Python Matplotlibでカスタムカラーとカスタム領域サイズを使って4D散布図をプロットする方法

はじめに

散布図（Scatter Plot）は、2つの変数間に関係性があるかどうかを確認するために、2次元データを視覚化する際に非常に便利なグラフです。散布図では、データがX値とY値を持つ点（ドット）として表現されます。

実装手順

1. matplotlibのインストール

まず、以下のコマンドでmatplotlibをインストールします。

pip install matplotlib

2. matplotlibのインポート

import matplotlib.pyplot as plt

tennis_stats = (('Federer', 20),('Nadal', 20),('Djokovic', 17),('Sampras', 14),('Emerson', 12),('laver', 11),('Murray', 3),('Wawrinka', 3),('Zverev', 0),('Theim', 1),('Medvedev',0),('Tsitsipas', 0),('Dimitrov', 0),('Rublev', 0))

3. データの準備

次に、データを配列形式で準備します。データベースやスプレッドシートからデータを読み込み、以下のような形式に整形することもできます。

titles = [title for player, title in tennis_stats]
players = [player for player, title in tennis_stats]

4. 基本的な散布図の描画

matplotlibの他のメソッドと同様に、.scatterメソッドにはX値とY値の配列を渡す必要があります。

注意： X値とY値は同じサイズである必要があり、データはデフォルトでfloat型に変換されます。

plt.scatter(titles, players)

<matplotlib.collections.PathCollection at 0x28df3684ac0>

5. 軸ラベルとフォーマットの調整

上記の出力を見ると、X軸のグランドスラム優勝回数がfloat型で表示されてしまっています。そこで、整数に変換するとともに、X軸とY軸にタイトルを追加しましょう。軸のフォーマッターは.set_major_formatterで上書きできます。

from matplotlib.ticker import FuncFormatter
def format_titles(title, pos):
    return '{}'.format(int(title))

plt.gca().xaxis.set_major_formatter(FuncFormatter(format_titles))
plt.xlabel('Grandslam Titles')
plt.ylabel('Tennis Player')
plt.scatter(titles, players)

6. 色による第4の次元の追加

散布図を単なる2Dチャートだと考えないでください。散布図には第3の次元（面積）や、さらに第4の次元（色）を追加することもできます。以下では、その具体的な方法を説明します。

まず、好みの色を定義し、それらをランダムに選択して各データポイントに割り当てます。

alpha値を指定すると、各ポイントが半透明になり、重なり合う部分を視覚的に確認できるようになります。この値が大きいほど、ポイントの透明度は低くなります。

import random

# 独自のカラースケールを定義
random_colors = ['#FF0000', '#FFFF00', '#FFFFF0', '#FFFFFF', '#00000F']

# データ数と同じ数の色をランダムに設定
color = [random.choice(random_colors) for _ in range(len(titles))]

plt.scatter(titles, players, c=color, alpha=0.5)

<matplotlib.collections.PathCollection at 0x28df2242d00>

7. サイズ（面積）による第3の次元の追加

続いて、データポイントの表示サイズ（面積）を変えてみましょう。

import random

# 独自のカラースケールを定義
random_colors = ['#FF0000', '#FFFF00', '#FFFFF0', '#FFFFFF', '#00000F']

# データ数と同じ数の色をランダムに設定
color = [random.choice(random_colors) for _ in range(len(titles))]

# サイズを設定
size = [(50 * random.random()) ** 2 for _ in range(len(titles))]

plt.gca().xaxis.set_major_formatter(FuncFormatter(format_titles))
plt.xlabel('Grandslam Titles')
plt.ylabel('Tennis Player')

plt.scatter(titles, players, c=color, s=size, alpha=0.1)

<matplotlib.collections.PathCollection at 0x28df22e2430>

忘れてはならないのは、グラフの最終的な目的は「データを理解しやすくすること」だという点です。

ここまでで、散布図でできることの基本を紹介しました。さらに発展させると、例えば色をサイズに依存させて、同じサイズのポイントを同じ色にすることもできます。これにより、データの区別がより容易になります。

詳細については、公式ドキュメント https://matplotlib.org/ を参照してください。

完全なコード例

最後に、これまでの内容をすべてまとめたコード全体を示します。

# インポート
import matplotlib.pyplot as plt
import random

# データの準備
tennis_stats = (('Federer', 20),('Nadal', 20),('Djokovic', 17),('Sampras', 14),('Emerson', 12),('laver', 11),('Murray', 3),('Wawrinka', 3),('Zverev', 0),('Theim', 1),('Medvedev',0),('Tsitsipas', 0),('Dimitrov', 0),('Rublev', 0))

titles = [title for player, title in tennis_stats]
players = [player for player, title in tennis_stats]

# カスタム関数
from matplotlib.ticker import FuncFormatter
def format_titles(title, pos):
    return '{}'.format(int(title))

# 独自のカラースケールを定義
random_colors = ['#FF0000', '#FFFF00', '#FFFFF0', '#FFFFFF', '#00000F']

# データ数と同じ数の色をランダムに設定
color = [random.choice(random_colors) for _ in range(len(titles))]

# サイズを設定
size = [(50 * random.random()) ** 2 for _ in range(len(titles))]

plt.gca().xaxis.set_major_formatter(FuncFormatter(format_titles))
plt.xlabel('Grandslam Titles')
plt.ylabel('Tennis Player')

plt.scatter(titles, players, c=color, s=size, alpha=0.1)

<matplotlib.collections.PathCollection at 0x2aa7676b670>