
plt.scatter(temp_2021, sales_2021, s=400, c="r", marker="$\clubsuit$", alpha=0.5, label="2021", zorder=3)
plt.legend(loc="lower right", fontsize=14)
# グラフの保存
plt.savefig('test2.png', bbox_inches='tight', dpi=360, transparent=True);

# 複数系列データの散布図描画（様々な修飾付加）
plt.xlim(15.0, 40.0)
plt.ylim(300, 800)
plt.title('売上高と気温の関係 (2020-2021)',fontsize=18)
plt.xlabel("気温 (℃)", fontsize=20)
plt.ylabel("売上高 ($)", fontsize=20)
plt.grid(True, zorder=1)
plt.tick_params(labelsize = 14)

#plt.text(16, 750, "n=15", fontsize=16)
plt.text(16, 750, f"n={len(temp_2020)}", fontsize=16) # ｆ文字列

# グラフの描画
plt.scatter(temp_2020, sales_2020, s=400, c="g", marker="$\clubsuit$", alpha=0.5, label="2020", zorder=2)
plt.scatter(temp_2021, sales_2021, s=400, c="r", marker="$\clubsuit$", alpha=0.5, label="2021", zorder=3)
plt.legend(loc="lower right", fontsize=14)
# グラフの保存
plt.savefig('test2.png', bbox_inches='tight', dpi=360, transparent=True);

len(temp_2020)

15

折れ線グラフ

sales_2021

array([540, 590, 630, 640, 490, 550, 540, 740, 650, 460, 450, 480, 580,
       670, 550], dtype=int64)

plt.plot(sales_2021)

[<matplotlib.lines.Line2D at 0x218c16bfd30>]

plt.plot(temp_2021, sales_2021)

[<matplotlib.lines.Line2D at 0x218c135b040>]

plt.plot(temp_2021, sales_2021, marker='o')

[<matplotlib.lines.Line2D at 0x218c1228e80>]

plt.plot(temp_2021, sales_2021, marker='o', linestyle='--')

[<matplotlib.lines.Line2D at 0x218bf128fd0>]

plt.plot(temp_2021, sales_2021, marker='o', linestyle='', c='m')

[<matplotlib.lines.Line2D at 0x218c1325f60>]

# color, marker, linestyle はこの順でまとめてsetできる
plt.title('売上高と気温の関係 (2020-2021)',fontsize=18)
plt.xlabel("気温 (℃)", fontsize=20)
plt.ylabel("売上高 ($)", fontsize=20)
plt.plot(temp_2021, sales_2021,'g^--', markersize=12);

# Excelファイルを読み込む
df = pd.read_excel('dsa_data1.xlsx', sheet_name ='dsa_03', skiprows = 0)
df

	age	boy_height	boy_weight	girl_height	girl_weight
0	1	77.8	10.1	78.4	10.0
1	2	88.7	12.5	87.2	12.1
2	3	96.7	14.3	96.2	14.1
3	4	103.2	16.6	101.2	15.6
4	5	110.9	18.7	108.3	17.2
5	6	115.3	20.5	113.1	20.2
6	7	121.6	23.4	121.1	22.0
7	8	127.4	25.9	127.1	25.4
8	9	133.6	29.6	133.1	29.9
9	10	137.3	32.7	138.5	32.6
10	11	145.7	38.0	146.8	38.0
11	12	152.3	42.9	150.8	39.7
12	13	159.3	47.6	155.5	46.1
13	14	164.3	51.2	157.2	47.2
14	15	167.5	55.6	155.9	48.1
15	16	168.9	58.2	157.8	50.5
16	17	172.4	64.6	155.0	49.6
17	18	170.5	60.7	158.8	53.4
18	19	174.9	68.0	157.0	50.5
19	20	173.2	64.5	156.4	50.0
20	21	170.7	68.5	156.6	50.2
21	22	170.7	66.1	158.1	51.0
22	23	172.9	71.3	156.1	52.5
23	24	171.3	64.1	159.5	51.5
24	25	170.9	61.1	160.4	53.1

df.head()

	age	boy_height	boy_weight	girl_height	girl_weight
0	1	77.8	10.1	78.4	10.0
1	2	88.7	12.5	87.2	12.1
2	3	96.7	14.3	96.2	14.1
3	4	103.2	16.6	101.2	15.6
4	5	110.9	18.7	108.3	17.2

age = df['age'].to_numpy()  # 下の４データ（y）に対して共通
boy_height = df['boy_height'].to_numpy()
boy_weight = df['boy_weight'].to_numpy()
girl_height = df['girl_height'].to_numpy()
girl_weight = df['girl_weight'].to_numpy()
age, boy_height, boy_weight, girl_height, girl_weight

(array([ 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], dtype=int64),
 array([ 77.8,  88.7,  96.7, 103.2, 110.9, 115.3, 121.6, 127.4, 133.6,
        137.3, 145.7, 152.3, 159.3, 164.3, 167.5, 168.9, 172.4, 170.5,
        174.9, 173.2, 170.7, 170.7, 172.9, 171.3, 170.9]),
 array([10.1, 12.5, 14.3, 16.6, 18.7, 20.5, 23.4, 25.9, 29.6, 32.7, 38. ,
        42.9, 47.6, 51.2, 55.6, 58.2, 64.6, 60.7, 68. , 64.5, 68.5, 66.1,
        71.3, 64.1, 61.1]),
 array([ 78.4,  87.2,  96.2, 101.2, 108.3, 113.1, 121.1, 127.1, 133.1,
        138.5, 146.8, 150.8, 155.5, 157.2, 155.9, 157.8, 155. , 158.8,
        157. , 156.4, 156.6, 158.1, 156.1, 159.5, 160.4]),
 array([10. , 12.1, 14.1, 15.6, 17.2, 20.2, 22. , 25.4, 29.9, 32.6, 38. ,
        39.7, 46.1, 47.2, 48.1, 50.5, 49.6, 53.4, 50.5, 50. , 50.2, 51. ,
        52.5, 51.5, 53.1]))

# 身長
plt.title('成長曲線',fontsize=18)
plt.xlabel("年齢", fontsize=20)
plt.ylabel("身長 (cm)", fontsize=20)

plt.plot(age, boy_height, 'co-', label='boy')
plt.plot(age, girl_height, 'mo-', label='girl')
plt.legend(fontsize=14);

# 体重
plt.title('成長曲線',fontsize=18)
plt.xlabel("年齢", fontsize=20)
plt.ylabel("体重 (kg)", fontsize=20)

plt.plot(age, boy_weight, 'co-', label='boy')
plt.plot(age, girl_weight, 'mo-', label='girl')
plt.legend(fontsize=14);

# 身長
plt.title('成長曲線',fontsize=18)
plt.xlabel("年齢", fontsize=20)
plt.ylabel("身長 (cm)", fontsize=20)

plt.plot(age, boy_height, 'co-', label='boy')
plt.plot(age, girl_height, 'mo-', label='girl')
plt.legend(fontsize=14);

# 2軸目の設定 (twinx)
# 体重
plt.twinx()
plt.title('成長曲線',fontsize=18)
plt.xlabel("年齢", fontsize=20)
plt.ylabel("体重 (kg)", fontsize=20)

plt.plot(age, boy_weight, 'cD-', label='boy')
plt.plot(age, girl_weight, 'mD-', label='girl')
plt.legend(fontsize=14);

# 複数グラフ一括描画例
plt.figure(figsize=(10, 6))
plt.subplot(2, 2, 1)
plt.plot(age, boy_height, c='c')
plt.grid()
plt.ylim(60, 180)
plt.xlabel('Age',fontsize=14)
plt.ylabel('男子身長 [cm]', fontsize=14)

plt.subplot(2, 2, 2)
plt.plot(age, boy_weight, c='b')
plt.grid()
plt.ylim(0, 80)
plt.xlabel('Age',fontsize=14)
plt.ylabel('男子体重 [kg]', fontsize=14)

plt.subplot(2, 2, 3)
plt.plot(age, girl_height, c='m')
plt.grid()
plt.ylim(60, 180)
plt.xlabel('Age',fontsize=14)
plt.ylabel('女子身長 [cm]', fontsize=14)
plt.tight_layout()

plt.subplot(2, 2, 4)
plt.plot(age, girl_weight, c='r')
plt.grid()
plt.ylim(0, 80)
plt.xlabel('Age',fontsize=14)
plt.ylabel('女子体重 [kg]', fontsize=14)
plt.tight_layout();

エラーバー

# グラフタイトル
plt.title('Effects of excitation power', fontsize=18)

# 軸名（y軸：TeX表記を使用）
plt.xlabel('Power (mW)', fontsize=16)
plt.ylabel('Generation rate ($s^{-1}$)', fontsize=16)

# 理論値の描画
power = np.linspace(0,10,51)  # x軸データの準備：0-10の範囲を、51点分割
# print(power)  # just for check
rate = power**2

# zorder は、重ねる際の順序（数字の大きい方が上になる）
plt.plot(power, rate,"c-", markersize=10, lw=1.5,label='theory', zorder=1)

# 実験値（平均値）の描画
x_marker = np.arange(0, 11, 2) 
y_marker = x_marker**2 
plt.scatter(x_marker, y_marker, s=60, marker='D',color='r', lw=2, label='experimental', zorder=3)

# 実験値（標準偏差）の描画
#err = np.array([1/2,1,2,3,4,5])*3
err = np.array([4,4,4,4,4,4])*2
plt.errorbar(x_marker, y_marker, yerr=err, c='g', ls='', capsize=5, zorder=2)

# 目盛線のラベルサイズ
plt.tick_params(labelsize = 12) 

# 軸範囲の指定を追加
plt.xlim(-.5,10.5)
plt.ylim(-10,120)

# 凡例表示
plt.legend(fontsize=12, loc='upper left');

# グリッドの表示
plt.grid(False)

from scipy.stats import norm
center = 0; sigma = 1
z_pos = 1

#Both sides
x1 = np.linspace(center - 4*sigma, center + 4*sigma, 2**8)
y1 = norm.pdf(x1, loc=center, scale=sigma)
x2 = np.linspace(center - z_pos*sigma, center + z_pos*sigma, 2**8)
y2 = norm.pdf(x2, loc=center, scale=sigma)

plt.plot(x1, y1, color="c")
plt.plot(x2, y2, color="c")
plt.fill_between(x2, 0, y2, facecolor='c', alpha=0.3)

plt.vlines(x=-z_pos, ymin=-0, ymax=norm.pdf(z_pos,loc=center,scale=sigma),
           linestyles='dashed', linewidths=1)
plt.vlines(x=z_pos, ymin=-0, ymax=norm.pdf(z_pos,loc=center,scale=sigma),
           linestyles='dashed', linewidths=1)

plt.xlabel("$\sigma$ (standard deviation)", fontsize=14)
plt.ylabel("Probability", fontsize=14)
prob = 2*norm.cdf(x=z_pos, loc=center, scale=sigma)-1
print(f"区間 [{-z_pos: .1f}*sigma,{z_pos: .1f}*sigma]に入る確率:{prob: .3f}")

区間 [-1.0*sigma, 1.0*sigma]に入る確率: 0.683

# グラフタイトル
plt.title('Effects of excitation power', fontsize=18)

# 軸名（y軸：TeX表記を使用）
plt.xlabel('Power (mW)', fontsize=16)
plt.ylabel('Generation rate ($s^{-1}$)', fontsize=16)

# データ（平均値）の描画
x_marker = np.arange(0, 11, 2) 
y_marker = x_marker**2 
plt.plot(x_marker, y_marker, ms=5, marker=None, color='r', lw="2")

# データ（標準偏差）の描画
y_err = np.array([1/2,1,2,3,4,5])*3
x_err = np.array([1/2,1,2,3,4,5])/10

plt.errorbar(x_marker, y_marker, yerr = y_err, xerr = x_err, capsize=5, fmt='o', 
             markersize=10, ecolor='black', markeredgecolor = "black", color='w')

# 目盛線のラベルサイズ
plt.tick_params(labelsize = 12) 

# 軸範囲の指定を追加
plt.xlim(-.5,11)
plt.ylim(-10,120)

# グリッドの表示
plt.grid(False)

（参考）上の理論値の描画でのxデータの作成について

理論値のような数学関数を描画する場合、横軸には等間隔の配列(ndarray)を用いる。 NumPyで等間隔の配列を
生成するには、 np.arange() または np.linspace() を用いる。
arange()は間隔（公差）を指定、linspace()は要素数を指定という違いがあり、目的によって使い分ける。

# x軸の作成 (linspace)：範囲とデータ点数の指定
x_data1 = np.linspace(-10,10,21)
print(x_data1)

# x軸の作成 (arange)：範囲と間隔（公差）の指定
x_data2 = np.arange(-10,10.5,0.5)
print(x_data2)

[-10.  -9.  -8.  -7.  -6.  -5.  -4.  -3.  -2.  -1.   0.   1.   2.   3.
   4.   5.   6.   7.   8.   9.  10.]
[-10.   -9.5  -9.   -8.5  -8.   -7.5  -7.   -6.5  -6.   -5.5  -5.   -4.5
  -4.   -3.5  -3.   -2.5  -2.   -1.5  -1.   -0.5   0.    0.5   1.    1.5
   2.    2.5   3.    3.5   4.    4.5   5.    5.5   6.    6.5   7.    7.5
   8.    8.5   9.    9.5  10. ]

# 数学関数の上にマーカーを散布図として追加してみる

# 数学関数の定義（横軸データはx_data1, x_data2 いずれも可）
y_math = x_data1**2 - 10

# グラフ描画
plt.plot(x_data1, y_math, 'c', zorder=1)
plt.xlim(-12,12)  # x軸範囲
plt.ylim(-20,100)  # y軸範囲
plt.grid()

# マーカ描画用の散布図を作成して重ねる
x_marker = np.arange(-10, 11, 2) 
y_marker = x_marker**2  - 10
plt.scatter(x_marker, y_marker, s=600, alpha=0.5, zorder=2, marker='$\heartsuit$',lw=2, edgecolors="red")

# グラフタイトルと軸名
plt.title('Drawing a graph (plot)', fontsize=20)
plt.xlabel('x-axis', fontsize=20)
plt.ylabel('y-axis', fontsize=20);

参考

数学関数の描画

from sympy import plot, Symbol
x = Symbol('x')
plot(x**2*(x**2-4), (x, -2.4, 2.4));