matplotlib + seaborn — Pythonでグラフ描画

matplotlib はPythonにおけるデータ可視化のデファクトスタンダード。とはいえユーザーが直接これを使ってグラフを描ききるのは難しく、 Rでいうgridパッケージに近い階層と見なしたほうがいいかもしれない。 seaborn 越しに使うのが便利。

基本

https://matplotlib.org/stable/users/explain/quick_start.html

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

iris = sns.load_dataset('iris')

# Create an empty Figure
fig = plt.figure()

# Add an Axes to this fig
ax = fig.subplots()

# Plot on this ax
ax.scatter('sepal_width', 'sepal_length', data=iris)

# Show figure (in Jupyter and other inline IPython environments)
display(fig)

# Show figure in a new window (with non-inline backends)
fig.show()
plt.close(fig)

# Write to a file
fig.savefig('example.png')

渡すデータは生のlistとかではなくtidyな pandas.DataFrame型にしておく。

from matplotlib.pylab import * は単にMATLABっぽいインターフェイスにするための乱暴な手段で、例としてよく見かけるけど公式に非推奨とされている。

FigureやAxesを意識せず plt.plot() などを使うスタイルは分かりにくいので不採用。

pyplot

https://matplotlib.org/stable/api/pyplot_summary.html

最上位のモジュール。 Figure, Axesインスタンスを明示的に操作するスタイルでは、最初にFigureを作るくらいしか出番が無いはず。

plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, ...): Backendなどを設定してFigureインスタンスを作る
plt.close(*args): Figureウィンドウを閉じる。 backend関係も切るっぽいので再び fig.show() しても開けない。

Figure

https://matplotlib.org/stable/api/figure_api.html

ウィンドウを表示したり画像ファイルを保存したりする単位となるクラス。コンストラクタを直接呼ぶのではなく plt や sns に作らせるのが普通。複数の子Axesを保持できる。

fig.subplots(nrows=1, ncols=1, sharex=False, sharey=False, ...): 子Axesをタイル状に並べて作る。デフォルトでは単体のAxesを返す。
fig.add_subplot(*args, **kwargs): 指定した位置に子Axesを作る。少し複雑な配置にしたいときはこれに GridSpec を渡すのが便利。
fig.clear(): fig.axes を空っぽにする。 backend関係は切れないので子Axesを追加して再描画可能。
fig.savefig(fname, dpi=None, facecolor='w', edgecolor='w', **kwargs): 拡張子から画像形式を推定してくれるので format= は省略可能。
fig.show(): Windowを開いてFigureを表示する。 JupyterやHydrogenなどのIPython環境では display(fig) を使う。
fig.axes: 子Axesへの参照

Axes

https://matplotlib.org/stable/api/axes_api.html

軸やラベルを持ったひとつのプロットの単位となるクラス。

描画のためのメソッドが ax.plot(), ax.scatter(), ax.hist() などたくさんある。 pandas.DataFrame のメソッドとして呼び出すのもあり:

# Axes method with data
ax.scatter('sepal_width', 'sepal_length', data=iris)

# DataFrame method with ax
iris.plot.scatter('sepal_width', 'sepal_length', ax=ax)

設定のためのメソッドも ax.set_title(), ax.set_xlim() などたくさん。 ax.set(**kwargs) でまとめて設定することもできる。

ax.clear(): プロットしたものを消す。親Figureへの参照は残る。
ax.figure: 親Figureへの参照

複数のAxesを配置する

plt.subplots(nrows, ncols, sharex, sharey, ...)

等サイズに分割:

fig = plt.figure()
axes = fig.subplots(2, 2)
sns.regplot('x', 'y', d, ax=axes[0, 0])
fig.tight_layout()

mpl.gridspec.GridSpec(nrows, ncols, ...)

e.g., 2x2分割して “品” みたいな配置にする:

fig = plt.figure()
gs = plt.GridSpec(2, 2)
ax_top = fig.add_subplot(gs[0, :])
ax_bottom_l = fig.add_subplot(gs[1, 0])
ax_bottom_r = fig.add_subplot(gs[1, 1])

mpl.gridspec.GridSpecFromSubplotSpec(nrows, ncols, subplot_spec, ...)

入れ子で分割。 e.g., 左右に分け、それぞれをさらに3段に分ける:

fig = plt.figure()
gs = plt.GridSpec(1, 2)
gsl = sns.mpl.gridspec.GridSpecFromSubplotSpec(3, 1, gs[0])
gsr = sns.mpl.gridspec.GridSpecFromSubplotSpec(3, 1, gs[1])

ax_ltop = fig.add_subplot(gsl[0])

Text, Annotation, Legend

https://matplotlib.org/stable/users/explain/text/text_intro.html

https://matplotlib.org/stable/users/explain/axes/legend_guide.html

Seaborn

`seaborn.objects` interface

https://seaborn.pydata.org/tutorial/objects_interface.html

v0.12 で導入された新しいAPI。 ggplot2 に近い感覚で書くことができる。従来のAPIで描けるものをどれくらいカバーしているかはわからないけど、今後はこちらを使っていきたい。

import seaborn as sns
import seaborn.objects as so

penguins = sns.load_dataset("penguins")
p = so.Plot(penguins, x="bill_length_mm", y="bill_depth_mm", color="species")
p.add(so.Dot(alpha = 0.5))
p.show()

Axes-level plot

色分けや推定値の追加など、生のmatplotlibでやるにはちょっと大変なことがseabornの関数で簡単にできる。 Axesを受け取ってそこに描画するという単純な構造なので、何か自分で作ってもいい:

def my_scatter(x, y, data, ax):
    ax.scatter(x, y, data=data)
    return ax

https://seaborn.pydata.org/examples

Visualizing statistical relationships

https://seaborn.pydata.org/tutorial/relational.html

sns.scatterplot(data, *, markers, ..., ax): 散布図。
sns.lineplot(data, *, style, markers, dashes, ..., ax): 折れ線グラフ。

Distribution plots

https://seaborn.pydata.org/tutorial/distributions.html

sns.histplot(data, stat='count', bins='auto', binwidth=None, binrange=None, discrete=None, ..., ax): ヒストグラム。; discrete=True とするだけで整数をうまく描いてくれる。; 半端な立ち位置だった distplot()はdeprecated.
sns.kdeplot(data, data2=None, shade=False, ..., ax): カーネル密度推定。
sns.ecdfplot(data, ..., ax): empirical cumulative density function.
sns.rugplot(data, ..., ax): 軸沿いにtickを描く。
sns.heatmap(data, vmin, vmax, cmap, center, ..., square, mask, ax): ヒートマップ。入力データはtidyじゃなくて行列の形。

Categorical plots

https://seaborn.pydata.org/tutorial/categorical.html

sns.stripplot(x, y, hue, data, order, ..., ax): 片軸がカテゴリカル変数の geom_jitter に相当。; これよりやや規則的な sns.swarmplot() も良い。
sns.boxplot(x, y, hue, data, order, ..., ax): 箱ひげ図
sns.violinplot(x, y, hue, data, order, ..., ax): バイオリンプロット
sns.boxenplot(x, y, hue, data, order, ..., ax): 箱ひげ図の変種。別名 letter-value plot 。
sns.pointplot(x, y, hue, data, order, ..., ax): 点推定値(平均値とか)の折れ線グラフ + エラーバー
sns.barplot(x, y, hue, data, order, ..., ax): 平均値の棒グラフ + エラーバー
sns.countplot(x, y, hue, data, order, ..., ax): カテゴリカル変数の頻度棒グラフ

Regression plots

https://seaborn.pydata.org/tutorial/regression.html

sns.regplot(x, y, data, ..., fit_reg=True, ci=95, ..., ax): 散布図 + 回帰線。

Axis Grid

https://seaborn.pydata.org/tutorial/axis_grids.html

FigureとAxisをいい感じに初期化して、関連するデータを縦・横・色の方向に並べる土台。これにAxis-level plotを乗せるところまでショートカットする高級関数がFigure-level plot。できあがったGridクラスの.set()系メソッドとか.figプロパティを通じていろいろ調整できる。これをまた別のグリッドに埋め込むというRのgrobのような操作はたぶんできない。

`sns.FacetGrid`

https://seaborn.pydata.org/generated/seaborn.FacetGrid.html

row=None, col=None, hue=None,
col_wrap=None,
sharex=True, sharey=True,
height=3, aspect=1,
legend_out=True, despine=True, margin_titles=False,
dropna, palette, xlim, ylim, row_order, col_order, hue_order, hue_kws, subplot_kws, gridspec_kws

カテゴリカル変数でプロットを分けて並べる:

grid = sns.FacetGrid(iris, col='species', col_wrap=2)
grid.map(sns.scatterplot, 'sepal_width', 'sepal_length')

変数によって色分けする:

grid = sns.FacetGrid(iris, hue='species')
grid.map(sns.scatterplot, 'sepal_width', 'sepal_length')

map() メソッドには plt.scatter など生のmatplotlib関数も渡せる。

sns.relplot(data, *, ): 散布図・折れ線グラフ + FacetGrid() のショートカット。; kind: {scatter, line}
sns.displot(data, kind='hist', rug=False, ...): Distribution plot + FacetGrid() のショートカット。; kind: {hist, kde, ecdf}
sns.catplot(x, y, hue, data, row, col, ..., kind, ...): Categorical plot + FacetGrid() のショートカット。; kind: {strip, swarm, box, violin, boxen, point, bar, count}; 昔は factorplot という名前だった。
sns.lmplot(x, y, data, hue, col, row, ...): regplot() + FacetGrid() のショートカット。

`sns.PairGrid`

https://seaborn.pydata.org/generated/seaborn.PairGrid.html

hue=None
vars=None, x_vars=None, y_vars=None
corner=False: 下半分だけのcorner plotにするには True
height=2.5, aspect=1, layout_pad=0.5
hue_order=None, palette=None, hue_kws=None, diag_sharey=True, despine=True, dropna=False

ペアワイズ散布図 + 対角線ヒストグラム

grid = sns.PairGrid(iris, corner=True)
grid = grid.map_offdiag(sns.scatterplot)
grid = grid.map_diag(sns.histplot)

sns.pairplot(data, hue, hue_order, palette, vars, x_vars, y_vars, kind, diag_kind, ...): PairGrid() のショートカット。; kind: {scatter, reg}; diag_kind: {hist, kde}

`sns.JointGrid`

https://seaborn.pydata.org/generated/seaborn.JointGrid.html

x, y, hue
height=6, ratio=5, space=0.2
palette, hue_order, hue_norm, dropna, xlim, ylim
marginal_ticks=False

散布図 + 周辺分布:

grid = sns.JointGrid(iris, x='sepal_width', y='sepal_length')
grid = grid.plot_joint(sns.scatterplot)
grid = grid.plot_marginals(sns.histplot)

sns.jointplot(x, y, data, kind, stat_func, ...): JointGrid() のショートカット。; kind: {scatter, kde, hist, hex, reg, resid}

`sns.ClusterGrid()`

このGridクラスをユーザーが直接インスタンス化することは想定されていない。

https://seaborn.pydata.org/generated/seaborn.clustermap.html

sns.clustermap(data, ...): sns.heatmap() + ClusterGrid()

Style

https://seaborn.pydata.org/tutorial/aesthetics.html

背景色や補助線などの設定。

sns.set_style(style, rc=None)

style:: {darkgrid, whitegrid, dark, white, ticks}
rc:: see below

>>> sns.axes_style(style='darkgrid', rc=None)
{'axes.axisbelow': True,
 'axes.edgecolor': 'white',
 'axes.facecolor': '#EAEAF2',
 'axes.grid': True,
 'axes.labelcolor': '.15',
 'axes.linewidth': 0,
 'figure.facecolor': 'white',
 'font.family': ['sans-serif'],
 'font.sans-serif': ['Arial',
                     'Liberation Sans',
                     'Bitstream Vera Sans',
                     'sans-serif'],
 'grid.color': 'white',
 'grid.linestyle': '-',
 'image.cmap': 'Greys',
 'legend.frameon': False,
 'legend.numpoints': 1,
 'legend.scatterpoints': 1,
 'lines.solid_capstyle': 'round',
 'text.color': '.15',
 'xtick.color': '.15',
 'xtick.direction': 'out',
 'xtick.major.size': 0,
 'xtick.minor.size': 0,
 'ytick.color': '.15',
 'ytick.direction': 'out',
 'ytick.major.size': 0,
 'ytick.minor.size': 0}

with 文でも使える:

with sns.axes_style('white'):
    # plot

sns.despine(fig=None, ax=None, top=True, right=True, left=False, bottom=False, offset=None, trim=False): 指定した枠線を消す。生の matplotlib だと ax.spines['top'].set_visible(False)

Context

https://seaborn.pydata.org/tutorial/aesthetics.html#scaling-plot-elements

ラベルや点・線などのスケール調整。

sns.set_context(context, font_scale=1, rc=None)

context: {notebook: 1.0, paper: 0.8, talk, 1.3, poster, 1.6}
rc:: see below

>>> sns.plotting_context(context='notebook', font_scale=1, rc=None)
{'axes.labelsize': 11,
 'axes.titlesize': 12,
 'figure.figsize': array([ 8. ,  5.5]),
 'grid.linewidth': 1,
 'legend.fontsize': 10,
 'lines.linewidth': 1.75,
 'lines.markeredgewidth': 0,
 'lines.markersize': 7,
 'patch.linewidth': 0.3,
 'xtick.labelsize': 10,
 'xtick.major.pad': 7,
 'xtick.major.width': 1,
 'xtick.minor.width': 0.5,
 'ytick.labelsize': 10,
 'ytick.major.pad': 7,
 'ytick.major.width': 1,
 'ytick.minor.width': 0.5}

with 文でも使える:

with sns.plotting_context('talk', font_scale=1.2):
    # plot

Color

いくつかの方法で指定できる:

個々の描画関数の palette や cmap に指定
with sns.color_palette(): のブロック内で描画
sns.set_palette() でデフォルトを指定

パレットもいくつかある:

ColorBrewer の名前で指定。 _r をつけると逆に、_d をつけると暗めになる。 e.g., sns.color_palette('RdBu_r', n_colors=7)
xkcd の名前リストを sns.xkcd_palette() に渡す
cubehelix_palette() はgrayscaleでもいい感じで印刷できる
自分で作る: sns.hls_palette(), sns.husl_palette(), sns.light_palette(), sns.dark_palette(), sns.diverging_palette()

設定

~/.matplotlib/matplotlibrc が読まれる。

site-packages/matplotlib/mpl-data/matplotlibrc にテンプレートがある。

基本