Python

今回は私がPlotly Expressという、簡単なコードでインタラクティブな可視化ができるライブラリを教えてもらって試したときに、「Jupyter Lab」ではエラーは出ないけど、真っ白な画面でプロットが表示されない、となってしまったため、その解決策をまとめたものとなります。

今回は正規表現を用いた文字列の置換について基本から解説します。自分の理解もあいまいだったので、一度、基本的なことを整理してみようと思います。具体例を用いて試しながら解説するので、記事を読み終えると、正規表現を使った文字列の置換の仕方がわかり自らコードを書くことができるようになります。

はじめに 今回はseabornのstyle設定の基本を解説します。seabornで設定することができるstyleをいくつかピックアップして設定方法をご紹介します。基本的によく使うもの以外は覚える必要がないので、こんなことができるんだな程度に...

今回はHeatmapの描画について基本から解説します。Heatmapは表の各値の大きさによって色分けして描画したものです。視覚的に値の大小や傾向を把握することができます。相関表や混同行列、ピボットテーブルでの集計結果などをヒートマップで表示すると、解釈しやすくなります。

今回はseabornのカテゴリ変数に関するプロットをまとめて紹介します。既に紹介したものを含めてまとめて整理しましょう。普段見慣れないプロットもありますが、カテゴリ変数を可視化するうえで非常に便利です。seabornでは簡単に描画できるので是非身につけましょう。

相関係数などで変数間の関係を把握する方法もありますが、まずは可視化するのも有効な方法です。 今回はseabornを使って変数間の関係を視覚的に捉える方法をご紹介します。2変数間の関係をとらえるjointplotと各変数間の関係をとらえるpairplotを基本から解説します。

数回にわたってseabornによる可視化を基本から解説します。今回はヒストグラムを扱います。既にmatplotlibで描画する方法を紹介していますが、seabornによる実装も確認しておきましょう。seabornはmatplotlibのラッパーライブラリで簡単な手順できれいな描画をすることができます。

今回は箱ひげ図を取り扱います。これはデータのばらつきを見る際につかいます。前回、ヒストグラムを扱いましたが、箱ひげ図では複数のデータのばらつきを比較することができるので、こちらも是非押さえておきましょう。matplotlibで簡単に描くことができます。

今回は分布を可視化する方法として、ヒストグラムと棒グラフの基本を解説します。データを手にしたらまずは各変数の基本統計量や分布を確認するとよいでしょう。分布の確認は可視化するのがいちばんわかりやすいです。さっそく見ていきましょう。

今回は複数のグラフを並べて描く方法を基本から解説します。グラフを重ねて描くこともありますが、並べて比較したいときもありますね。いくつかのやり方があるうえに、使用するメソッド名も似ているので混乱することもあると思います。今回はこれらを整理しましょう。

今回はmatplotlibで散布図を描く方法を基本から解説します。引数は必要な時に「Shift + Tab」でdocstringをみて確認すればよいので、全部覚える必要はありません。基本的な使い方と、どんなことができるかを抑えておけばよいでしょう。さっそく始めましょう。

今回はgroupbyでデータをグループ分けして処理した結果を描画してみましょう。データの概要を把握するときには、グループごとの特徴を把握するために集計しますよね。これを比較するときにただ値を見るだけでなく、可視化するとよりわかりやすくなります。