Matplotlib は、Python と NumPy のためのプロットライブラリです。Tkinter、wxPython、Qt、GTK のような汎用 GUI ツールキットを使ったアプリケーションにプロットを埋め込むためのオブジェクト指向 API を提供しています。
いくつものパラメータで、ある特性の最適点を探索するとき、興味がある２つのパラメータとその特性の関係を視覚化したい場合があります。（他のパラメータ値を固定した上で）２つのパラメータを変動させて、メッシュ状に総当たりのデータを用意できれば、Matplotlib の countour で等高線図を作成することができます。
数式からループを回して大きなメッシュ状のデータを用意して見た目に美しい等高線図を作成したことはあっても、生のデータから直接作成したことがありませんでした。どちらもやっていることは本質的には同じなのですが、あらためて少ないデータから等高線図を作ってみると、線形モデルを前提としなくとも、データの挙動をざっくり捉えるには使えそうだと思ったので、備忘録にまとめました。
下記の OS 環境で動作確認をしています。
|
Fedora Linux 41 Workstation |
x86_64 |
| Python |
3.13.2 |
| jupyterlab |
4.3.5 |
| matplotlib |
3.10.0 |
| numpy |
2.2.2 |
| pandas |
2.2.3 |
以下の作業は JupyterLab 上でおこなっています。
最初に必要なライブラリをインポートします。
import matplotlib.ticker as ticker
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
等高線図用データの準備
サンプルの CSV データを読み込みます。ファイル sample_contour.csv は下記からダウンロードできます。
csvfile = 'sample_contour.csv'
df = pd.read_csv(csvfile)
df.head(10)
このデータは、X と Y それぞれのパラメータを一つずつ変化させて全ての組み合わせで Z を取得した総当たりのデータです。
X の値は下記のように 3 から 7 までの 5 つの整数です。
df['X'].unique()
array([3, 4, 5, 6, 7])
X のユニークな数 (5) を n_x に保存しておきます。
n_x = len(df['X'].unique())
Y の値は下記のように 0 から 5 までの 6 つの整数です。
df['Y'].unique()
array([0, 1, 2, 3, 4, 5])
Y のユニークな数 (6) を n_y に保存しておきます。
n_y = len(df['Y'].unique())
データフレームの列を Y, X の順番でソートします。
df.sort_values(['Y', 'X'], ignore_index=True, inplace=True)
df.head(10)
matplotlib の concour に渡す二次元配列 x, y, z を用意します。二次元配列は縦横のサイズが同じである必要があります。
データフレーム df から X, Y, Z 列を Series で取り出し、numpy の配列にした後、n_y 行 × n_x 列の二次元配列に整形します。
x = np.array(df['X']).reshape([n_y, n_x])
y = np.array(df['Y']).reshape([n_y, n_x])
z = np.array(df['Z']).reshape([n_y, n_x])
x
array([[3, 4, 5, 6, 7],
[3, 4, 5, 6, 7],
[3, 4, 5, 6, 7],
[3, 4, 5, 6, 7],
[3, 4, 5, 6, 7],
[3, 4, 5, 6, 7]])
y
array([[0, 0, 0, 0, 0],
[1, 1, 1, 1, 1],
[2, 2, 2, 2, 2],
[3, 3, 3, 3, 3],
[4, 4, 4, 4, 4],
[5, 5, 5, 5, 5]])
z
array([[ 900., 550., 450., 150., -250.],
[ 800., 250., 300., 200., -100.],
[ 150., -300., -150., -450., -450.],
[ 400., -50., 100., -200., -200.],
[ 450., 0., 150., -150., -150.],
[ 450., 0., 150., -150., -150.]])
等高線図のプロット
matplotlib の coucour で、二次元配列 x, y, z の等高線図をプロットします。
plt.rcParams['font.family'] = 'monospace'
fig = plt.figure(figsize=(6, 6))
ax = fig.add_subplot(111)
cont = ax.contour(
x, y, z,
linestyles='solid',
linewidths=1,
)
cont.clabel(fmt='%.f', fontsize=12)
ax.xaxis.set_major_locator(ticker.MultipleLocator(1))
ax.yaxis.set_major_locator(ticker.MultipleLocator(1))
ax.xaxis.set_tick_params(labelsize=12)
ax.yaxis.set_tick_params(labelsize=12)
ax.set_xlabel('X', fontsize=14)
ax.set_ylabel('Y', fontsize=14)
ax.grid()
plt.tight_layout()
plt.show()
凸凹な等高線図ですが、これでもパラメータの変化にどのように依存するかの傾向を捉えることができます。
実用的には数あるパラメータから、JupyterLab 上であれこれパラメータを変えてプロットを作成するのは手間なので、PySide6 で GUI を用意して、使い勝手を良くしています。GUI を用意するのに時間がかかりますが、そこそこ使えるようにしてしまえば、あとは改善を重ねてどんどん使いやすくできます。
参考サイト
- matplotlib.pyplot.contour — Matplotlib documentation
- matplotlib.contour — Matplotlib documentation
にほんブログ村
#オープンソース
