DataVisualization

可視化

Data Visualization

概要

可視化とは、物事の関係性を視覚的に捉えられるように、データを画像・グラフ・図表などに変換することを言います。その目的は以下のように、データから価値や知恵を生み出すことにあります。

Data → Information（構造化） → Knowledge（知見）→ Wisdom（知恵）

様々なグラフ

• ヒストグラム：縦軸に度数、横軸に項目を対応させ、事項間の度数を比較するもの。度数分布図、柱状グラフともいう。
• 散布図：縦軸、横軸に変数を対応させて、データを点でプロットしたもの
• ボックスプロット（箱ひげ図）：データのばらつきを、箱（box）と、その両側に出たひげ（whisker）で表現する図。特に品質管理でよく用いられる。
• 円グラフ：円図形を扇形に分割し、事項の構成比率を表すもの
• 折れ線グラフ：時系列の推移を表すもの
• ヒートマップ：2次元データの個々の値を色や濃淡として表現したもの

Python ビジュアライゼーション

ライブラリの読み込み

• numpy｜数値計算

  import numpy as np

• pandas｜データ解析

  import pandas as pd

• matplotlib｜グラフ描画

  import matplotlib.pyplot as plt

• seaborn｜matplotlib をベースにした美麗な可視化

  import seaborn as sns

• plotly｜動的グラフ作成

• folium｜地図・位置情報の可視化

• wordcloud｜ワードクラウドの描画

• pillow｜画像処理
  開発が停止しているPIL(Python Image Library)からフォークされたライブラリ

データの準備

はじめに対象となるデータをデータフレームとして読み込む必要があります。データの読み込み方法については、Pandas のページをご覧下さい。

df = pd.read_excel('DataSample.xlsx')

ヒストグラム

データフレーム（以下 df ）からヒストグラムの生成は非常に簡単です。

df.hist()　全項目一挙表示
df["GPA"] .hist( )　特定カラムの表示

散布図

x軸とy軸にカラム項目を指定して表示します。

df.plot.scatter(x='GPA', y='Attendance')

ボックスプロット

対象カラム（GPA：成績）を、グループ別（Prefecture：出身県）に分けて表示します。

df.boxplot( column="GPA", by="Prefecture")

棒グラフ

グラフにしたい内容によっては、事前に「データの平均値を出す」、「クロス集計する」といった処理を行って、新しいデータフレーム（表）を作成します。

# 性別ごとに国語・英語・数学の平均値を算出
df_mean = df.groupby("Gender", as_index=False).mean() 
df_mean

生成された df_mean を使うと、簡単に積み重ね棒グラフができます。

df_mean.plot.bar(stacked=True)

サンプルノート

以下に、Matplotlib を用いたグラフ表示のサンプルを掲載しています。
ipynb（JupyterNotebook）形式で、GitHubに置いていますが、レンダリングがタイムアウトする場合は、下の nbviewer 経由でご覧下さい。

• 1. 数式（乱数を含む）により生成したデータの可視化
  • GitHub：DataVisualization01.ipynb
  • nbviewer：DataVisualization01.ipynb

• 2. 統計サンプル irisデータの可視化
  • GitHub：DataVisualization02.ipynb
  • nbviewer：DataVisualization02.ipynb