Python

Seabornプロットの凡例（レジェンド）のフォントサイズを大きくしたい場合は、fontsize変数を定義し、それをlegend()メソッドの引数として渡すことで実現できます。手順Pandasを使ってデータフレームを作成します。キーは「number」「count」「select」とします。Seabornのbarplot()メソッドを使って棒グラフを描画します。凡例のフォントサイズを大きくするための変数fontsizeを初期化します。legend()メソッドを使い、fontsizeを引数に指定して図上に凡例を配置します。図を表示するには、show()メソッドを使用します。サンプルコードimpor

PythonのMatplotlibで3Dグラフを描画する際、mplot3dを使えば各軸の表示範囲（スケール）を自由に設定できます。ここでは、X・Y・Z軸それぞれの範囲を指定する基本的な手順を解説します。軸をスケーリングする手順figure()メソッドを使って、新しい図を作成するか、既存の図をアクティブにします。Axes3D()クラスを使って、3D axesインスタンスを生成します。X軸の範囲を設定するには、set_xlim3d()メソッドを使用します。Y軸の範囲を設定するには、set_ylim3d()メソッドを使用します。Z軸の範囲を設定するには、set_zlim3d()メソッドを使用します。

Matplotlibで長方形（Rectangle）に色を設定するには、以下の手順に従います。手順figure() メソッドを使用して、新しい図（Figure）を作成するか、既存の図をアクティブにします。add_subplot() メソッドを使用して、サブプロット構成の一部として図に ~.axes.Axes を追加します。長方形は、アンカーポイント（基準座標）と幅・高さを指定することで定義できます。作成したRectangleパッチを add_patch() でプロットに追加します。xlim() および ylim() メソッドを使用して、x軸とy軸の表示範囲を設定します。図を表示するには、show

一連のポイント（点群）の中心を求めるには、リスト内のすべての要素を合計し、その合計値をリストの要素数（長さ）で割ります。この計算結果が、対応する各軸における中心座標となります。これはいわゆる「平均値」であり、点群の重心を表します。実装の手順データポイントとして x 座標と y 座標の2つのリストを作成します。plot() メソッドを使って、x および y のデータポイントをプロットします。x と y の各リストから、sum() と len() を組み合わせて中心座標のタプルを算出します。算出した中心点をグラフ上にプロットします。annotate() メソッドを使い、中心点に「center」とい

Matplotlibで長方形（Rectangle）の中にテキストを追加したい場合、annotate()メソッドを使い、長方形の中心点にラベルを配置するのが簡単な方法です。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解説します。実装の手順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。現在の軸に対してサブプロットを追加します。プロットに長方形を描画するために、Rectangle()クラスを使って長方形オブジェクトを作成します。作成した長方形パッチをプロットに追加します。長方形内にテキストラベルを配置するため、長方形の中心座標（cx・cy）を計算し

PythonのMatplotlibを使えば、3次元の散布図やグラフを簡単に描画できます。この記事では、mpl_toolkits.mplot3dモジュールを利用して3Dグラフを作成する手順を、サンプルコード付きでわかりやすく解説します。 3Dグラフをプロットする基本手順 Pythonで3Dグラフを描くには、以下のステップに従います。 figure()メソッドを使って、新しい図（フィギュア）を作成するか、既存の図をアクティブにします。 Axes3Dオブジェクトを取得して、3D用の座標軸を準備します。 x、y、zそれぞれのデータポイントをリストとして定義します。 scatter3D()メソッドを使

subplot2gridを使用して複数のサブプロットを作成する際、sharex引数を指定することでx軸を共有できます。これにより、グラフ間でx軸の範囲や目盛りが連動し、比較しやすい図を作成できます。 x軸を共有する手順 numpyを使ってデータ t、x、y1、y2 を作成します。 figure() メソッドで新しい図を作成します（既存の図がある場合はアクティブ化されます）。 subplot2grid() で colspan=3、rowspan=2 を指定し、グリッド内の特定の位置に最初のサブプロット ax1 を作成します。 同じく colspan=3 に加えて sharex=ax1 を指定し

概要 Seaborn の sns.clustermap() を使うと、行列形式のデータセットを「階層的クラスタリング」が適用されたヒートマップとして可視化できます。ここでは、基本的なデータセットの渡し方から、事前計算済みの距離行列を利用する方法までを解説します。 基本の手順 sns.set_theme() で複数のテーマパラメータを一括設定する sns.load_dataset() でオンラインリポジトリからサンプルデータセット（iris）を読み込む（インターネット接続が必要） DataFrame.pop() メソッドで「species」列を取り除く。該当する列が見つからない場合は Key

PythonのMatplotlibを使って時系列データをグラフ化する方法を解説します。日付や時刻のデータ（datetime64型など）は、そのままplot()メソッドに渡すだけで自動的に軸に反映されるため、非常に簡単です。基本的な手順numpyを使ってx（日時）とy（数値）のデータを作成する。plot()メソッドで作成したxとyをプロットする。show()メソッドで図を表示する。サンプルコードimport matplotlib.pyplot as plt import datetime import numpy as np plt.rcParams[figure.figsize] = [7.

Matplotlibで作成した図（フィギュア）をSVGファイルとして書き出す方法を解説します。SVGはベクター形式のため、拡大・縮小しても画質が劣化せず、Webサイトや印刷物での利用に最適です。エクスポー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。figureオブジェクトとサブプロットのセットを作成します。NumPyを使ってランダムなx座標とy座標のデータポイントを生成します。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。savefig()メソッドを使って.svg形式のファイルとして保存します。コード例import numpy a

Pythonの可視化ライブラリ「Matplotlib」を使えば、データのリストから簡単にヒストグラムを作成できます。この記事では、基本的な手順とサンプルコードをわかりやすく解説します。ヒストグラム作成の基本手順データのリスト(xデータポイント)を作成するplt.hist()メソッドを使って、xデータポイントからヒストグラムを描画するplt.show()メソッドを呼び出して、図を画面に表示するサンプルコード以下は、複数のデータリストからヒストグラムを作成する具体的な例です。from matplotlib import pyplot as plt # 図のサイズとレイアウトを設定 plt.rcP

Matplotlibでは、数値データをカラースケール（カラーマップ）に変換することで、散布図などに色の濃淡として視覚的に表現できます。この記事では、数値をカラースケールに変換してプロットする具体的な手順を、サンプルコードとともに解説します。変換の手順numpyを使用して、x・y・c の3つのデータポイントを作成します。作成したデータポイントをPandasのデータフレームに変換します。subplots()メソッドを使って、新しい図を作成（または既存の図をアクティブ化）します。hotカラーマップを取得します。データを線形に正規化するために、Normalize()クラスを使用します。x・yのデータポ

Matplotlibで作成した図（フィギュア）に凡例を適切な位置に配置し、要素を整列させる方法を解説します。凡例の位置調整には bbox_to_anchor 引数を使用するのがポイントです。 手順 plot() メソッドを使って line1 と line2 の2本の線をプロットします。 legend() メソッドで図に凡例を配置します。このとき bbox_to_anchor を使って凡例の位置を指定し、ncol 引数で凡例要素を横並びに整列させます。 show() メソッドを呼び出して図を表示します。 コード例 from matplotlib import pyplot as plt pl

Pythonのmatplotlibでは、FuncAnimationクラスを利用することで、等高線図（コンタープロット）を簡単にアニメーション化できます。時間とともに変化するデータを視覚的に表現したい場合に非常に便利な手法です。 等高線図をアニメーション化する手順 10×10×8の形状を持つランダムなデータを作成します。 subplots()メソッドを使って、図（Figure）とサブプロット（Axes）を作成します。 FuncAnimation()クラスを使い、指定した関数*func*を繰り返し呼び出すことでアニメーションを生成します。 フレームごとに等高線の値を更新できるよう、animat

NumPyで作成した3次元配列からMatplotlibを使って3Dプロットを描画するには、まずnumpyで3次元配列を生成し、そこからx・y・z座標のデータを抽出します。以下の手順に従って実装できます。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。add_subplot()メソッドを使用して、サブプロット配置の一部として図に~.axes.Axes（3D軸）を追加します。size=(3, 3, 3)のランダムデータを生成します。3次元配列からx、y、zのデータを抽出します。作成した軸上に3D散布図をプロットします。図を表示するには、show()メソッドを

Pythonで球の表面に点をプロットしたい場合、Matplotlibのplot_surface()メソッドを利用すると簡単に実現できます。この記事では、3D球面を描画し、その上にデータポイントを表示する手順を具体的なコード例とともに解説します。実装の手順figure()メソッドを使って、新しい図を作成するか、既存の図をアクティブにします。add_subplot()メソッドにprojection=3dを指定して、3D投影のサブプロットを追加します。球の半径を表す変数rを初期化します。NumPyを使用して、球面上のtheta(θ)の値と、x・y・z各軸のデータポイントを算出します。plot_sur

SeabornのFacetGridでヒートマップを正方形に表示したい場合、heatmap()メソッドを使って10×10のランダムデータセットを可視化するのが簡単な方法です。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。実行手順最小値-1、最大値10の範囲で、サイズ10×10のランダムデータを作成します。heatmap()メソッドにデータとカラーマップ「twilight_r」を指定し、矩形データを色分けされた行列としてプロットします。図を表示するには、show()メソッドを使用します。サンプルコードimport numpy as np import seaborn as sn im

Matplotlibでcontourf（塗りつぶし等高線）プロットとsurface_plot（3Dサーフェスプロット）を同じ図上に重ねて表示するには、以下の手順に従います。numpyを使用して、delta、xrange、yrange、x、y の各変数を初期化します。figure()メソッド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。projection=3d を指定して、現在の軸（Axes）を取得します。x と y のデータポイントをもとに、3D等高線プロットを作成します。x と y のデータポイントをもとに、サーフェス（表面）をプロットします。図を表示するには、show()メソッド

Matplotlibでは、text()メソッドにrotation引数を指定することで、各サブプロット内のテキスト（軸ラベルや注釈など）を自由に回転させて表示できます。本記事では、図の作成からテキストの回転、注釈の追加までの一連の手順を、実際のコード例とともにわかりやすく解説します。実装手順新しい図（figure）を作成するか、既存の図をアクティブにします。add_subplot()メソッドを使って、サブプロット配置の一部として図にAxesオブジェクトを追加します。subplots_adjust()メソッドで、サブプロットのレイアウトパラメータを調整します。suptitle()メソッドで、図全体

概要MatplotlibでFigureからカラーバーのインスタンスを取得するには、imshow()が返すScalarMappableオブジェクトをcolorbar()メソッドに渡します。これにより、戻り値としてカラーバーのインスタンスを受け取ることができます。手順-1〜1の範囲の値を持つ10×10のランダムな配列データを生成します。imshow()メソッドを使用して、データを2次元の正規ラスタ（画像）として表示します。imshow()が返すScalarMappableインスタンスをcolorbar()に渡し、カラーバーを作成すると同時にそのインスタンスを取得します。show()メソッドを使用し