Matplotlib 散布図入門：色とサイズでデータを可視化する方法【第４回】

import pandas as pd
import matplotlib.pyplot as plt

!pip install japanize-matplotlib > /dev/null # Google Colab の機能を使って日本語フォントをインストール・インポート
import japanize_matplotlib

# データをDataFrameにする
data = {'X': [1, 2, 3, 4, 5, 6], 'Y': [1.2, 2.4, 1.8, 3.6, 2.2, 3.9]}
df = pd.DataFrame(data)

fig, ax = plt.subplots()
ax.scatter(df['X'], df['Y'])
ax.set_title("基本の散布図")
ax.set_xlabel("X")
ax.set_ylabel("Y")
plt.show()

<Figure size 640x480 with 1 Axes>

import pandas as pd
import matplotlib.pyplot as plt

!pip install japanize-matplotlib > /dev/null # Google Colab の機能を使って日本語フォントをインストール・インポート
import japanize_matplotlib

from matplotlib import cm, colors


# 7都市データ
data_cities = {
    "都市名": ["千葉市", "福岡市", "神戸市", "名古屋市", "さいたま市", "札幌市", "仙台市"],
    "緯度": [35.60, 33.59, 34.69, 35.18, 35.91, 43.06, 38.27],
    "経度": [140.12, 130.40, 135.18, 136.90, 139.66, 141.35, 140.87],
    "人口密度 (人/km²)": [3613, 4668, 2719, 7128, 6072, 1750, 1389],
    "人口総数 (人)": [972861, 1579450, 1526639, 2283289, 1226656, 1955115, 1088669]
}

# DataFrameを作成
df_cities  = pd.DataFrame(data_cities )

display(df_cities)

# 散布図の描画
fig, ax = plt.subplots(figsize=(10, 8))

# 人口密度に応じて色分けするための設定
norm = colors.Normalize(vmin=df_cities['人口密度 (人/km²)'].min(), vmax=df_cities['人口密度 (人/km²)'].max())

# より分かりやすいカラーマップとして'viridis'に変更
cmap = plt.get_cmap('viridis')

sc=ax.scatter(df_cities['経度'], df_cities['緯度'],
                c=df_cities['人口密度 (人/km²)'], cmap=cmap, norm=norm)

# カラーバーの追加
cbar = plt.colorbar(sc, ax=ax)
cbar.set_label("人口密度 (人/km²)") # カラーバーのラベルを明確に

# グラフの装飾
ax.set_title("日本の都市の位置と人口密度の関係")
ax.set_xlabel("経度")
ax.set_ylabel("緯度")

# 各点に都市名を表示
for i, row in df_cities.iterrows():
    ax.annotate(row['都市名'], (row['経度'], row['緯度']), textcoords="offset points", xytext=(0,10), ha='center')


plt.show()

<Figure size 1000x800 with 2 Axes>

import pandas as pd
import matplotlib.pyplot as plt

!pip install japanize-matplotlib > /dev/null # Google Colab の機能を使って日本語フォントをインストール・インポート
import japanize_matplotlib


# 7都市データ
data_cities = {
    "都市名": ["千葉市", "福岡市", "神戸市", "名古屋市", "さいたま市", "札幌市", "仙台市"],
    "緯度": [35.60, 33.59, 34.69, 35.18, 35.91, 43.06, 38.27],
    "経度": [140.12, 130.40, 135.18, 136.90, 139.66, 141.35, 140.87],
    "人口密度 (人/km²)": [3613, 4668, 2719, 7128, 6072, 1750, 1389],
    "人口総数 (人)": [972861, 1579450, 1526639, 2283289, 1226656, 1955115, 1088669]
}

# DataFrameを作成
df_cities = pd.DataFrame(data_cities)

display(df_cities)

# 散布図の描画
fig, ax = plt.subplots(figsize=(10, 8))

ax.scatter(df_cities['経度'], df_cities['緯度'],s=df_cities['人口総数 (人)']/10000)

# グラフの装飾
ax.set_title("日本の都市の位置と人口総数の関係")
ax.set_xlabel("経度")
ax.set_ylabel("緯度")

# 各点に都市名を表示
for i, row in df_cities.iterrows():ax.annotate(row['都市名'], (row['経度'], row['緯度']), textcoords="offset points", xytext=(0,10), ha='center')


plt.show()

<Figure size 1000x800 with 1 Axes>

import pandas as pd
import matplotlib.pyplot as plt

!pip install japanize-matplotlib > /dev/null # Google Colab の機能を使って日本語フォントをインストール・インポート
import japanize_matplotlib

from matplotlib import cm, colors


# 7都市データ
data_cities = {
    "都市名": ["千葉市", "福岡市", "神戸市", "名古屋市", "さいたま市", "札幌市", "仙台市"],
    "緯度": [35.60, 33.59, 34.69, 35.18, 35.91, 43.06, 38.27],
    "経度": [140.12, 130.40, 135.18, 136.90, 139.66, 141.35, 140.87],
    "人口密度 (人/km²)": [3613, 4668, 2719, 7128, 6072, 1750, 1389],
    "人口総数 (人)": [972861, 1579450, 1526639, 2283289, 1226656, 1955115, 1088669]
}

# DataFrameを作成
df_cities  = pd.DataFrame(data_cities )

display(df_cities)

# 散布図の描画
fig, ax = plt.subplots(figsize=(10, 8))

# 人口密度に応じて色分けするための設定
norm = colors.Normalize(vmin=df_cities['人口密度 (人/km²)'].min(), vmax=df_cities['人口密度 (人/km²)'].max())

# より分かりやすいカラーマップとして'viridis'に変更
cmap = plt.get_cmap('viridis')

sc=ax.scatter(df_cities['経度'], df_cities['緯度'],
                c=df_cities['人口密度 (人/km²)'], cmap=cmap, norm=norm,s=df_cities['人口総数 (人)']/10000)

# カラーバーの追加
cbar = plt.colorbar(sc, ax=ax)
cbar.set_label("人口密度 (人/km²)") # カラーバーのラベルを明確に

# グラフの装飾
ax.set_title("日本の都市の位置と人口密度と人口総数の関係")
ax.set_xlabel("経度")
ax.set_ylabel("緯度")

# 各点に都市名を表示
for i, row in df_cities.iterrows():
    ax.annotate(row['都市名'], (row['経度'], row['緯度']), textcoords="offset points", xytext=(0,10), ha='center')


plt.show()

<Figure size 1000x800 with 2 Axes>

import pandas as pd
import matplotlib.pyplot as plt

!pip install japanize-matplotlib > /dev/null # Google Colab の機能を使って日本語フォントをインストール・インポート
import japanize_matplotlib

from matplotlib import cm, colors


# 7都市データ
data_cities = {
    "都市名": ["千葉市", "福岡市", "神戸市", "名古屋市", "さいたま市", "札幌市", "仙台市"],
    "緯度": [35.60, 33.59, 34.69, 35.18, 35.91, 43.06, 38.27],
    "経度": [140.12, 130.40, 135.18, 136.90, 139.66, 141.35, 140.87],
    "人口密度 (人/km²)": [3613, 4668, 2719, 7128, 6072, 1750, 1389],
    "人口総数 (人)": [972861, 1579450, 1526639, 2283289, 1226656, 1955115, 1088669]
}

# DataFrameを作成
df_cities  = pd.DataFrame(data_cities )

display(df_cities)

# 散布図の描画
fig, ax = plt.subplots(figsize=(10, 8))

# 人口密度に応じて色分けするための設定
norm = colors.Normalize(vmin=df_cities['人口密度 (人/km²)'].min(), vmax=df_cities['人口密度 (人/km²)'].max())

# より分かりやすいカラーマップとして'viridis'に変更
cmap = plt.get_cmap('viridis')

sc=ax.scatter(df_cities['経度'], df_cities['緯度'],
                c=df_cities['人口密度 (人/km²)'], cmap=cmap, norm=norm,s=df_cities['人口総数 (人)']/10000,edgecolor="black", linewidth=1.0)

# カラーバーの追加
cbar = plt.colorbar(sc, ax=ax)
cbar.set_label("人口密度 (人/km²)") # カラーバーのラベルを明確に

# グラフの装飾
ax.set_title("日本の都市の位置と人口密度と人口総数の関係")
ax.set_xlabel("経度")
ax.set_ylabel("緯度")

# 各点に都市名を表示
for i, row in df_cities.iterrows():
    ax.annotate(row['都市名'], (row['経度'], row['緯度']), textcoords="offset points", xytext=(0,10), ha='center')

# グリッド線の追加
ax.grid(True, linestyle=":", alpha=0.6)

# 注釈の追加
ax.annotate("人口密度が最も高い。人口総数が最も多い", xy=(136.50,35.18), xytext=(132,36),
            arrowprops=dict(facecolor="black", arrowstyle="->"))
ax.annotate("緯度が最も高い", xy=(141.00,43.06), xytext=(138,42),
            arrowprops=dict(facecolor="black", arrowstyle="->"))

plt.show()

<Figure size 1000x800 with 2 Axes>

import matplotlib.pyplot as plt
import numpy as np

# データ（カラーバー用）
gradient = np.linspace(0, 1, 256)
gradient = np.vstack((gradient, gradient))

# 利用可能なカラーマップをカテゴリごとにまとめる
cmaps = {
    'Perceptually Uniform Sequential': ['viridis', 'plasma', 'inferno', 'magma', 'cividis'],
    'Sequential': ['Greys', 'Purples', 'Blues', 'Greens', 'Oranges', 'Reds'],
    'Sequential (2)': ['YlOrBr', 'YlOrRd', 'OrRd', 'PuRd', 'RdPu', 'BuPu',
                       'GnBu', 'PuBu', 'YlGnBu', 'PuBuGn', 'BuGn', 'YlGn'],
    'Diverging': ['PiYG', 'PRGn', 'BrBG', 'PuOr', 'RdGy', 'RdBu',
                  'RdYlBu', 'RdYlGn', 'Spectral', 'coolwarm', 'bwr', 'seismic'],
    'Qualitative': ['Pastel1', 'Pastel2', 'Paired', 'Accent',
                    'Dark2', 'Set1', 'Set2', 'Set3',
                    'tab10', 'tab20', 'tab20b', 'tab20c'],
    'Miscellaneous': ['flag', 'prism', 'ocean', 'gist_earth', 'terrain', 'gist_stern',
                      'gnuplot', 'gnuplot2', 'CMRmap', 'cubehelix',
                      'brg', 'hsv', 'gist_rainbow', 'rainbow', 'jet',
                      'nipy_spectral', 'gist_ncar']
}

# 表示する関数
def plot_color_gradients(category, cmap_list):
    nrows = len(cmap_list)
    fig, axes = plt.subplots(nrows=nrows, figsize=(8, nrows * 0.4))
    fig.subplots_adjust(top=1, bottom=0, left=0, right=1,hspace=1)
    for ax, name in zip(axes, cmap_list):
        ax.imshow(gradient, aspect='auto', cmap=plt.get_cmap(name))
        ax.set_axis_off()
        ax.set_title(name, fontsize=12, loc='left')
    plt.show()

# 例：Sequential系カラーマップを表示
plot_color_gradients('Sequential', cmaps['Sequential'])

<Figure size 800x240 with 6 Axes>

# サイズの凡例を追加するコード例

import pandas as pd
import matplotlib.pyplot as plt

!pip install japanize-matplotlib > /dev/null # Google Colab の機能を使って日本語フォントをインストール・インポート
import japanize_matplotlib

from matplotlib import cm, colors


import numpy as np

# 7都市データ
data_cities = {
    "都市名": ["千葉市", "福岡市", "神戸市", "名古屋市", "さいたま市", "札幌市", "仙台市"],
    "緯度": [35.60, 33.59, 34.69, 35.18, 35.91, 43.06, 38.27],
    "経度": [140.12, 130.40, 135.18, 136.90, 139.66, 141.35, 140.87],
    "人口密度 (人/km²)": [3613, 4668, 2719, 7128, 6072, 1750, 1389],
    "人口総数 (人)": [972861, 1579450, 1526639, 2283289, 1226656, 1955115, 1088669]
}

# DataFrameを作成
df_cities  = pd.DataFrame(data_cities )

display(df_cities)

# 散布図の描画
fig, ax = plt.subplots(figsize=(10, 8))

# 人口密度に応じて色分けするための設定
norm = colors.Normalize(vmin=df_cities['人口密度 (人/km²)'].min(), vmax=df_cities['人口密度 (人/km²)'].max())

# より分かりやすいカラーマップとして'viridis'に変更
cmap = plt.get_cmap('viridis')


sc = ax.scatter(df_cities['経度'], df_cities['緯度'],
                c=df_cities['人口密度 (人/km²)'], cmap=cmap, norm=norm, s=df_cities['人口総数 (人)']/10000, alpha=0.7, edgecolors="black", linewidth=1.0)

# カラーバーの追加
cbar = plt.colorbar(sc, ax=ax)
cbar.set_label("人口密度 (人/km²)") # カラーバーのラベルを明確に


# グラフの装飾
ax.set_title("日本の都市の位置と人口密度と人口総数の関係")
ax.set_xlabel("経度")
ax.set_ylabel("緯度")

# 各点に都市名を表示
for i, row in df_cities.iterrows():
    ax.annotate(row['都市名'], (row['経度'], row['緯度']), textcoords="offset points", xytext=(0,10), ha='center')

# グリッド線の追加
ax.grid(True, linestyle=":", alpha=0.6)

# 注釈の追加
ax.annotate("人口密度が最も高い。人口総数が最も多い", xy=(136.50,35.18), xytext=(132,36),
            arrowprops=dict(facecolor="black", arrowstyle="->"))
ax.annotate("緯度が最も高い", xy=(141.00,43.06), xytext=(138,42),
            arrowprops=dict(facecolor="black", arrowstyle="->"))




# サイズの凡例のためのダミーデータとラベルを作成

# 例: 最小値、中央値、最大値
legend_population = np.array([df_cities['人口総数 (人)'].min(), df_cities['人口総数 (人)'].median(), df_cities['人口総数 (人)'].max()])
# これらの人口総数値に対応するサイズを計算
legend_sizes = legend_population/ 10000
# 凡例のラベル
legend_labels = [f'人口総数: {int(p):,d}人' for p in legend_population]

# ダミーの散布図要素を生成
# 表示領域の外に配置するため、x, y座標は適当な値（例: 軸の範囲外）を設定
legend_elements = [
    ax.scatter([], [], s=s, label=label, color='gray', alpha=0.7, edgecolors='black', linewidth=1.0)
    for s, label in zip(legend_sizes, legend_labels)
]

# 凡例を追加
# scatterpointsを増やすことで凡例の点が複数表示されるようにする
ax.legend(handles=legend_elements, title="人口総数によるサイズ(最大値、中央値、最小値)", scatterpoints=1)



plt.show()

<Figure size 1000x800 with 2 Axes>

# カテゴリ別の色分けコード例（アヤメデータセット）

import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
import pandas as pd # pandasをインポート

!pip install japanize-matplotlib > /dev/null # Google Colab の機能を使って日本語フォントをインストール・インポート
import japanize_matplotlib

# データ読み込み
iris = load_iris(as_frame=True) # as_frame=TrueでDataFrameとして読み込む
df = iris.frame # DataFrameを取得
display(df.head())

df["species"] = df["target"].map(dict(enumerate(iris.target_names))) # 品種名カラムを追加

# 散布図（がく片の長さ vs 幅）
fig, ax = plt.subplots(figsize=(6, 6))

# 'species'カラムでデータをグループ化し、グループごとに異なる色でプロット
for species_name, group in df.groupby('species'):
    ax.scatter(
        group["sepal length (cm)"],  # がく片の長さ
        group["sepal width (cm)"],   # がく片の幅
        label=species_name           # 凡例に表示するラベルとして品種名を使用
    )
# グラフの装飾
ax.set_xlabel("がく片の長さ (cm)")
ax.set_ylabel("がく片の幅 (cm)")
ax.set_title("アヤメ（Iris）データセット ― がく片の特徴")

# 凡例を追加（titleで凡例のタイトルを設定）
ax.legend(title="種別")

plt.show()

<Figure size 600x600 with 1 Axes>

# Plotly によるインタラクティブな散布図作成

import plotly.express as px
from sklearn.datasets import load_iris
import pandas as pd

!pip install japanize-matplotlib > /dev/null # Google Colab の機能を使って日本語フォントをインストール・インポート
import japanize_matplotlib

# データ読み込み
iris = load_iris(as_frame=True) # as_frame=TrueでDataFrameとして読み込む
df = iris.frame # DataFrameを取得
display(df.head())

df["species"] = df["target"].map(dict(enumerate(iris.target_names)))  # 0/1/2 -> 品種名

# 散布図（がく片の長さ×幅）をインタラクティブに作成
fig = px.scatter(
    df,
    x="sepal length (cm)",
    y="sepal width (cm)",
    color="species",                 # カテゴリ色分け
    symbol="species",                # カテゴリに基づいてマーカーの形状を変更（任意
    hover_name="species",            # ホバー時に表示される名前
    hover_data={
        "sepal length (cm)": ":.2f", # ホバー時に表示するデータとそのフォーマット
        "sepal width (cm)": ":.2f",
        "petal length (cm)": ":.2f",
        "petal width (cm)": ":.2f",
    },
     title="アヤメ（Iris）データセット：がく片の特徴（インタラクティブ散布図）" # タイトルをより具体的に
)

fig.update_layout(legend_title_text="種別")  # 凡例のタイトル設定
fig.show() # グラフ表示