概要

Matplotlibのpyplotを使い、Pythonでグラフを描画する基本手順を整理する。

数値だけを眺めても傾向はつかみにくいため、折れ線グラフや散布図として可視化することで、変化、分布、外れ値を確認しやすくなる。
ここでは、インストール、基本的な描画、複数系列、ラベルや凡例の設定を実行例で確認する。

この記事の構成

• Matplotlibの環境準備
  Matplotlibの環境準備の手順と確認ポイントを整理。
• Matplotlibの使用方法
  Matplotlibの使用方法をコードや具体例で確認。

実施内容

Matplotlibの環境準備

Matplotlibは、折れ線グラフ、散布図、ヒストグラム、画像などを描画できるPythonライブラリで、NumPyと組み合わせて使用する場面も多い。

• Matplotlibのインストール
  使用するPython環境を明確にするため、次のようにPython経由でpipを実行。

  $ python -m pip install matplotlib
  

  インストール後はpython -c "import matplotlib; print(matplotlib.__version__)"で、読み込まれたバージョンを確認できる。以降ではmatplotlib.pyplotの基本操作に絞る。

Matplotlibの使用方法

• 区間、刻み幅、グラフタイトル、軸ラベルの設定と表示
  二次関数y = x^2を例に区間、刻み幅、グラフタイトル、軸ラベルを設定してグラフを描画する。
  np.arange(0, 20, 0.01)は、0以上20未満の値を0.01刻みで生成。

  $ python
   >>> import numpy as np
   >>> import matplotlib.pyplot as plt
   >>> x = np.arange(0, 20, 0.01)    # 0以上20未満の範囲を0.01刻みに設定
   >>> y = x**2
   >>> plt.title("y = x^2\n# arange:0, 20, 0.01, xlabel:x, ylabel:y")    # グラフタイトルを設定
     Text(0.5, 1.0, 'y = x^2\n# arange:0, 20, 0.01, xlabel:x, ylabel:y')
   >>> plt.xlabel("x")    # x軸のラベルを設定
     Text(0.5, 0, 'x')
   >>> plt.ylabel("y")    # y軸のラベルを設定
     Text(0, 0.5, 'y')
   >>> plt.plot(x,y)    # グラフの描画
     [<matplotlib.lines.Line2D object at 0x7fa0a479eb70>]
   >>> plt.savefig('pid13_1.png')    # 任意の保存先を指定
   >>> plt.close()    # 図を閉じ、次の描画へ状態を持ち越さない
  

  • 上記で出力したグラフ「pid13_1.png」

• 2つのグラフ、凡例の設定と表示
  三角関数y = sin(x)とy = cos(x)を例に凡例の設定を行い、2つのグラフを表示。

  $ python
   >>> import numpy as np
   >>> import matplotlib.pyplot as plt
   >>> x = np.arange(0, 6, 0.01)    # 0以上6未満の範囲を0.01刻みに設定
   >>> plt.title("y = sin(x), y = cos(x)\n# arange:0, 6, 0.01, xlabel:x, ylabel:y, legend:sin&cos")    # グラフタイトルを設定
   Text(0.5, 1.0, 'y = sin(x), y = cos(x)\n# arange:0, 6, 0.01, xlabel:x, ylabel:y, legend:sin&cos')
   >>> plt.xlabel("x")    # x軸のラベルを設定
     Text(0.5, 0, 'x')
   >>> plt.ylabel("y")    # y軸のラベルを設定
     Text(0, 0.5, 'y')
   >>> y_sin = np.sin(x)
   >>> y_cos = np.cos(x)
   >>> plt.plot(x, y_sin, label="sin")   # グラフの描画 ※実線で描画 ( デフォルト )
     [<matplotlib.lines.Line2D object at 0x7fde03617fd0>]
   >>> plt.plot(x, y_cos, linestyle="--", label="cos")    # グラフの描画 ※破線で描画
     [<matplotlib.lines.Line2D object at 0x7fde03625048>]
   >>> plt.legend()    # 凡例の描画
     <matplotlib.legend.Legend object at 0x7fde03625358>
   >>> plt.savefig('pid13_2.png')    # 任意の保存先を指定
   >>> plt.close()
  

  • 上記で出力したグラフ「pid13_2.png」

• imreadを使った画像表示
  matplotlib.imageのimreadによって画像をNumPy配列として読み込み、pyplot.imshowで座標軸上に表示。
  ここでは、透過背景のPythonロゴ画像「pid13_3.png」を読み込み、描画結果を「pid13_4.png」として保存。
  読み込んだ配列のshapeを確認すると、画像の高さ、幅、色チャンネル数も確認できる。

  • 読み込み元の画像「pid13_3.png」
    

  • 「pid13_3.png」をimreadで読み込み、imshowで表示して「pid13_4.png」として保存

    $ python
     >>> import matplotlib.pyplot as plt
     >>> from matplotlib.image import imread
     >>> img = imread('pid13_3.png')    # Pythonロゴ画像を読み込み
     >>> img.shape
     (500, 500, 4)
     >>> plt.imshow(img)    # 画像表示
     <matplotlib.image.AxesImage object at 0x7f4b80106f60>
     >>> plt.title('pid13_3.png Read with image.imread \n and output as pid13_4.png in pyplot.imshow')
     >>> plt.savefig('pid13_4.png')
     >>> plt.close()
    

  • 上記で出力した画像「pid13_4.png」
    

  shapeの値や保存画像の余白は、元画像やMatplotlibのバージョン・設定によって異なる。

• その他のグラフ
  上記以外にもplt.scatter()による散布図、plt.hist()によるヒストグラムなど、さまざまなグラフに対応している。目的に合うグラフを選び、軸名、単位、凡例を付けると、画像だけを見ても意味を判断しやすくなる。

まとめ

• MatplotlibはPythonでグラフを描く代表的なライブラリ。
• pyplotでは、要素数をそろえたxとyのデータを渡して描画する。要素数が異なると描画エラーになる。
• 軸名や凡例を付けるとグラフの意味が伝わりやすくなり、数値の傾向や異常を判断しやすくなる。
• スクリプトから画面に表示する場合はplt.show()、画像として保存する場合はplt.savefig()を使用。
• imreadで読み込んだ画像はNumPy配列として扱われ、imshowで表示できる。

参考文献

• 斎藤 康毅（\(2016\)）『ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装』株式会社オライリー・ジャパン
• Matplotlib, Getting started（英語・公式導入手順）
• Matplotlib, Pyplot tutorial（英語・グラフ描画の公式入門）
• Matplotlib, Image tutorial（英語・画像表示の公式解説）