Pythonでクラスタリング結果の散布図を作成する方法【matplotlib活用】

Pythonでクラスタリング結果を散布図として可視化するには、matplotlibとnumpyを組み合わせるのが一般的です。この記事では、データポイントをクラスタごとに色分けし、クラスタ中心を別のマーカーで表示する基本的な手法を解説します。

実装の手順

• 図のサイズを設定し、サブプロット間および周囲の余白（パディング）を調整します。
• numpyを使って、x座標・y座標のデータポイント、各点のクラスタラベル、クラスタ中心を作成します。
• 新しいfigureオブジェクトを作成します（既存のfigureがある場合はそれをアクティブにします）。
• 現在のfigureにサブプロットを追加します。
• scatter()メソッドでデータポイントをプロットします。c引数にクラスタラベルを渡すことで、クラスタごとに自動的に色分けされます。
• クラスタ中心のデータを反復処理し、scatter()メソッドで赤色の「+」マーカーを配置します。
• show()メソッドで図を画面に表示します。

コード例

import numpy as np
import matplotlib.pyplot as plt

plt.rcParams["figure.figsize"] = [7.00, 3.50]
plt.rcParams["figure.autolayout"] = True

x = np.random.randn(10)
y = np.random.randn(10)
Cluster = np.array([0, 1, 1, 1, 3, 2, 2, 3, 0, 2])
centers = np.random.randn(4, 2)

fig = plt.figure()
ax = fig.add_subplot(111)

scatter = ax.scatter(x, y, c=Cluster, s=50)
for i, j in centers:
   ax.scatter(i, j, s=50, c='red', marker='+')

plt.show()

コードのポイント

• c=Cluster：各データポイントが属するクラスタのラベル配列を渡すことで、クラスタごとに異なる色で描画されます。
• s=50：マーカーのサイズを指定しています。値を大きくすると点が大きく表示されます。
• marker='+' と c='red'：クラスタ中心を目立たせるために、赤色の十字型マーカーを使用しています。
• np.random.randn()：正規分布に従う乱数を生成しており、ここではデモ用のダミーデータとして利用しています。

出力結果

上記のコードを実行すると、クラスタごとに色分けされた散布図と、その中心位置を示す赤い「+」マーカーが表示されます。

実際のクラスタリング分析では、K-meansなどのアルゴリズムで求めたクラスタラベルと重心を、このコードのClusterとcentersに置き換えるだけで、同じように可視化できます。