Pythonでの可視化モジュールの選定

データ分析では、データを可視化して観察を行い、「気づき」を得ることはとても重要です。

Python でグラフを可視化を行うときの代表的なモジュールには、次のものがあります。

静的なグラフを描画するもの

matplotlib

歴史もあり柔軟性も高いが、なにかにつけ設定が必要でコードが長くなりやすい。

細かな設定を行うとすると膨大なドキュメント(2500ページ超)を読み込むことになる

描画に時間を取られるため、分析はしづらい

Pandas

matplotlib をより使いやすく呼び出してくれます。

時系列データを含め基本的なグラフをPandas + matplotlib で描画できます。

seaborn

matplotlib をベースに開発されている

とても見栄えがよい美しいグラフを簡単に描画できる

データ分析に集中することができる

インタラクティブなグラフを描画するもの

Plotly

インタラクティブなグラフを描画できる

APIライブラリも提供されているが登録が必要

Dash

Plotly社が開発しているWebアプリを作成するためのフレームワーク

Plotlyと合わせることでWeb上でインタラクティブなグラフを描画できる

bokeh

インタラクティブなデータ可視化を実現する軽量フレームワーク

ストリーミングデータの可視化もできる

単独で使うこともできるが、少しクセがある

DjangoやFlaskなどに組み込んでデータ可視化アプリケーションを作れる

pandas-bokeh

Pandasのデータフレームからbokehを使ってインタラクティブな描画ができる

pandas_ui

Jupyter notebook と連携して簡単なクリック操作でデータの可視化もできる

可視化だけでなくPandasの操作もクリック操作で処理できる

holoviews

データ分析と可視化を簡単に行うことができる

拡張機能を使うと bokeh を使ってインタラクティブな描画ができる

アプリケーション

Pandasにグラフィカルユーザインタフェースを提供するアプリケーションとライブラリ

マウスをクリックするだけでパンダのデータフレームの表示や並べ替えができる

クリックだけでデータの可視化が可能

驚くほど簡単に視覚化とデータセットの比較、および可視化をすることができるアプリケーション

Jupyter NotebookやJupyterLab と連携したPandasのためのGUI

データフレームの一般的な変換と可視化、分析を行える

シンプルで任意にカスタマイズ可能ななPythonプラグインを提供

オープンソースのワークフローベースのデータマイニングツール

データの前後処理、分類、モデリング、回帰分析、クラスタリング、可視化が行える

3次元科学データをプロットするためのアプリケーションとライブラリ

用途や目的によりいろいろな選択肢がありますが、

静的なグラフ描画であれば seaborn が第１候補の選択肢となるでしょう。

インタラクティブなグラフ描画であれば、holoviews + bokeh がお勧めです。

pandas-bokeh もデータフレームから簡単にインタラクティブなグラフを描画できて便利です。

グラフ種類と目的

統計計算やデータ分析をするときには、必ず何らかの目的があります。得られた結果を、その目的に合わせてうまく使うことがとても重要です。グラフは、結果を視覚的に表してくれるもので、データ分析や、得た知見を相手に伝えるときなどに便利です。

グラフにはいくつかの種類があり、それぞれ、向き不向きがあります。

ここでは、グラフの種類やそれぞれの用途ついてまとめておきます。