plotlyでグリグリ動くインタラクティブなグラフを作りたい

しぃたけ

Pythonのデータ可視化ライブラリ「plotly」の使い方の備忘録です。

個人的にmatplotlib,seabornより使いやすいです。

概要
1. 背景
2. 環境
使ってみた
まとめ

概要

背景

Pythonでグラフを書くとき、matplotlib、seabornを使うのが一般的ですが、

図示するだけの静的なグラフは描けても、データとグラフが紐づいた動的なグラフを書くことができない

という欠点があります。

この弱点を補う、動的なデータ可視化ライブラリである「plotly」を使ってみたので、使い方を残します。

環境

Windows10、Python3.6、JupyterNotebook　を利用してます。

使ってみた

plotlyとは

データ可視化のためのプラットフォームです。（plotly公式）

今回はPythonの使い方に絞って書きますが、Matlab、R、Juliaなどにも対応しているみたいです。

グラフにマウスをあてることで、データの内容を表示できる。
グラフのズーム、回転などがマウスでできる。

などの特徴があります。

インストール

まずはインストールしましょう。

これまで通り、pip install で対応可能です。

$pip install plotly

1	$pip install plotly

Anaconda環境の方はconda installで実施ください。

$conda install plotly

1	$conda install plotly

可視化①　irisデータセット

まずは、一般的に知られているirisのデータセットを利用してデータを可視化してみます。

import matplotlib.pyplot as plt
import pandas as pd
import plotly.express as px
import plotly.offline as pf
from plotly.subplots import make_subplots

#irisのデータセットをロードする
iris = sns.load_dataset('iris')

fig = px.histogram(iris, x='sepal_length', color='species', 
                           nbins=19, range_x=[4,8], width=600, height=350,
                           opacity=0.4, marginal='box')

fig.update_layout(barmode='overlay')
fig.update_yaxes(range=[0,20],row=1, col=1)

# html形式で表示
pf.plot(fig)

import matplotlib.pyplot as plt

import pandas as pd

import plotly.express as px

import plotly.offline as pf

from plotly.subplots import make_subplots

#irisのデータセットをロードする

iris = sns.load_dataset('iris')

fig = px.histogram(iris, x='sepal_length', color='species',

nbins=19, range_x=[4,8], width=600, height=350,

opacity=0.4, marginal='box')

fig.update_layout(barmode='overlay')

fig.update_yaxes(range=[0,20],row=1, col=1)

# html形式で表示

pf.plot(fig)

グリグリ動くグラフはこちら：https://cpptake.com/plotly_test/iris_plot.html

plotlyの仕様の都合上、ブラウザで見ないとグリグリ感を味わえないので、出力結果は上記のリンク先を参照ください。

（Webページ上にplotlyのグラフを載せてるページもいくつかあったんですが、誰かやり方教えていただけると嬉しいです。

出力先のグラフにマウスをあてると、

データのラベル名、最大値、最小値、n数、信頼区間など、様々な情報が表示されます。

さらに、クリック一つでズームやスライドなど簡単にできて非常に便利です。

可視化②　あつもりデータセット

続いて以前記事にした、Kaggleのあつ森データセットを可視化してみます。

あつもりのデータセットについては下記の記事をご参照ください。

上記のデータを利用して、アイテムの大きさ「Size」ごとの、アイテムの売値「Sell」の値を箱ひげ図を用いて可視化してみます。

housewares = pd.read_csv('data/housewares.csv') #家具データ
print('The size of the test data:' + str(housewares.shape))

#Sellの値をSizeごとに箱ひげ図で図示する。
fig = px.box(housewares, y="Sell", color="Size")
# html形式で表示
pf.plot(fig)

housewares = pd.read_csv('data/housewares.csv') #家具データ

print('The size of the test data:' + str(housewares.shape))

#Sellの値をSizeごとに箱ひげ図で図示する。

fig = px.box(housewares, y="Sell", color="Size")

# html形式で表示

pf.plot(fig)

グリグリ動くグラフはこちら：https://cpptake.com/plotly_test/temp-plot.html

例によって、リンク先を参照ください。

グラフ見てみると、Sizeが 3×3 の所に明らかな外れ値が存在します。どう見ても「robot hero」のデータですね。（詳しくはあつもりの記事参照）

plotlyを使うことで、外れ値の値などもグラフ上で確認することができます。

可視化③　MRI画像の3Dマップ化

最後に、最近Kaggleで挑戦している医療用画像の可視化をplotlyを使って行ってみます。

なお、データセット、記載するコードについては、こちらにあるplotly公式リファレンスのものをまるパクリしてます。悪しからず。（plotly公式MRI画像3Dマップ化）

やりたい事としては、数ミリ間隔でスライスされたMRIの画像を3次元座標上に順番に表示させていくような処理を書きたいと思います。

import time
import numpy as np
from skimage import io
import plotly.graph_objects as go

vol = io.imread("https://s3.amazonaws.com/assets.datacamp.com/blog_assets/attention-mri.tif")
volume = vol.T
r, c = volume[0].shape


nb_frames = 68

fig = go.Figure(frames=[go.Frame(data=go.Surface(
    z=(6.7 - k * 0.1) * np.ones((r, c)),
    surfacecolor=np.flipud(volume[67 - k]),
    cmin=0, cmax=200
    ),
    name=str(k)
    )
    for k in range(nb_frames)])

fig.add_trace(go.Surface(
    z=6.7 * np.ones((r, c)),
    surfacecolor=np.flipud(volume[67]),
    colorscale='jet',
    cmin=0, cmax=200,
    colorbar=dict(thickness=20, ticklen=4)
    ))


def frame_args(duration):
    return {
            "frame": {"duration": duration},
            "mode": "immediate",
            "fromcurrent": True,
            "transition": {"duration": duration, "easing": "linear"},
        }

sliders = [
            {
                "pad": {"b": 10, "t": 60},
                "len": 0.9,
                "x": 0.1,
                "y": 0,
                "steps": [
                    {
                        "args": [[f.name], frame_args(0)],
                        "label": str(k),
                        "method": "animate",
                    }
                    for k, f in enumerate(fig.frames)
                ],
            }
        ]

fig.update_layout(
         title='Slices in volumetric data',
         width=600,
         height=600,
         scene=dict(
                    zaxis=dict(range=[-0.1, 6.8], autorange=False),
                    aspectratio=dict(x=1, y=1, z=1),
                    ),
         updatemenus = [
            {
                "buttons": [
                    {
                        "args": [None, frame_args(50)],
                        "label": "▶",
                        "method": "animate",
                    },
                    {
                        "args": [[None], frame_args(0)],
                        "label": "◼",
                        "method": "animate",
                    },
                ],
                "direction": "left",
                "pad": {"r": 10, "t": 70},
                "type": "buttons",
                "x": 0.1,
                "y": 0,
            }
         ],
         sliders=sliders
)

pf.plot(fig)

import time

import numpy as np

from skimage import io

import plotly.graph_objects as go

vol = io.imread("https://s3.amazonaws.com/assets.datacamp.com/blog_assets/attention-mri.tif")

volume = vol.T

r, c = volume[0].shape

nb_frames = 68

fig = go.Figure(frames=[go.Frame(data=go.Surface(

z=(6.7 - k * 0.1) * np.ones((r, c)),

surfacecolor=np.flipud(volume[67 - k]),

cmin=0, cmax=200

name=str(k)

)

for k in range(nb_frames)])

fig.add_trace(go.Surface(

z=6.7 * np.ones((r, c)),

surfacecolor=np.flipud(volume[67]),

colorscale='jet',

cmin=0, cmax=200,

colorbar=dict(thickness=20, ticklen=4)

))

def frame_args(duration):

return {

"frame": {"duration": duration},

"mode": "immediate",

"fromcurrent": True,

"transition": {"duration": duration, "easing": "linear"},

}

sliders = [

{

"pad": {"b": 10, "t": 60},

"len": 0.9,

"x": 0.1,

"y": 0,

"steps": [

{

"args": [[f.name], frame_args(0)],

"label": str(k),

"method": "animate",

}

for k, f in enumerate(fig.frames)

}

]

fig.update_layout(

title='Slices in volumetric data',

width=600,

height=600,

scene=dict(

zaxis=dict(range=[-0.1, 6.8], autorange=False),

aspectratio=dict(x=1, y=1, z=1),

updatemenus = [

{

"buttons": [

{

"args": [None, frame_args(50)],

"label": "▶",

"method": "animate",

{

"args": [[None], frame_args(0)],

"label": "◼",

"method": "animate",

"direction": "left",

"pad": {"r": 10, "t": 70},

"type": "buttons",

"x": 0.1,

"y": 0,

}

sliders=sliders

)

pf.plot(fig)

グリグリ動くグラフはこちら：https://cpptake.com/plotly_test/mri_plot.html

リンク先を参照いただくと、MRI画像が上から順番に流れていく３Dマップが見れるかと思います。

plotlyを使うと3次元のグラフも感覚的に動かせてすごく楽しいですね。

まとめ

インタラクティブなデータ可視化ライブラリのplotlyを使ってみました。

動的なデータ分析をしたい方にお勧めです。

自分は業務でSAS社のデータ分析ツールを利用しているのですが、plotlyはSASの仕様と似ている部分があるため、個人的には非常に使いやすいツールだと感じました。

今後は練習もかねて、matplotlib,seabornの代わりに使っていこうかと思います。

リファレンスが少ないのが課題ですが、KaggleのNotebookを見ていても、EDAをする際にplotlyを利用している人が多いと感じているので、今後増えていくと思ってます。

皆さん使っていきましょう。

概要

背景

環境

使ってみた

plotlyとは

インストール

可視化① irisデータセット

可視化② あつもりデータセット

可視化③ MRI画像の3Dマップ化

まとめ

コメント

可視化①　irisデータセット

可視化②　あつもりデータセット

可視化③　MRI画像の3Dマップ化