Python

Matplotlibで等高線（コンター）から座標を取得するには、以下の手順に従います。図のサイズを設定し、サブプロット間およびその周囲のパディングを調整します。データポイントを格納した x、y、m のリストを作成します。plt.contour(x, y, m) を使って、x・y・m のデータポイントから等高線プロットを作成します。等高線コレクション（collections）のインスタンスを取得します。コレクションからパス（path）を取り出し、等高線の頂点（座標）を取得して出力します。図を表示するには show() メソッドを使用します。コード例import matplotlib.pyplot

Pandasでローリング平均（移動平均）を求めるには、apply()関数を使用します。さらにgroupby()と組み合わせることで、カテゴリごとにローリング平均を計算することも可能です。 まずは、必要なライブラリをインポートしましょう。 import pandas as pd DataFrameの作成 次に、2つのカラムを持つDataFrameを作成します。1つは車種名を表す文字列型の「Car」カラム、もう1つは登録価格を表す整数型の「Reg_Price」カラムです。 dataFrame = pd.DataFrame( { Car: [Tesla, Mercedes, Tes

MatplotlibでX軸にPandasの日時（Datetime）インデックスを使用しながら、色が変化するマルチカラーラインを描画する方法を解説します。ポイントは、日付データを数値に変換し、LineCollectionを使ってセグメントごとに色を割り当てることです。 実装の手順 plt.rcParamsで図のサイズを設定し、サブプロット間の余白を調整します。 NumPyとPandasを使って、日付インデックスd、累積和データy、シリーズsを作成します。 plt.subplots()で図とサブプロットを生成します。 mdates.date2num()で日時を数値（xval）に変換し、線分用の座

MatplotlibとPandasを組み合わせると、データフレームの列の値をラベルとして、バブルチャートや散布図の各プロット点に注釈（アノテーション）を付けることができます。ここでは、その具体的な手順を解説します。 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パディングを調整します。 2次元のサイズ変更可能な表形式データを持つデータフレーム（df）を作成します。 作成したdfをもとに散布図を描画します。 annotate()メソッドを使って、各データポイントにテキストラベルを追加します。 show()メソッドで図を表示します。 コード例 import pandas as pd

matplotlibオブジェクトを関数に渡す方法 matplotlibでは、Figure（図全体）、Axes（個々のプロット領域）、Axis（x軸・y軸などの軸）といったオブジェクトを関数の引数として渡すことで、柔軟かつ再利用性の高いグラフ描画が可能になります。ここでは、複数のサブプロットを効率的に描画する例を通じて、その具体的な手順を解説します。 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を自動調整します。 plot() 関数を定義し、引数として受け取った Axes オブジェクト ax に対して x・y のデータポイントをプロットします。 profile() 関数内で

matplotlibで作成したグラフの上側に目盛りラベル（目盛りの数値）を表示したい場合は、set_tick_params()メソッドにlabeltop=Trueを指定するだけで簡単に実現できます。実装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。Figureとサブプロットを作成します。set_tick_params()にlabeltop=Trueを渡して、グラフ上部に目盛りラベルを表示します。set_tick_params()にlabelbottom=Falseを渡して、下側の軸の目盛りラベルを非表示にします。show()メソッドを使って図を表示します。サ

PythonのMatplotlibでsubplotやimshow()を使って画像を表示すると、図の周囲に白い境界線（余白）が現れることがあります。これは、Axesがデフォルトでマージンやパディングを持つためです。この白い余白を完全に取り除き、画像だけで画面を埋める表示を実現するには、以下の手順に従います。 白い境界線を削除する手順 図のサイズを設定し、サブプロット間および周囲のパディングを調整します。 NumPyを使ってランダムなデータポイントを作成します。 データの形状（サイズ）を取得します。 データのアスペクト比に合わせて、図のサイズをインチ単位で設定します。 図の要素全体を覆うAxe

imshow()プロットでx軸・y軸の目盛り（xticks / yticks）を設定するには、以下の手順に従います。図のサイズを設定し、サブプロット間および周囲のパディングを調整します。現在の軸（Axes）を取得します。ランダムなデータセットを作成します。データを画像として表示します（2次元の正規ラスタ上に描画）。set_xticks()メソッドとset_yticks()メソッドを使って、x軸・y軸の目盛りを設定します。図を表示するには、show()メソッドを使用します。コード例import numpy as np import matplotlib.pyplot as plt plt.rc

matplotlibでは、x軸の値をずらして再プロットするだけで、グラフをX軸方向に簡単にシフトできます。この記事では、sin波を例に、元のグラフと1単位分右にシフトしたグラフを同じ図上に描画する手順を解説します。 シフトの手順 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・yのデータポイントを作成します。 元の曲線として、xとyのデータポイントをプロットします。 シフト後のグラフは、範囲 (1, 1 + len(y)) をx軸の値としてyのデータポイントをプロットします。 凡例を図に配置します。 図を表示するには show() メソ

matplotlibでは、長さが異なる複数の配列でも問題なく同じグラフ上にプロットできます。x軸とy軸それぞれに対応するデータ点を用意し、plot()メソッドを呼び出すだけで、matplotlibが自動的に各データ系列を描画してくれます。プロット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、長さの異なるy1、x1、y2、x2のデータ点を作成します。plot()メソッドを使用して、(x1, y1) と (x2, y2) のデータ点をプロットします。図を表示するには、show()メソッドを使用します。コード例import numpy as

Matplotlibとpandasを組み合わせると、CSVファイルに保存された複数列のデータを簡単に読み込み、1つのグラフに複数の折れ線を重ねて描画できます。本記事では、その基本的な手順をコード例とともに解説します。複数行プロット作成の手順図のサイズを設定し、サブプロット間およびその周囲の余白を調整します。CSVファイルから取得したいデータの列名リストを作成します。ここで指定する名前は、CSVファイル内で実際に使用されている列名と完全に一致している必要があります。pandasのread_csv()メソッドを使って、CSVファイルからデータを読み込みます。df.plot()メソッドを呼び出して、

Matplotlibで作成したグラフから、軸の目盛り（tick）やラベル（数値）を非表示にしたいケースは意外と多くあります。たとえば、プレゼン資料用にシンプルな図を作りたい場合や、独自の装飾を行いたい場合などが該当します。この記事では、set_tick_params() や set_xticks() / set_yticks() を使って、X軸・Y軸の目盛りとラベルをまとめてオフにする方法を解説します。非表示にするため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を調整するNumPyを使ってx・yのデータポイントを作成するplot() メソッドでデータをプロットするgca() で現在

CSVファイルに含まれる3番目の配列（3列目のデータ）の値に基づいて、点の色を変えて表示する2D散布図を作成するには、以下の手順で実装できます。 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。 3つのヘッダーを持つCSVファイルを読み込みます。 新しい図を作成するか、既存の図をアクティブにします。 サブプロット配置の一部として、図に「ax」を追加します。 CSVファイルのデータポイントを使用して散布図を描画します。このとき、3列目のデータをc引数に渡すことで、値に応じた色分けが可能になります。 show()メソッドを使って図を表示します。 サンプ

Matplotlibで途中に欠け（ギャップ）のある横棒グラフを作成するには、broken_barh()メソッドを使用します。このメソッドは、1本の棒の中に複数の矩形を横方向に並べて描画できるため、時間帯ごとの稼働状況や中断を含むデータなどを視覚化するのに便利です。以下の手順で作成していきましょう。 図のサイズを設定し、サブプロット間および周囲の余白を調整します。 FigureとAxes（サブプロット）を作成します。 broken_barh()で横方向の矩形のシーケンスを描画します。 X軸・Y軸の表示範囲を設定します。 グリッド線を表示するよう設定します。 注釈（アノテーション）を追加します。

matplotlibのhlinesで描画した水平線にラベルを付けるには、plt.text()を組み合わせて使うのが一般的です。以下の手順で実装できます。 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。 軸上に水平線を追加します。y=1 の位置に「y=1」というラベルを付け、色はオレンジ（orange）にします。 同様にもう1本の水平線を追加します。y=2 の位置に「y=2」というラベルを付け、色は赤（red）にします。 show()メソッドを使って図を表示します。 サンプルコード import matplotlib.pyplot as plt # 図

matplotlibで3Dアニメーションを作成する手順 matplotlibを使って3Dアニメーションを作成するには、以下の手順に従います。 必要なパッケージをインポートします。3Dアニメーションでは、mpl_toolkits.mplot3dからAxes3Dを、matplotlib.animationモジュールをそれぞれインポートする必要があります。 図（figure）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を使用して、t、x、yおよびデータポイントを生成します。 新しい図を作成するか、既存の図をアクティブにします。 3D軸（Axes3D）のイ

matplotlibでは、plot()メソッドとannotate()メソッドを組み合わせることで、特定のデータポイントを円で囲み、そこに注釈（矢印付きのテキスト）を追加したグラフを作成できます。 以下に、その具体的な手順を示します。 手順 図のサイズと余白の設定： plt.rcParamsを使ってfigureサイズを指定し、サブプロット間・周囲のパディングを調整します。 データポイントの作成： numpyを使ってデータ点を生成します。 注釈対象の座標取得： 円で囲んで注釈を付けたいポイントの座標を取り出します。 現在の軸を取得： plt.gca()でカレントのAxesオブジェクトを取得します

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。 scat

リスト内の各要素が平均値からどれだけ散らばっているかを示す指標として、標準偏差は統計解析で最も広く使われる尺度のひとつです。Pythonでは、組み込み関数の sum() と len() を組み合わせるだけで、外部ライブラリに頼らずに簡単に計算できます。 コード例 以下は、リストの標準偏差を求める具体的な実装例です。 my_list = [3, 5, 7, 10, 12] print(元のリスト :) print(my_list) my_mean = sum(my_list) / len(my_list) my_variance = sum([((x - my_mean) ** 2) for

あるリストの要素が、別のリストの最小値から最大値までの範囲内に収まっているかどうかを確認したい場面はよくあります。本記事では、リストの要素を順に走査し、それぞれが基準となるリストの最小値以上・最大値以下であるかをチェックする方法を解説します。実装例以下に具体的なサンプルコードを示します。my_list = [5, 6, 4, 7, 8, 13, 15] print(リストの内容:) print(my_list) # 基準となるリストの最小値と最大値を取得 min_val = min(my_list) max_val = max(my_list) range_list = [4, 7, 10