Python

Matplotlibを使って2D等高線図（コンタープロット）に追加の等高線を描画するには、contour()メソッドに表示したいレベル値のリストを指定します。以下の手順で実装できます。 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。 xとyからzのデータポイントを取得する関数 f(x, y) を定義します。 NumPyを使ってxとyのデータポイントを作成します。 NumPyで等高線のレベル値のリストを作成します。 contour()メソッドを使って等高線図を作成します。このとき、levels引数にレベルのリストを渡すことで、描画する等高線を細かく制御

Matplotlibでimshow()の画像を3D空間にプロットする方法 Matplotlibでは、imshow()で表示するような2Dデータを3D空間上にプロットすることができます。本記事では、2D画像表示と3D等高線プロットを並べて表示する具体的な手順とサンプルコードを分かりやすく解説します。 実装の手順 NumPyを使用してxxとyyのメッシュグリッドデータポイントを作成します。 X、Y、Zをもとに2Dデータ（data）を生成します。 figure()メソッドで新しい図を作成、または既存の図をアクティブ化します。 サブプロット配置の一部としてax1を図に追加します。 imshow()

Matplotlibで95%信頼区間を視覚化する方法 データ分析や統計グラフにおいて、信頼区間（Confidence Interval）の視覚化は、データのばらつきや不確実性を直感的に伝えるために非常に重要です。Pythonの可視化ライブラリ「Matplotlib」では、fill_between()メソッドを活用することで、信頼区間の範囲を半透明の帯として簡単に描画できます。 ここでは、95%の信頼区間を含むグラフを作成するための基本的な手順を紹介します。 図のサイズとレイアウトを設定する — rcParamsを使って図のサイズを指定し、サブプロット間および周囲の余白を自動調整します。 xデ

MatplotlibにおけるAxesクラスは、グラフを構成するほとんどの要素――Axis（軸）、Tick（目盛り）、Line2D（線）、Text（テキスト）、Polygon（多角形）など――を内包し、データを描画するための座標系を定義する中心的なオブジェクトです。 Figure（図全体）がいわば「キャンバス」であるのに対し、Axesはその上に配置される個々の「プロット領域」に相当します。1つのFigureに複数のAxesを配置すれば、サブプロットとして複数のグラフを並べて表示することも可能です。 Axesのカスタマイズ手順 Figure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

Matplotlibで2つの分布の違い（差）を可視化したい場合、各分布に対してカーネル密度推定（KDE）を計算し、それらを同じグラフ上に描画するとともに、両者の差も一緒にプロットするのが効果的です。以下の手順で実装できます。手順図のサイズを設定し、rcParamsを使ってサブプロット間および周囲の余白を自動調整します。NumPyを使ってデータセットaとbを作成します。ここではガンベル分布に従う乱数を生成しています。SciPyのgaussian_kdeを使い、ガウスカーネルによるカーネル密度推定のオブジェクトkdeaとkdebを取得します。NumPyのlinspace()で評価用のグリッド（x軸

多部グラフ（マルチパーティートグラフ）とは、ノードが複数の集合（パーティション）に分割され、同一集合内のノード同士は結ばれず、異なる集合間でのみエッジが張られるグラフ構造です。PythonのNetworkXライブラリには、このようなグラフをきれいに可視化するためのmultipartite_layout関数が用意されています。ここでは、NetworkXとMatplotlibを組み合わせて、複数レイヤーからなる多部グラフを作成し、描画する手順を紹介します。作成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。各レイヤー（サブセット）のサイズと、それに対応する色のリス

Matplotlibでは、title()メソッドのy引数に負の値を指定するだけで、図の下部にタイトルを簡単に配置できます。以下に具体的な手順を紹介します。 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。 サンプルデータの数を決める変数 N を初期化します。 scatter() メソッドを使って x と y のデータ点をプロットします。 title() メソッドで y=-0.01 を指定し、図の下部にタイトルを設定します。 show() メソッドで図を表示します。 コード例 import numpy as np from matplotlib import pyplo

Matplotlibを使えば、ロリポッププロット（lollipop plot）と呼ばれる、線の先端にマーカーが付いた視覚的に魅力的なグラフを簡単に作成できます。以下の手順に従って実装してみましょう。 作成手順 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。 2次元の、サイズ変更可能で異種混在も許容する表形式データを持つデータフレーム df を作成します。 sort_values() メソッドを使用して、値の昇順に並べ替えたデータフレームを作成します。 データフレームのインデックス範囲に対応する数値のリストを作成します。 並べ替えたデータフレームをもとに、ste

Matplotlibでは、ax.loglog(x, y)メソッドとset_major_formatter()メソッドを組み合わせることで、両対数グラフの目盛りラベルを計算値（指数表記）に置き換えることができます。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。図（figure）とサブプロット（axes）を作成します。X軸・Y軸の両方に対数スケールを適用したプロットを作成します。メジャーティッカーのフォーマッターを設定して、ラベルの表示形式を変更します。show()メソッドを呼び出して図を表示します。コード例import numpy as np from

PythonでMatplotlibを使って、関数から図（Figureオブジェクト）を返す方法を解説します。グラフ描画処理を関数化することで、コードの再利用性が高まり、複数のグラフを効率的に扱えるようになります。実装の手順figure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を使用してxとyのデータポイントを作成します。新しい図を作成、または既存の図をアクティブにするfigure()メソッドを使った関数plot(x, y)を定義します。plot()メソッドでxとyのデータポイントを描画し、figインスタンスを返します。plot(x, y)関数を呼び出し、戻り値の

Matplotlibを使えば、極座標系の上に矢印（ベクトル）を描画する「キバー（Quiver）プロット」を簡単に作成できます。キバープロットは、風向や電磁場など、方向と大きさを持つベクトル場を可視化する際に便利な手法です。 以下の手順に従って、極座標でのキバープロットを作成してみましょう。 図のサイズを設定し、サブプロット間および周囲の余白（パディング）を調整します。 NumPyを使用して、半径（radii）、角度（thetas）、およびメッシュグリッド用の theta と r の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化します。 サブプロット構成の一部として

Matplotlibでは、バーの塗りつぶしに使われるハッチ（網掛けパターン）の密度がデフォルトで高めに設定されていることがあります。ハッチの密度を下げることで、図を見やすく、すっきりと表示できます。この記事では、カスタムハッチクラスを作成して密度を制御する方法を紹介します。ハッチ密度を下げ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余白（パディング）を調整します。密度を上書きするためのカスタム水平ハッチクラスを作成します。作成した水平ハッチクラスを登録します。新しい図を作成するか、既存の図をアクティブにします。サブプロット配置の一部として、図に ax1 を追加します。データポイントのリ

Matplotlib の imshow() を使ったプロットでは、データの値に応じた色が表示されますが、そのカラーバー(colorbar)に何を表しているのか分かるラベルを付けると、グラフがより読みやすくなります。ここでは、imshow() プロットのカラーバーにラベルを追加する具体的な手順とコード例を紹介します。手順図のサイズを設定し、サブプロット間および周囲のパディング(余白)を調整します。NumPy を使用して、5×5 のランダムなデータポイントを作成します。imshow() メソッドを使って、データを画像として(2次元の正規ラスター上に)表示します。ScalarMappable インス

Matplotlibでは、同じラベルを持つ複数の曲線やマーカーを、凡例上で1つのエントリにまとめて表示できます。これにより、y=sin(x) のように同じ数式を表す複数の線種（破線・一点鎖線など）を、ひとつの見出しの下に整理して配置することが可能です。以下の手順で実装できます。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。Numpyを使って x のデータポイントを生成します。plot() メソッドを使って、c1、c2、c3、c4 の4つの曲線を作成します。legend() を呼び出す際に、同じラベルの曲線をタプルとして渡すことで、凡例上でまとめて表示されるようにします。sho

PythonのMatplotlibで作成した3Dサーフェスプロット（曲面図）の色を変更し、メッシュ状のグリッド線を追加したい場合、以下の手順で実現できます。 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。 numpyを使用して、x、y、hのデータポイントを生成します。 plt.figure()で新しい図を作成するか、既存の図をアクティブにします。 手順3で作成したfigureから、3D用のAxesオブジェクトを取得します。 plot_surface()を使って、面の色・エッジの色・線幅を指定したサーフェスプロットを作成します。ここでは面をオレンジ系の

matplotlibでは、あらかじめ用意されたスタイル（テーマ）を指定するだけで、グラフ全体の見た目を手軽に変更できます。ここでは、環境にインストールされているmatplotlibで使えるスタイル名の一覧を確認する方法を解説します。 スタイル名を確認する手順 matplotlibのスタイル名を調べるには、以下の2つのステップを実行します。 matplotlib.pyplot を plt としてインポートする print(plt.style.library) を実行し、スタイル情報を出力する サンプルコード import matplotlib.pyplot as plt print(pl

PyCharmを使用している環境でも、適切な設定を行えばMatplotlibのPyplotでインタラクティブなプロットを表示できます。以下の手順に従ってください。 インタラクティブなプロットを表示する手順 figure.figsizeで図のサイズを設定し、figure.autolayoutでサブプロット間および周囲のパディングを自動調整します。 mpl.use()メソッドで「Qt5Agg」などGUI対応のバックエンドを指定し、背景スタイルを整えます。これにより、PyCharm上でもウィンドウが正しく開くようになります。 plt.plot()を使って、軸（Axes）上にデータをプロットします。

subplot2gridやGridSpecを使用してMatplotlibのサブプロット間の間隔を広げるには、以下の手順に従います。図（figure）のサイズを設定し、figure.autolayoutを有効にしてサブプロット間および周囲のパディングを自動調整します。図内にサブプロットを配置するためのグリッドレイアウト（GridSpec）を作成します。update()メソッドを使って、グリッドのサブプロットパラメータ（wspace：横方向の余白、hspace：縦方向の余白）を更新します。plt.subplot()で現在の図にサブプロットを追加します。図を表示するにはshow()メソッドを使用しま

Matplotlibでは、twinx()メソッドを利用することで、X軸を共有しながらY軸ごとに独立したスケール（目盛り）を持つ複数のプロットを、1つの図に重ねて表示できます。単位が異なるデータや桁違いの値を同じグラフ上で比較したい場合に非常に便利な手法です。 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を自動調整します。 subplots()メソッドで図（Figure）とサブプロット（Axes）を作成します。 1つ目の軸（ax1）に対してplot()メソッドでデータポイントをプロットします。 twinx()メソッドで、X軸を共有する新しいY軸（ax2）を作成します。 2つ目の

Pythonの可視化ライブラリ「Matplotlib」を使えば、複数の画像ファイルを1枚ずつ順番に切り替えながら表示できます。本記事では、画像のシーケンス（一連の画像）を連続的に表示するための基本的な手順とサンプルコードを紹介します。 実装の手順 Matplotlibで一連の画像を表示するには、以下のステップに従います。 図のサイズ設定： plt.rcParams を使ってフィギュアサイズを指定し、サブプロット間の余白（パディング）を自動調整します。 画像リストの作成： 表示したい画像ファイル名をリストとしてまとめます。 軸の非表示： plt.axis(off) で座標軸をオフにし、画像だけ