Python

Matplotlibでは、ShapelyとDescartesというライブラリを組み合わせることで、2つの円（パッチ）が重なる交差領域を簡単に色分けして可視化できます。この記事では、その具体的な手順をコード例とともに解説します。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。円のもととなる点 a と b を作成します。Shapelyの幾何演算を使い、2つの円から「左側」「右側」「中央（重なり部分）」の3つの領域を求めます。gca() メソッドで現在のAxes（座標軸）を取得します。領域ごとに異なる色を指定してパッチを追加します。X軸・Y軸の表示範囲（スケー

PythonのMatplotlibを使って画像やグラフをリアルタイムに再描画したい場面は少なくありません。例えば、データが順次更新される様子をアニメーションのように表示したい場合などが挙げられます。本記事では、Matplotlibで図を再描画するための基本的な手順と、実際に動作するサンプルコードを紹介します。 画像を再描画する手順 Matplotlibで図を再描画するには、以下の手順に従います。 rcParamsなどで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。 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。 gca()メソッドを使用して、

Matplotlibでは、transData変換を使うことで、データ座標系における1単位が実際に何ピクセルに相当するのかを簡単に計算できます。この記事では、その具体的な手順をサンプルコードとともに分かりやすく解説します。 取得までの手順 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 と y のデータ点を作成します。 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。 add_subplot() メソッドで、サブプロット配置の一部として Axes オブジェクトを図に追加します。 plot() メソッドで x

Matplotlibを使用して、Pandasの日付データからカーネル密度推定（KDE）プロットを作成する方法を解説します。KDEプロットはデータの分布を滑らかな曲線で可視化できる便利な手法ですが、日付型はそのままでは数値演算ができないため、序数（ordinal）に変換してからプロットするのがポイントです。 実装の手順 図のサイズを設定し、サブプロット周辺の余白（パディング）を調整します。 Pandasのデータフレームを作成します。 日付列を序数（ordinal）形式に変換します。 序数値に対してカーネル密度推定（kind=kde）でプロットします。 set_xticklabels()メソッ

はじめにPythonのMatplotlibでは、スクリプトの実行中に図をリアルタイムで操作・更新することができます。例えば、データを少しずつ追加しながらグラフの変化を目視で確認したい場合などに便利です。本記事では、plt.pause()を活用して、スクリプト実行中に図をインタラクティブに操作する手順を解説します。実装の手順Pythonでスクリプトの実行中に図を操作するには、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余白（パディング）を調整します。figure()メソッドを使用して、新しい図を作成するか、既存の図をアクティブにします。現在の軸axを取得し、fig.sho

Matplotlibを使ってPySpark SQLのクエリ結果をグラフ化する方法を解説します。Sparkで処理したデータをPandasデータフレームに変換し、Matplotlibで可視化まで行う一連の手順を、サンプルコード付きで紹介します。実装の全体フローMatplotlibでPySpark SQLの結果をプロットするには、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余白（パディング）を調整します。Spark機能のメインエントリポイントとなるSparkContextのインスタンスを取得します。Hiveに格納されたデータと統合できるSpark SQLの派生クラスであるHi

Matplotlibを使えば、正と負の値が基準線を挟んで左右（上下）に分かれて表示される「発散型の積み上げ棒グラフ」を簡単に作成できます。この記事では、その具体的な手順とサンプルコードを紹介します。 発散型積み上げ棒グラフを作成する手順 図のサイズを設定し、サブプロット間および周囲の余白（パディング）を調整します。 インデックスの数を取得するための変数 N を初期化します。 menMeans、womenMeans、menStd、womenStd の各タプルを用意します。 棒グラフの width（幅） を初期化します。 図（figure）とサブプロットのセットを作成します。 発散型の棒を実現す

Python3でNetworkXを使用して、湾曲したエッジ（曲線の辺）を持つグラフを作成するには、connectionstyle=arc3, rad=0.4を指定します。この設定により、ノード間を結ぶエッジが直線ではなく弧を描くように描画され、特に有向グラフにおいて双方向のエッジを見分けやすくなります。 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。 エッジ・名前・グラフ属性を指定してグラフを初期化します。 作成したグラフにノードを追加します。 あるノードから別のノードへエッジを追加します。 connectionstyle=arc3, rad=0.4を指

Pythonで配列データをグラフとして可視化したい場合、Matplotlibライブラリを使うのが最も一般的な方法です。本記事では、NumPyで作成した配列を折れ線グラフとして描画する基本的な手順を、実際のコード例とともに紹介します。 配列をプロットする基本の手順 Pythonで配列をプロットするには、以下の手順に従います。 図のサイズと余白の設定：figureサイズを指定し、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。 配列の作成：numpyを使用して、xとyという2つの配列を作成します。 タイトルの設定：title()メソッドを使って、グラフにタイトルを付けます。 データ

Pythonでグラフを描画する際、プロット上の各ポイントの座標を直接表示できると、データの確認やプレゼンテーションが格段に分かりやすくなります。本記事では、Matplotlibを使ってプロット内にポイントの座標を表示する手順を解説します。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（パディング）を調整します。x軸・y軸のデータポイントをリストとして作成します。赤色の星形マーカー（r*）でxとyのデータポイントをプロットします。軸の範囲などのプロパティを設定します。xとyの値を反復処理し、plt.text()を使って各ポイントの座標をグラフ上に表示します。コード例import m

PythonのMatplotlibでカラーバー（カラースケール）の向きを水平に変更したい場合は、colorbar()メソッドの引数にorientation=horizontalを指定するだけで実現できます。デフォルトではカラーバーは図の右側に垂直に表示されますが、この設定により図の下部などに横長のカラーバーを配置できます。 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）を自動調整します。 NumPyを使って、ランダムな x、y、z のデータポイントを生成します。 図（Figure）とサブプロット（Axes）を作成します。 scatter() メソッドを使用して、

Matplotlibでxkcdフォント（手描き風のスケッチスタイル）を有効にするには、plt.xkcd()を呼び出してスケッチ風の描画モードをオンにします。このモードを使うと、XKCDコミックのようなユーモラスで手書き風のグラフを簡単に作成できます。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を調整します。numpyを使ってxとyのデータポイントを作成します。plt.xkcd()でスケッチ風の描画モードをオンにします。新しい図を作成するか、既存の図をアクティブにします。サブプロット構成の一部として、図に軸を追加します。plot()メソッドを使ってxとyのデータポイントをプロットします

複数のmatplotlibの軸（axes）サブプロットを1つの図にまとめたい場合、subplots()メソッドを使うのが最も簡単な方法です。このメソッドは図（Figure）と複数のAxesオブジェクトを同時に生成できるため、コードがすっきりし、レイアウト管理も容易になります。 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、y1、y2 のデータポイントを作成します。 plt.subplots(nrows=2) を呼び出して、図と一連のサブプロット（2行分のAxes）を作成します。 plot() メソッドを使って、x・y1・y

Matplotlibでは、animation.FuncAnimationクラスを活用することで、3Dのplot_surface(サーフェスプロット)を簡単にアニメーション化できます。この記事では、ガウス関数の形状が時間とともに変化する3Dアニメーションを例に、具体的な実装手順をわかりやすく解説します。 アニメーション作成の手順 Matplotlibで3Dのplot_surfaceをアニメーション化するには、以下の手順に従います。 メッシュグリッド数(N)、1秒あたりの関数呼び出し頻度(fps)、フレーム数(frn)といった変数を初期化します。 曲線を描くためのx、y、zの各配列を作成します

Jupyter Notebookで図のインタラクションを制御するには？Jupyter Notebook上でmatplotlibの図を扱う場合、デフォルトではインタラクティブ（対話）モードが有効になっており、ズームやパンなどの操作が可能です。しかし、「ある時点以降は図のインタラクティブな操作を無効化したい」というケースもあります。そのような場合には plt.ioff() を呼び出すことで、それ以降のインタラクションをプログラム的に停止できます。実行手順以下のコマンドを順番に実行します。%matplotlib auto でバックエンドを指定するimport matplotlib.pyplot as

Matplotlibでは、semilogxやsemilogyを使うことで、片方の軸だけに対数スケールを適用したグラフを簡単に作成できます。ここでは、X軸とY軸それぞれに対数スケーリングを設定したプロットの作り方を、具体的な手順とともに解説します。 semilogx・semilogyプロットの作成手順 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。 新しい図を作成するか、既存の図をアクティブにします。 xデータとyデータの点をscatter()で散布図として描画し、plot()で線を重ねて表示します。 semilogx()を呼び出して、X軸に対

Matplotlibでヒステリシスしきい値をプロットする手順Matplotlibとscikit-image（skimage）を組み合わせることで、画像に対してヒステリシスしきい値処理を適用し、その結果を可視化できます。以下の手順に従って実装しましょう。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。図（figure）とサブプロット（axes）のセットを作成します。ポンペイから出土したギリシャ硬貨のサンプル画像データを読み込みます。Sobelフィルターを使用して画像のエッジを検出し、低しきい値（low）と高しきい値（high）を設定します。画像にヒステリシスしきい値

PythonのMatplotlibでは、標準機能として「major（主目盛り）」「minor（副目盛り）」の2段階の目盛り（ティック）しかサポートされていません。しかし、twiny()を使ってY軸を共有するツインAxesを作成し、そのX軸を目盛り表示専用として活用することで、実質的に第3レベルの目盛りを実現できます。 以下の手順で実装していきましょう。 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余白を自動調整します。 numpyを使ってデータ点 t と s を作成します。 図とサブプロットのセットを作成します。 plot(

Pyplot（matplotlib.pyplot）でグラフの最大値に注釈を付けるには、以下の手順に従います。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。新しい図を作成するか、既存の図をアクティブにします。x軸・y軸のデータポイントのリストを作成します。numpyを使用して、xとyのデータポイントをプロットします。y配列の中から最大値を求め、その最大値に対応する配列内の位置（インデックス）を取得します。取得した座標に対して「local max」などの注釈を追加します。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

XGBoostで学習したモデルのfeature_importances_（特徴量重要度）は、各特徴量が予測にどれだけ寄与しているかを数値で示してくれる便利な属性です。この記事では、その重要度をMatplotlibを使って棒グラフとして可視化する手順を解説します。実装の手順図のサイズを設定し、サブプロット間・周囲の余白（パディング）を調整します。CSVファイルからデータを読み込みます。読み込んだデータセットから説明変数 X と目的変数 y を取り出します。XGBClassifier モデルのインスタンスを作成します。モデルに対して X と y のデータを学習（fit）させます。モデルの feat