Matplotlibの使い方¶

matplotlibは、データをプロットするためのライブラリです。データが大量になってくると、数字を眺めていても何を意味しているのかわからないことがあります。実験やシミュレーションから出力される大量のデータを可視化することで、データが示す意味を理解できるようになります。ビックデータを使った新しい科学が注目を浴びているように、データの海から新しい価値を発掘 (data mining)するためにも可視化は重要です。

pythonから利用できる可視化用のライブラリは、データのタイプによっていくつかあります。2次元と3次元のデータをプロットするためのライブラリは、 matplotlibがもっとも普及しています。matplotlibは、2次元(\(x,y\) のデータセット) と3次元データ(\(x, y, z\) のデータセット)を効率良くかつきれいに可視化することができます。matplotlib使った基本的な作図方法を説明します。

https://matplotlib.org/

注釈

4次元データは、(例えば電子密度のような \(|\psi(x, y, z)^2|\) のデータ)は、matplotlibでうまく表現できません。Mayavi等 (http://docs.enthought.com/mayavi/mayavi/) の可視化ライブラリを使う必要があります。

注釈

大学の計算機にインストールされているmatplotlibはversion 1.5.3です。 2018年1月現在、2.1.1が最新の安定versionです。1.5.x系から2.x系に version upすることで、デフォルトのスタイルが大きく変わっています。2.x 系で1.5.xと同じようなスタイルをプロットするためには、後述する plt.style.useで'classic'を指定します。

Matplotlibのインポート¶

matplotlibは、非常に多くのモジュール群で (https://matplotlib.org/py-modindex.html)構成されています。一般的の2次元プロットを利用するだでけは、トップレベルのmatplotlibをimportする必要なく、可視化するためのmatplotlib.pyplotのimportだけで十分です。

import matplotlib.pyplot as plt  # (慣習)

プロットのスタイル¶

matplotlibは、デフォルトのプロットスタイルをスタイルシートという枠組みを使って好きに変えられます。デフォルトのスタイルを変更するためには、プログラムの先頭で以下のように定義します。

example-01¶

plt.style.use('classic') # 2.x系で1.5.x系のスタイルを使う

自分が使っているmatplotlibで利用できるスタイル一覧は plt.style.availableで得られます。

example-02¶

print(plt.style.available)

私のmacにインストールされているmatplotlib2.1.1の例です。

example-03¶

['_classic_test', 'bmh', 'classic', 'dark_background',
 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn-bright',
 'seaborn-colorblind', 'seaborn-dark-palette', 'seaborn-dark',
 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted',
 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel',
 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks',
 'seaborn-white', 'seaborn-whitegrid', 'seaborn']

スタイルを指定するために、py.style.use()を使います。

example-04¶

plt.style.use('classic')

初期設定¶

plt.style.use()で指定しない場合のデフォルトのスタイルは、環境設定ファイルmatplotlibrcを使って指定することができます。自分用の環境設定ファイルを作っておけば、毎回設定する手間がはぶけて同じ体裁で作図することが可能になります。matplotlibrcの配置場所は以下のとおりです。

プログラムと同じ場所にあるmatplotlibrc
ユーザのホームディレクトリの.matbolot/.matplotlibrc 自分の
matplotlibがインストールされているmpl-data

デフォルトを自分用のスタイルにしたい場合は、matplotlibがインストールされているmpl-dataの下のファイルをコピーして編集すれば良いでしょう。フォントのサイズや線幅等の細かい制御が可能になります。

matplotlibrcを変更を行わずに、プログラムの中からフォントサイズや線幅等の変更を行うこともできます。

plt.rcParams.update({ 'legend.fontsize': 12, 'legend.numpoints': 1}

2次元プロット¶

\(x\) と \(y\) のリストを準備してplot()に渡せばプロットできます。

example-05¶

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5, 6]
y = [1, 3, 5, 7, 9, 11]

fig, ax = plt.subplots()  # 図と軸の作成
ax.plot(x, y, "o-")       # 作成した軸にデータをプロット(点と線)
ax.set_xlabel('x axis')   # y軸のxラベル
ax.set_ylabel('y axis')   # y軸のyラベル
plt.show()                # 図の表示

numpyを使って関数プロットの方法について説明します。

example-06¶

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 2*np.pi, 10) # 0から10まで100点のxデータ
y1 = (0.5*x)**2 # 0.1x^2のyデータ
y2 = np.sin(x) # sin(x)のyデータ
y3 = np.cos(x) # cos(x)のyデータ

fig, ax = plt.subplots() # 図と軸のオブジェクト生成
ax.plot(x, y1, "o", label="0.5**2") # 0.1x^2のプロット
ax.plot(x, y2, "s-", label="sin(x)") # sin(x)のプロット
ax.plot(x, y3, "--", label="cos(x)") # cos(x)のプロット
ax.set_xlabel("X") # Xラベル
ax.set_ylabel("Y") # Yラベル
ax.legend() # 凡例の表示
ax.set_xlim(0, 8)  # プロットのX範囲
ax.set_ylim(-2, 5) # プロットのY範囲
fig.savefig("test.png") # 図の保存

plt.show() # 図の表示

次のようなプロットが表示されtest.pngが保存されます。データの後に、マーカーの種類や線種、色を指定しています。またlabelで凡例に表示する文字列を指定指定しています。

注釈

plt.plot(x, y)でプロットすることも可能ですが、「図」と「軸」のようなオブジェクトを作成した方が、pythonらしいですし見通しが良いので、fig, とaxをplt.subplots()で作成しています。

棒グラフプロット¶

barの位置と高さ、オプションで幅をbar()に渡せばbarプロットしてくれます。 barの位置は、barの'edge'か'center'のどちらか指定します。

example-07¶

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
h = [2, 5, 3, 4, 1]
w = [0.8] * 5

fig, ax = plt.subplots()
ax.bar(x, h, width=w, align='edge')
fig.savefig('bar.png')
plt.show()

統計データは、ヒストグラムでプロットすると結果がわかりやすいです。データをpylab.histに渡すことでヒストグラムを作成できますが、numpyの histogramを使った方が自由にデータを処理ができるので、bins(区分)と hist(高さ)を計算してから、barでプロットすることとします。

https://matplotlib.org/devdocs/api/_as_gen/matplotlib.pyplot.bar.html

乱数て適当なデータを作ってプロットしています。

example-08¶

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(7)
data =np.random.random(1000) * 10

hist, bins = np.histogram(data, bins=10) # 区分は等間隔で10分割
print(hist.size, bins.size) # 10と11
fig, ax = plt.subplots()
width = (bins[1:] - bins[:-1])     # 区分の幅
x = bins[:-1] + 0.5*width          # 区分の左側エッジ

plt.bar(x,  hist, width*0.8, align="center") # barの幅はwidthの80%

ax.set_xlabel("X")
ax.set_ylabel("Frequency")
fig.savefig("histogram.png")
plt.show()

以下のような図が得られます。

np.histogra()は、hist(高さ)とbins(区分のエッジ)を返しますが、bins.size はhist.sizeの+1になります。

2軸でプロット¶

x軸を共有した2系統のデータをプロットしたい場合、X(またはY)軸を共有したいオブジェクトをax.twinx()(またはax.twiny())で作成してプロットします。

example-09¶

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 2*np.pi, 10) # 0から10まで100点のxデータ
y1 = (0.5*x)**2 # 0.1x^2のyデータ
y2 = np.sin(x) # sin(x)のyデータ
y3 = np.cos(x) # cos(x)のyデータ
fig, ax = plt.subplots() # 図と軸のオブジェクト生成
ax.plot(x, y1, "o", label="0.5**2") # 0.1x^2のプロット
bx = ax.twinx()  # x軸を共有した新しい軸の生成
bx.plot(x, y2, "s-", label="sin(x)") # sin(x)のプロット
bx.plot(x, y3, "--", label="cos(x)") # cos(x)のプロット
ax.set_xlabel("X") # Xラベル
ax.set_ylabel("Y") # Yラベル
bx.set_ylabel("Y2") # Yラベル
ax.legend() # 凡例の表示
fig.savefig("twinx.png") # 図の保存
plt.show() # 図の表示

以下のような図が得られます。

複数の図をプロット¶

plt.subplots()でfigとaxを生成する際、nrows, ncolsを指定することで図中に複数の軸を配置させることができます。nrowsとncolsで複数の軸を生成した場合、axは2次元配列になっています。プロットしたい軸のaxにplot()します。またfigオブジェクトを複数生成すれば、複数の図を表示させることもできます。

https://matplotlib.org/devdocs/api/_as_gen/matplotlib.pyplot.subplots.html

example-10¶

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 2*np.pi, 10) # 0から10まで100点のxデータ
y1 = (0.5*x)**2 # 0.1x^2のyデータ
y2 = np.sin(x) # sin(x)のyデータ
y3 = np.cos(x) # cos(x)のyデータ

fig1, ax = plt.subplots(nrows=2, ncols=1) # 図と軸のオブジェクト生成
ax[0].plot(x, y1, "o", label="0.5**2") # 0.1x^2のプロット
ax[1].plot(x, y2, "s-", label="sin(x)") # sin(x)のプロット
ax[0].set_xlabel("X1") # Xラベル
ax[1].set_xlabel("X2") # Xラベル
ax[0].set_ylabel("Y") # Yラベル
ax[1].set_ylabel("Y2") # Yラベル
ax[0].legend() # 凡例の表示
ax[1].legend() # 凡例の表示
fig1.savefig("subplots-1.png") # 図の保存

fig2, ax = plt.subplots(nrows=2, ncols=2) # 図と軸のオブジェクト生成
ax[0][0].plot(x, y1, "--") # (0, 0)
ax[0][1].plot(x, y2, "--") # (0, 1)
ax[1][0].plot(x, y3, "--") # (1, 0)
ax[1][1].plot(x, y1*y3, "--") # (1, 1)
fig2.savefig("subplots-2.png") # 図の保存

plt.show() # 図の表示

以下のような2つの図が得られます。

3次元プロット¶

3次元プロットは、3つのデータの組 \((x, y, f(x,y))\) を準備して可視化します。データのパターンとして、 \((x, y)\) がグリッド(格子)上に並ぶ場合と並んでいない場合の2パターンになります。

コンタープロット¶

xy平面上のグリッドの各点が値をもつようなデータのプロットによく用いられます。天気予報での気圧配置を思い浮かべると良いかと思います。100x50の格子の場合、100x50の各格子点に対応する \(x\), \(y\), \(z\) のデータを準備します。格子状のデータを作成するために、np.meshgrid()が便利です。

https://matplotlib.org/api/_as_gen/matplotlib.axes.Axes.contour.html

example-11¶

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-5, 5, 101) # [-5.  -4.9 ... 5.0]
y = np.linspace(-8, 8, 101) # [-5.  -4.9 ... 5.0]
X, Y = np.meshgrid(x, y)
print(X)  # [[-5.  -4.9 -4.8 ...,  4.8  4.9  5. ] 
          #  [-5.  -4.9 -4.8 ...,  4.8  4.9  5. ] 
          #  [-5.  -4.9 -4.8 ...,  4.8  4.9  5. ] 
          #  ...,                                 
          #  [-5.  -4.9 -4.8 ...,  4.8  4.9  5. ] 
          #  [-5.  -4.9 -4.8 ...,  4.8  4.9  5. ] 
          #  [-5.  -4.9 -4.8 ...,  4.8  4.9  5. ]]
print(Y)  # [[-8.   -8.   -8.   ..., -8.   -8.   -8.  ] 
          #  [-7.84 -7.84 -7.84 ..., -7.84 -7.84 -7.84] 
          #  [-7.68 -7.68 -7.68 ..., -7.68 -7.68 -7.68] 
          #  ...,                                       
          #  [ 7.68  7.68  7.68 ...,  7.68  7.68  7.68] 
          #  [ 7.84  7.84  7.84 ...,  7.84  7.84  7.84] 
          #  [ 8.    8.    8.   ...,  8.    8.    8.  ]]
          
val = np.exp(-(X**2+Y**2))  # 2次元のガウス関数

fig, ax = plt.subplots()
ax.contour(X, Y, val)
ax.set_xlabel("x")
ax.set_ylabel("y")
fig.savefig("contour.png")
plt.show()

下のような図が得られます。

surfaceプロット¶

軸を3つとってデータを可視化したい場合、Axes3Dモジュールをimportしてプロットします。コンピュータの画面や紙は2次元ですので、奥行きを表現する必要があります。いろんな3Dプロットの方法があります。

https://matplotlib.org/mpl_toolkits/mplot3d/tutorial.html#mplot3d-tutorial

ここでは1例として、球面調和関数の可視化に用いたsurfaceプロットだけ紹介します。

https://matplotlib.org/mpl_toolkits/mplot3d/tutorial.html#surface-plots

example-12¶

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

x = np.linspace(-5, 5, 101) # [-5.  -4.9 ... 5.0]
y = np.linspace(-8, 8, 101) # [-5.  -4.9 ... 5.0]
X, Y = np.meshgrid(x, y)
print(X)  # [[-5.  -4.9 -4.8 ...,  4.8  4.9  5. ] 
          #  [-5.  -4.9 -4.8 ...,  4.8  4.9  5. ] 
          #  [-5.  -4.9 -4.8 ...,  4.8  4.9  5. ] 
          #  ...,                                 
          #  [-5.  -4.9 -4.8 ...,  4.8  4.9  5. ] 
          #  [-5.  -4.9 -4.8 ...,  4.8  4.9  5. ] 
          #  [-5.  -4.9 -4.8 ...,  4.8  4.9  5. ]]
print(Y)  # [[-8.   -8.   -8.   ..., -8.   -8.   -8.  ] 
          #  [-7.84 -7.84 -7.84 ..., -7.84 -7.84 -7.84] 
          #  [-7.68 -7.68 -7.68 ..., -7.68 -7.68 -7.68] 
          #  ...,                                       
          #  [ 7.68  7.68  7.68 ...,  7.68  7.68  7.68] 
          #  [ 7.84  7.84  7.84 ...,  7.84  7.84  7.84] 
          #  [ 8.    8.    8.   ...,  8.    8.    8.  ]]
          
val = np.exp(-(X**2+Y**2))  # 2次元のガウス関数
fig, ax = plt.subplots(subplot_kw={"projection": "3d"}) #プロット領域の作成

ax.plot_surface(X, Y, val) 
ax.set_xlabel("x")
ax.set_ylabel("y")
plt.show()

下のような図が得られます。

数式・日本語フォント¶

数式はlatexの数式モードの表記に従って記述します。latexは、洗練された組版システム(図表をリファレンス等を割り付けてくれる)で、数式の表現が豊富で美しいため、学術論文の作成によく使われます。テキストベースで数学記号

ギリシャ文字と数学記号の入力は下のURLを参照してください。

https://matplotlib.org/users/mathtext.html#symbols

いくつか例を上げます。括弧はペアで配置しないとエラーになります。分数は frac{}{} で表記します。以下の数式をxlabelとylabelに割り付けてみます。

\[ \begin{align}\begin{aligned}&\alpha\int_0^{\infty} \exp\left( -\frac{x}{10} \right)\\&\sum_{i=1}^n x_i^2\end{aligned}\end{align} \]

日本語を表示させるためには、日本語用フォントを準備せねばなりません。OS のfont置き場にあるttfフォントを指定します。当然ですが、日本語のttfフォントでなれば日本語は表示できません。日本語を含むフリーのttfフォントをダウンロードして利用していみます。

https://ipafont.ipa.go.jp/old/ipafont/download.html

ipaexg.ttf(ゴシックフォント)をシステムのフォント置き場に移動します。 windowsの場合はC:WindowsFonts、macの場合は/LibraryFonts等です。後は Pythonのプログラムでフォントの名前をfont.familyにセットすれば日本語が使えます。

example-13¶

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import matplotlib.font_manager as font_manager

# デフォルトのスタイルを変えてプロット
plt.style.use('seaborn-pastel')

# フォントの配置場所にあるttfフォントを指定
path = '/Users/takahiro/Library/Fonts/ipaexg.ttf'
# フォントのプロパティ
prop = font_manager.FontProperties(fname=path)
# フォントの名前を取得
mpl.rcParams['font.family'] = prop.get_name()

x = np.random.random(100)
y = np.random.random(100) * x
fig, ax = plt.subplots()
xl = r'$\alpha\int_0^{\infty}\exp\left( -\frac{x}{10} \right)$'
yl = r'$\sum_{i=1}^n x_i^2$'
ax.plot(x, y, "o", label="ほげほげ")
ax.set_xlabel(xl)
ax.set_ylabel(yl)
ax.set_title('ふがふが')
ax.legend()
fig.savefig("japanese-font.png")
plt.show()

Matplotlibの使い方¶

Matplotlibのインポート¶

プロットのスタイル¶

初期設定¶

2次元プロット¶

棒グラフプロット¶

2軸でプロット¶

複数の図をプロット¶

3次元プロット¶

コンタープロット¶

surfaceプロット¶

数式・日本語フォント¶

研究室へジャンプ

Table Of Contents

このページ