Python

ラムダ関数(Pythonでは「匿名関数」とも呼ばれます)は、TkinterでGUIアプリケーションを構築する際に非常に便利な機能です。ラムダを使うことで、コールバック関数へ複数のデータや引数を渡すことが可能になります。ラムダは任意の関数の中で、式に対する匿名関数として記述できます。特にボタンのcommandオプションでは、ラムダを利用してコールバック関数にデータを渡すのが定番のテクニックです。サンプルコードここでは、複数のボタンを持つ簡単なアプリケーションを作成します。各ボタンのcommandにはラムダ関数を定義し、クリックされたボタン固有の値を共通のコールバック関数へ渡します。#Import

はじめに Pythonで混同行列を可視化すると、デフォルトでは軸が整数値で表示されます。しかし、実際のクラス名（文字列ラベル）を軸に表示できれば、グラフの可読性は格段に向上します。本記事では、Matplotlibとscikit-learnを組み合わせて、文字列ラベル付きの軸で混同行列をプロットする手順を詳しく解説します。 実装の手順 クラス名（ラベル）のリストを作成します。 confusion_matrix() 関数を使って混同行列を生成し、分類結果を評価します。 add_subplot() メソッドで、図（Figure）に ~.axes.Axes オブジェクトをサブプロットとして追加しま

Matplotlibで作成したグラフ（プロット）の外にテキストを配置したい場合は、text_pos_x と text_pos_y の値を調整することで、テキストの表示位置を自由に変更できます。 ポイントは transform=plt.gcf().transFigure の指定です。これを設定すると、座標が図全体（Figure）を基準とした相対値（0〜1）として扱われるため、軸の範囲に制限されず、プロット領域の外側も含めた任意の場所にテキストを配置できるようになります。 手順 x と y のデータポイントを作成します。 テキストを配置する x・y の位置を初期化します。 plot() メソッド

PythonのMatplotlibを使えば、メインのグラフの中に別のグラフを挿入図（インセット）として重ねて表示できます。拡大図や部分詳細の表示など、データをより分かりやすく伝えたい場面で非常に便利なテクニックです。以下の手順で実装できます。実装手順numpyを使って x および y のデータポイントを作成します。subplots() メソッドで、図（figure）とサブプロット（axes）のセット、つまり fig と ax を生成します。新しい軸（axis）を作成するため、手順2で作成した既存のfigureに対して add_axes() で軸を追加します。手順2の軸（ax）に x と y を

Pythonで円形（極座標）ヒストグラムを描画するには、Matplotlibの極座標プロット機能を利用します。以下の手順に従って実装できます。 描画の手順 numpyを使用して、theta（角度）、radii（半径）、width（幅）のデータポイントを作成します。 projection=polar を指定し、現在の図にサブプロットを追加します（nrows=1、ncols=1、index=1）。 bar()メソッドを使い、theta・radii・widthのデータポイントで棒グラフを作成します。 radiiとbarsをzip()で組み合わせて反復処理し、各バーの面の色（facecolor）とア

MatplotlibのPyplotを使ってフィギュアに含まれるAxes（軸）のリストを取得するには、まずフィギュアを作成し、その後get_axes()メソッドを呼び出すことで、フィギュア内のすべてのAxesオブジェクトを取得できます。取得したAxesに対して、ラベルの設定などの操作を行うことが可能です。手順NumPyを使ってデータ点 xs と ys を作成し、figure()メソッドで新しいフィギュア（または既存のフィギュア）を生成します。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フィギュアにAxesオブジェクトを追加します。ここでは nrows=1、ncols

Pandasでsecondary_y（第2軸）を使ってグラフを描画する際に、グリッド線（格子線）を非表示にしたいケースはよくあります。本記事では、grid=Falseオプションを使ってグリッド線を簡単に取り除く方法を、具体的なコード例とともに解説します。 手順の概要 secondary_yでプロットする際にグリッド線を消すには、以下の手順を実行します。 column1とcolumn2というキーを持つDataFrameを作成します。 DataFrameのデータを使ってプロットを行います。このとき、グリッド線を非表示にするためにgrid=Falseを指定します。 図を表示するにはshow()メソ

Matplotlibで作成したグラフに度（°）記号を挿入したい場合、LaTeX表記を利用すると簡単に実現できます。この記事では、具体的な手順とサンプルコードをわかりやすく解説します。 度記号を挿入する手順 numpyを使って、pV（圧力×体積）、nR、T（温度）のデータポイントを作成します。 plot()メソッドを使って、pVとTの関係をプロットします。 xlabel()メソッドで、x軸のラベル「Pressure x Volume」を設定します。 ylabel()メソッドで、LaTeX表記 $^\circ$ を含む温度ラベルをy軸に設定します。 show()メソッドを呼び出して、図を画面に表

PythonのMatplotlibでは、yticks()メソッドを使うことで、Y軸に表示する値や目盛りラベルを自由に指定できます。X軸の場合はxticks()を使用します。この記事では、具体的な手順とサンプルコードを通して、軸の目盛りをカスタマイズする方法を解説します。 Y軸の値を指定する手順 以下の手順で、Matplotlibのグラフに任意の目盛りラベルを設定できます。 numpyを使ってxおよびyのデータポイントを作成します。 軸に表示したい値として、文字列のリストを作成します。 xticks()メソッドとyticks()メソッドを使用し、それぞれX軸・Y軸の目盛りの位置とラベルを指定し

Matplotlibでは、画像を背景として読み込み、その上にグラフや線を重ねて描画することができます。データを視覚的に分かりやすく表現したい場合に非常に便利なテクニックです。 実装手順 画像の背景の上にグラフをプロットするには、以下の手順に従います。 plt.imread() を使って、画像ファイルを読み込み配列として取得します。 plt.subplots() で図（fig）とサブプロット（ax）を作成し、extent=[0, 300, 0, 300] を指定して imshow() で画像を表示します。これにより、画像の座標系がx軸・y軸ともに0〜300の範囲に設定されます。 np.arra

iPythonノートブック上で作成した図（グラフ）を画像ファイルとして保存したい場合、Matplotlibの機能を使えば簡単に実現できます。ここでは、基本的な手順とサンプルコードを紹介します。 図をファイルに保存する手順 iPythonから図をファイルとして保存するには、以下の手順を実行します。 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。 add_axes() メソッドを使って、図に axes（座標軸）を追加します。 プロットしたいデータ（リストなど）を plot() で描画します。 savefig() メソッドを使って、図をファイルとして保存します。

Matplotlibで一連のプロットに対して標準的なカラーバー（カラー スケール）を作成するには、以下の手順に従います。NumPy を使ってランダムなデータを生成します。subplots() メソッドを使って図（figure）とサブプロットのセットを作成します。ここでは nrows=1、ncols=1 を指定します。データを画像として表示します。カラーバーを描画するための Axes を図に追加します。mappable インスタンスとして表示した画像を指定し、色を描画する領域 cax を渡して colorbar() でカラーバーを作成します。図を表示するには show() メソッドを使用します。

PythonのOpenCV（cv2）を使えば、数行のコードで画像ファイルを読み込み、画面に表示することができます。ここでは、画像を読み込んで表示するための基本的な手順と、各関数の役割について解説します。 画像を表示するための基本手順 cv2で画像を読み込み・表示するには、主に以下のステップを実行します。 cv2.imread()：ファイルから画像を読み込みます。 cv2.imshow()：指定した名前のウィンドウに画像を表示します。 cv2.waitKey()：キーが押されるまでプログラムを待機させます。 cv2.destroyAllWindows()：開いているすべてのHighGUIウィン

Pythonのmatplotlibを使って対数（ログ）スケールのヒストグラムを作成するには、hist()メソッドの引数にlog=Trueを指定します。これにより、縦軸が対数スケールで表示され、値の範囲が大きく異なるデータも見やすく可視化できます。作成手順数値のリスト（配列）を用意します。density=Trueを指定して、正規化されたヒストグラムをプロットします。図を表示するには、show()メソッドを呼び出します。サンプルコードimport numpy as np import matplotlib.pyplot as plt plt.rcParams[figure.figsize] = [

PythonでCSVファイルから特定の列だけを抽出してリストとして扱いたい場合、Pandasのread_csv()メソッドを使うと簡単に実現できます。usecols引数に列名のリストを指定することで、必要な列のみを効率的に読み込むことが可能です。 手順 抽出したい列名をリストとして作成します。 read_csv()メソッドを使って、CSVファイルをデータフレーム（DataFrame）として読み込みます。 抽出したデータを表示します。 plot()メソッドを使ってデータフレームをグラフ化します。 図を表示するためにshow()メソッドを呼び出します。 コード例 import pandas a

Matplotlibで複数の図を並べて描画する手順 PythonのMatplotlibを使えば、subplot()メソッドを活用することで、複数の図を1つのウィンドウ内に横一列に並べて簡単に表示できます。ここでは、同じランダムデータを4種類のカラーマップで可視化する例を紹介します。 具体的には、以下の手順で実装します。 numpyを使ってランダムなデータ（5×5の行列）を作成します。 plt.subplot(nrows, ncols, index)で現在の図にサブプロットを追加します。今回は「nrows=1、ncols=4」のレイアウトで、index=1から順に配置していきます。 imsho

Pythonで軸（Axes）を含むサブプロットを表示するには、matplotlib.pyplot の show() メソッドを使用します。複数の図（Figure）を作成した場合でも、このメソッドを呼び出すことで、作成したすべての画像がまとめて表示されます。 表示までの手順 NumPy を使って x と y のデータポイントを作成します。 plot() メソッドを使用して、x と y をグラフにプロットします。 図を画面に表示するために、show() メソッドを呼び出します。 コード例 from matplotlib import pyplot as plt import numpy

MatplotlibとNumPyを組み合わせると、Pythonで簡単に3D密度マップ（濃度分布図）を作成できます。本記事では、pcolormesh()メソッドを使って擬似カラープロットとして密度マップを可視化する具体的な手順を、サンプルコード付きでわかりやすく解説します。 3D密度マップを描画する基本の手順 NumPyでデータを生成する：side、x、y、zの各データをNumPyで作成します。特にlinspace関数を使うと、指定した2点間の範囲を任意の分割数で等間隔にデータ生成できるため便利です。 座標行列を作成する：sideデータをもとにmeshgrid()を使い、座標ベクトルから2次元

Pythonでヒストグラムを正規化するには、matplotlibのhist()メソッドを使用します。正規化されたヒストグラムでは、プロット全体の下の面積（積分値）が必ず1になるように、各バーの高さが自動的に調整されます。 手順 数値データのリストを作成します。 density=True を指定してヒストグラムを描画します。 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 matplotlib.pyplot as plt plt.rcParams[figure.figsize] = [7.00, 3.50] plt.rcParams[figure.aut

Matplotlibを使えば、たった1つのデータポイントでも簡単にグラフ上へプロットできます。ここでは、単一の点をプロットするための基本的な手順を解説します。 単一ポイントをプロットする手順 x と y のリストを、単一の値で初期化します。 plt.xlim() および plt.ylim() を使って、X軸・Y軸の表示範囲を0〜5に設定します。 plt.grid() を呼び出して、現在の線スタイルでグリッドを描画します。 plot() メソッドでxとyをプロットし、marker=o、markeredgecolor=red、markerfacecolor=green を指定してマーカーの見た目