Python

PythonのライブラリPandasで散布図を作る方法【初心者向け】

初心者向けにPythonのライブラリPandasで散布図を作る方法について解説しています。Pandasはデータ集計を行うライブラリです。今回はこれを使用して散布図を作成していきます。基本の書き方と実行結果の例を見ていきましょう。

テックアカデミーマガジンは受講者数No.1のプログラミングスクール「テックアカデミー」が運営。初心者向けにプロが解説した記事を公開中。現役エンジニアの方はこちらをご覧ください。 ※ アンケートモニター提供元：GMOリサーチ株式会社　調査期間：2021年8月12日～8月16日　調査対象：2020年8月以降にプログラミングスクールを受講した18～80歳の男女1,000名　調査手法：インターネット調査

PythonのライブラリPandasで散布図を作る方法について解説します。

そもそもPythonについてよく分からないという方は、Pythonとは何なのか解説した記事を読むとさらに理解が深まります。

なお本記事は、TechAcademyのオンラインブートキャンプPython講座の内容をもとに紹介しています。

今回は、Pythonに関する内容だね！

どういう内容でしょうか？

ライブラリPandasで散布図を作る方法について詳しく説明していくね！

お願いします！

散布図を作る方法（df.plotの使い方など）

散布図は2つの要素の関係を見るためにプロットしたグラフです。

1つ目の要素を横軸、2つ目の要素を縦軸にプロットします。

Pythonで散布図を作るには、Pandasモジュールのplot.scatterメソッドを使います。

詳細は公式の文書を参照してください。plotの引数でグラフのレイアウトや色使いを変えられます。

実際に書いてみよう

サンプルコード

import numpy
import pandas
df = pandas.DataFrame(numpy.random.rand(50, 2), columns=['a', 'b'])
df.plot.scatter(x='a', y='b')

実行結果

下図のようなグラフが表示されました。

解説

1,2行目でnumpy, pandasモジュールをインポートしました。

3行目で散布図作成に用いるランダムな数値を生成しました。

4行目で散布図を描画しました。3行目で生成した2種類のデータの一つをX軸、もう一つをY軸としました。

[PR] 未経験からWebエンジニアを目指す方法とは

監修してくれたメンター

橋本紘希

システムインテグレータ企業勤務のシステムエンジニア。
開発実績: Javaプログラムを用いた業務用Webアプリケーションや、基幹システム用バッチアプリケーションなどの設計構築試験。

内容分かりやすくて良かったです！

ゆかりちゃんも分からないことがあったら質問してね！

分かりました。ありがとうございます！

TechAcademyでは、初心者でもPythonを使った人工知能（AI）や機械学習の基礎を習得できるオンラインブートキャンプPython講座を開催しています。

挫折しない学習方法を知れる説明動画や、現役エンジニアとのビデオ通話とチャットサポート、学習用カリキュラムを体験できる無料体験も実施しているので、ぜひ参加してみてください。

Pythonのlambda(ラムダ式)の書き方を現役エンジニアが解説【初心者向け】

Pythonのlambda(ラムダ式)の書き方について解説します。そもそもPythonについてよく分からないという方は、Pythonとは何なのか解説した...

Python

PythonのIDE（統合開発環境）でオススメなものは？現役エンジニアが解説【初心者向け】

PythonのIDE（統合開発環境）でおすすめなものについて解説します。目次 IDEとは PythonでのIDEにはどんなものがある？ ...

Python

Pythonで自作の例外を発生させるraiseの使い方を現役エンジニアが解説【初心者向け】

Pythonで自作の例外を発生させるraiseの使い方について解説します。そもそもPythonについてよく分からないという方は、Pythonとは何なのか...

Python

独学に利用できるオススメのPython学習用ブログサイトを現役エンジニアが解説【初心者向け】

独学に利用できるオススメのPython学習用ブログサイトについて、TechAcademyのメンター（現役エンジニア）が推薦できるものを選びました。ぜひ参考にして...

Python

Pythonのリストに関するエラーの解決法を現役エンジニアが解説【初心者向け】

Pythonのリストに関するエラーの解決法について解説します。そもそもPythonについてよく分からないという方は、Pythonとは何なのか解説した記事...

Python

Pythonのプログラムをデーモン（常駐ソフト）化する方法を現役エンジニアが解説【初心者向け】

Pythonのプログラムをデーモン（常駐ソフト）化する方法について解説します。そもそもPythonについてよく分からないという方は、Pythonとは何な...

Python

あわせてよく読まれている記事

Pythonで複数の散布図を重ねる方法を現役エンジニアが解説【初心者向け】

Pythonで複数の散布図を重ねる方法について、TechAcademyのメンター（現役エンジニア）が実際のコードを使用して、初心者向けに解説します。 Pythonについてそもそもよく分からないという方は、Pythonとは何なのか解説した記事を読むとさらに理解が深まります。なお本記事は、TechAcademyのオンラインブートキャンプ、Python講座の内容をもとに紹介しています。田島悠介今回は、Pythonに関する内容だね！大石ゆかりどういう内容でしょうか？田島悠介 Pythonで複数の散布図を重ねる方法について詳しく説明していくね！大石ゆかりお願いします！目次散布図とは散布図を描画する方法複数の散布図を重ねる方法実際に実装してみようまとめ散布図とは散布図とは、「縦軸と横軸に2つの項目の数値を対応させ、データ点をプロットした図」のことです。と言ってもこの説明ではイマイチしっくりこない方が多いかと思います。百聞は一見に如かずなので、ここは実際の例をお見せします。上のようなxとyの対応関係を表した図が散布図です。皆さんにも普段から馴染みがあるのではないかと思います。上の図は適当に作ったものなので、特に何かの関係を表しているわけではないのですが、これで散布図のイメージを掴んでいただけたのではないでしょうか。 [PR] 未経験からWebエンジニアを目指す方法とは散布図を描画する方法それでは次に散布図を描画する方法についてご説明します。散布図を描画するには、matplotlib.pyplotのscatter()を用います。scatter()の引数には横軸のデータと縦軸のデータをそれぞれ与えます。また、必須ではないのですがマーカーのサイズや色、線の太さなどの指定も引数で可能です。複数の散布図を重ねる方法次は複数の散布図を重ねる方法についてです。複数の散布図を重ねるには、横軸の変数を統一してscatter()を使う必要があります。また、このときにcolorという引数に色を指定しておくと散布図が見やすくなります。例えば以下のようなイメージです。 plt.scatter(x, y1, label='y1', color='tomato') plt.scatter(x, y2, label='y2', color='orange') ちなみにですが、色の指定はredやblueなどの基本的な色だけでなく、aquaやoliveなどの指定もできます。オシャレな色の図が簡単にできるのでオススメです。実際に実装してみようまずは先ほどの散布図を書いてみます。コードの概要は以下の通りです。必要なライブラリのインポートデータの準備散布図を描く（同時にタイトルやラベルなども記載）散布図を表示 import numpy as np import matplotlib.pyplot as plt x = np.arange(30) y = [] for i in range(30): y.append(np.random.randn()) plt.scatter(x,y) plt.title("SCATTER PLOT") plt.xlabel("x") plt.ylabel("y") plt.show() 次に、散布図を重ねて描画します。ここでは横軸に国語の点数を、縦軸に数学と理科の点数を取って相関を確認してみましょう。先ほどとの主な違いはscatter()を2回用いる点です。 import numpy as np import matplotlib.pyplot as plt japanese = [90,55,72,68,87,73,42,100,55,32] math = [82,67,80,62,90,81,30,98,40,29] science = [95,74,85,70,100,92,50,100,62,53] plt.scatter(japanese, math, label='math', color='aqua') plt.scatter(japanese, science, label='science', color='olive') plt.xlabel('japanese') plt.ylabel("math & science") plt.legend() plt.show() 上のような散布図ができたかと思います。グラフが右肩上がりなので、国語と他の科目には相関がありそうですね。まとめこの記事ではPythonで複数の散布図を重ねる方法について解説しました。matplotlibを使いこなせると高度な数学的なグラフも一瞬で描けるようになります。是非使いこなせるようになりましょう。監修してくれたメンター柴山真沙希（しばやままさき）大手IT企業などでエンジニアとして2年ほど勤務した後、個人事業主としてプログラミングスクール「エンペサール」を経営。子供から大人まで幅広い層を対象にプログラミングを教えている。得意言語はPython, HTML, CSSで、機械学習やデータ分析、スクレイピングなどが得意。サッカー観戦や読書が趣味である。大石ゆかり内容分かりやすくて良かったです！田島悠介ゆかりちゃんも分からないことがあったら質問してね！大石ゆかり分かりました。ありがとうございます！ TechAcademyでは、初心者でも、Pythonを使った人工知能（AI）や機械学習の基礎を習得できる、オンラインブートキャンプを開催しています。また、現役エンジニアから学べる無料体験も実施しているので、ぜひ参加してみてください。

Python

Pythonで3D散布図を作成する方法を現役エンジニアが解説【初心者向け】

Pythonで3D散布図を作成する方法について、テックアカデミーのメンター（現役エンジニア）が実際のコードを使用して初心者向けに解説します。 Pythonで3D散布図を作成することで、データを立体的に確認できます。実務でも、プレゼン用にPythonで3D散布図を作成するので、ぜひ学習してみてください。目次散布図を作る方法（df.plotの使い方など）実際に書いてみよう監修してくれたメンターそもそもPythonについてよく分からないという方は、Pythonとは何なのか解説した記事を読むとさらに理解が深まります。田島悠介今回は、Pythonに関する内容だね！大石ゆかりどういう内容でしょうか？田島悠介 Pythonで3D散布図を作成する方法について詳しく説明していくね！大石ゆかりお願いします！今回は、Pythonで3D散布図を作成する方法について紹介していきます。 3D散布図とは 3D散布図は、2つの要素（縦軸と横軸）に対する3Dデータの分布を表現するときに使用する図です。例えば、横軸を摂取カロリー、縦軸を満腹度などとしてデータを散布させており、視覚的にもわかりやすい図面です。 3D散布図を作成するために利用するライブラリ Pythonで3D散布図を作成するためにmatplotlibライブラリを使用しましょう。また、3D散布図の適当なデータを生成するためにNumPyライブラリを使用します。どちらもpipでインストールが可能であるため、まだインストールしていない方は下記pipコマンドでインストールを行ってください。 [matplotlib] matplotlibとは、Pythonでデータをグラフにプロットするためのライブラリです。主にNumPyやSciPyと組み合わせて、計算結果をグラフ出力する際などに使われることが多いライブラリです。 matplotlibは、下記pipコマンドでのインストールが可能です。 pip install matplotlib [NumPy] NumPyとは、Pythonで配列(リスト)計算を高速にするためのPythonのライブラリです。複雑な計算式を少ないコードで実行でき、処理速度も速いことからデータ分析などの分野において主流になっているライブラリです。今回は、3D散布図でプロットするデータを生成するために使用しましょう。 NumPyは、下記pipコマンドでのインストールが可能です。 pip install numpy [PR] 未経験からWebエンジニアを目指す方法とは実際に書いてみようサンプルコードを用いて、Pythonで3D散布図を作成するコードを書いてみましょう。サンプルコード import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D # 3D散布図でプロットするデータを生成する為にnumpyを使用 X = np.array([i for i in range(1,100)]) # 自然数の配列 Y = np.sin(X) # 特に意味のない正弦 Z = np.sin(Y) # 特に意味のない正弦 # グラフの枠を作成 fig = plt.figure() ax = Axes3D(fig) # X,Y,Z軸にラベルを設定 ax.set_xlabel("X") ax.set_ylabel("Y") ax.set_zlabel("Z") # .plotで描画 ax.plot(X,Y,Z,marker="o",linestyle='None') # 最後に.show()を書いてグラフ表示 plt.show() 実行結果解説コード6-8行目ではNumPyを使用して3D散布図でプロットするためのx軸/y軸/z軸それぞれのデータを100個生成しています。コード11-12行目ではグラフの枠を設定しており、コード15-17行目ではグラフに表示するx軸/y軸/z軸それぞれのラベルを設定しています。コード20行目では用意したデータを作成したグラフに描画しており、コード23行目では作成したグラフを画面上に表示している状態です。サンプルコードを実行すると、実行結果のような3D散布図が表示されることが確認できます。表示された3D散布図は、マウスでドラッグすることで表示角度を自由に変更することが可能です。また、グラフウィンドウ左下にあるボタンの中の保存ボタンから、作成した3D散布図を画像で保存できます。まとめ今回は、Pythonで3D散布図を作成する方法について紹介しました。紹介したサンプルコードを流用して、3つの要素から生成される様々な3D散布図を作成できます。これからPythonを使ってデータ分析などを学習したい方はぜひ参考にしてください。また、今回は紹介したライブラリmatplotlibには3D散布図以外にも様々なグラフ描画機能が用意されてるので、興味のある方はぜひ学習してみましょう。グラフ描画ライブラリ！matplotlibの使い方も参考にしてみてください。大石ゆかり Pythonで3D散布図を作成する方法がよくわかったので良かったです！田島悠介ゆかりちゃん、これからも分からないことがあったら質問してね！大石ゆかり分かりました。ありがとうございます！ Pythonを学習中の方へこれで解説は終了です、お疲れさまでした。つまずかず「効率的に」学びたい副業や転職後の「現場で使える」知識やスキルを身につけたいプログラミングを学習していて、このように思ったことはありませんか？テックアカデミーのPythonコースでは、第一線で活躍する「プロのエンジニア」が教えているので、効率的に実践的なスキルを完全オンラインでしっかり習得できます。合格率10%の選考を通過した、選ばれたエンジニアの手厚いサポートを受けながら、人工知能（AI）や機械学習の基礎を学べます。まずは一度、無料体験で学習の悩みや今後のキャリアについて話してみて、「現役エンジニアから教わること」を実感してみてください。時間がない方、深く知ってから体験してみたい方は、今スグ見られる説明動画から先に視聴することをおすすめします！

Python

データ分析のライブラリ！Pandasとは【初心者向け】｜現役エンジニアが解説

今回は、Pythonのデータ解析用ライブラリであるPandasについて解説します。 Pandasを使うと、データの統計量を表示したり、グラフ化するなど、データ分析（データサイエンス）や機械学習で必要となる作業を簡単に行うことができるようになります。 Pythonでデータ分析を行うには、必須のライブラリなので、ぜひこの記事を参考に、Pandasの使い方を覚えましょう。なお本記事は、TechAcademyのAIオンライン講座の内容をもとに作成しています。目次 Pandasとは Pandasの特徴 Pandasでできること Pandasを使うメリット Pandasを利用するにはダウンロード手順初期設定 Pandasの使い方 Pandasをより便利に使う方法 Pandasの勉強方法大石ゆかり田島メンター！Pandasというのは何でしょうか？田島悠介 Pythonのデータ解析用のライブラリだよ。Pythonでデータ分析や機械学習を行うには、必須のライブラリなんだ。大石ゆかりどのような機能があるのですか？田島悠介例を見ながら説明していくね！ Pandasとは Pandasは、Pythonでデータ分析を効率的に行うためのライブラリです。Pandasはオープンソース(BSDライセンス)で公開されており、個人／商用問わず、誰でも無料で利用することができます。 Pandasを使うと、データの読み込みや統計量の表示グラフ化データ分析に関する作業を容易に行うことができるようになります。また主要なコードはPythonまたはC言語で書かれており、Pythonだけでデータ分析を行うのと比較して、非常に高速に処理を行うことができます。データ分析（データサイエンス）は、機械学習を行うまでの前処理（データの読み込み、クリーニング、欠損値の補完、正規化など）が、全ての作業の8〜9割を占めると言われています。Pandasを使うとそのような処理が効率的に行えるようになるため、Pythonで機械学習を行うには、Pandasは必須のライブラリとなっています。 [PR] 未経験からWebエンジニアを目指す方法とはPandasの特徴 Pythonによるデータ分析で多く使われているライブラリといえば、PandasやMatplotlib、NumPyなどがあげられます。これらのライブラリはそれぞれ以下のような特徴があります。 Pandas Pandasはデータの読込や並べ替え、欠損値（欠けている項目値）の補完などを行うことができるライブラリです。データ分析の前処理段階でとても多く利用されています。データの読込はCSVやテキストだけでなく、エクセルやインターネット上で提供されている株価情報など、多様な形式のデータを読み込むことが出来ます。また、Pandasの特徴はDataFrameという多機能な「表」にあります。DataFrameにはデータの平均値や行数などの概要的な特徴を把握する機能や、並べ替えや列名の変更などのデータを整形する機能があります。またキーを指定しての集計やMatplotlibと連携してのグラフによる可視化など、データ分析のデータ前処理の段階で便利な多くの機能が提供されています。データ分析の過程では、Pandasである程度データをきれいに整えてから、NumPyで数値計算を行うようといったように、使い分けて利用することが多いでしょう。 Matplotlib MatplotlibはPythonで代表的なグラフを描画するライブラリです。2Dだけでなく3Dも含めた多くの種類のグラフを描画することができます。 Matplotlibは慣れると使いやすいのですが、はじめは使い方がやや難しく感じると思います。そのような場合、PandasやSeabornなどのライブラリと組み合わせることで、見た目の良いグラフを簡単に描画することができます。 Matplotlibはデータ分析の様々な段階で、NumPyやPandasと組み合わせてデータの概要を把握したり、特徴を可視化するような目的で使用します。 NumPy NumPyは数値計算や行列演算を行うライブラリです。複数の数値を配列としてまとめて扱ったり、行列演算を行ったりするのが得意です。特にコンピューターで小数点以下を扱う際の標準的な形式である浮動小数点型の行列演算を高速に行うことが出来ます。また三角関数や平方根などの数値計算の機能も豊富です。 NumPyはある程度データの前処理が終わり、きれいに整ったデータに対して数値計算を行うのに向いているライブラリと言えます。 Pandasでできること Pandasには多くの機能があります。主に利用する機能を確認してみましょう。なお以下でDataFrameと記載しているのはDataFrameオブジェクトを指しています。データの読込 CSV形式のデータの読込：read_csv() Excelファイルの読込：read_excel() JSON文字列の読込：read_json() pickle形式(Pythonオブジェクトを保存する形式)によるデータの読込/書込：read_pickle()、to_pickle() インターネット上で提供されている株価情報の読込：pandas-datareader データの特徴を把握データの特徴を表示：DataFrame.info() 要約統計量を表示：DataFrame.describe() データの一部を表示：DataFrame.head()、DataFrame.tail() データの形状を表示：DataFrame.shape 行数を取得：DataFrame.index.values 列名を取得：DataFrame.columns.values それぞれの列の型を取得：DataFrame.dtypes データの切り出し（スライス）データのスライス：DataFrame[]、DataFrame.iloc[]、DataFrame.loc[] フィルタリング：DataFrame.query() データの並べ替え値による並べ替え：DataFrame.sort_values() インデックスによる並べ替え：DataFrame.sort_index() 列名の変更：DataFrame.rename() 集計列の集計：DataFrame.value_counts() 表の集計：DataFrame.groupby() ※groupby().sum()で合計、groupby().mean()で平均値得ることができる可視化 Matplotlibのimportが必要ヒストグラム：DataFrame.hist() 散布図、線グラフ：DataFrame.plot() 棒グラフ：DataFrame.bar() 箱ひげ図：DataFrame.boxplot() 欠損値の扱い欠損値の確認：DataFrame.isnull().sum() 欠損値に値を埋める：DataFrame.fillna() 欠損値のある行を削除する：DataFrame.dropna() その他カテゴリー変数の展開：get_dummies() 列同士の相関を確認：DataFrame.corr() Pandasを使うメリットデータ分析であればExcelなどの表計算ソフトを使えば十分という方も多いでしょう。Pandasを使うと、大量データに対して何度でも同じ処理をプログラムを実行するだけで行うことができるというメリットがあります。大量データの処理が可能 Pandasではパソコンのメモリ容量が許す限り、大量のデータをDataFrameに読み込んで処理を行うことが出来ます。動作速度も表計算ソフトほど遅くはなりません。同じ処理を何度も再実行できる 1つ1つの作業を人間が操作して行うのではなく「プログラム」として記述することで、何度でも全く同じ処理を繰り返し実行することが可能となります。データ分析では再現性が重要であり、手順書をもとにした人間の操作よりも、プログラムで処理自体を記述したほうが、確実に同じ処理を再実行することができます。また、大量データに対する処理は数時間～数日も時間を要することがあります。このような場合でも、人間はプログラムを実行して結果を待つだけです。表計算ソフトのように、付きっきりで操作し続ける必要はありません。さらにパソコンを複数台数用意して、条件を少し変えたプログラムを同時並行で実行して結果を比較する、といったことも容易に実現可能です。他のライブラリと連携し多彩な機能を実現できる他のライブラリと連携することで、プログラムを実行してグラフを描画したり、加工した結果を表計算ソフトのファイルとして出力するなど、Pandasだけでは行えない多くのことを実現することができます。 Pandasを利用するには Pandasを利用するには、Anacondaなどの「ディストリビューション」と呼ばれる開発環境をまとめたパッケージを使うのが簡単です。Anacondaは、データ分析やグラフ描画など、Pythonでよく利用されるライブラリを含んだ開発環境です。ここではAnacondaを例にダウンロード手順と初期設定について確認しましょう。ダウンロード手順 Anacondaの公式サイトからProducts > Individual Edition > Downloadを表示します。 Anaconda – Individual Edition – Download Windows、Mac共に「Python 3.7 – 64-Bit Graphical Installer」をクリックしてダウンロードします。なお、Python2.7は古いバージョンであり、サポート期間が2020年4月とすでに終了しています。どうしても必要な場合を除き、利用することは無いでしょう。ダウンロードしたファイルを実行することでインストールを行うことが出来ます。選択肢などは既定値のままで良いでしょう。初期設定インストールが終わったら、Anaconda Navigatorを起動します。はじめに初期設定として必要なライブラリをインストールしましょう。ライブラリのインストールはEnvironmentsから行います。Environmentsを開き、「Not installed」を選択して検索ボックスに「pandas」と入力します。一覧にPandasが表示されますので、チェックボックスで選択し、画面右下のApplyボタンを押すことでインストールすることができます。また、今回は説明用にscikit-learnのサンプルデータセット（トイデータセット）を使用します。同様にscikit-learnとnumpy、matplotlibもインストールしておきましょう。インストールが終わったらHomeに戻ります。プログラムはJupyter Notebookで作成します。画面の「jupyter notebook」と書かれた部分の「Launch」ボタンをクリックします。初回は「Install」ボタンになっており、クリックするとJupyter Notebookがインストールされます。以降は、Jupyter Notebookをもとに、Pandasの使い方を説明します。 Pandasの使い方 Pandasを使う際は、初めにPandasライブラリをインポートします。併せてサンプルデータセットも利用できるようにしておきましょう。 # Pandas、及び必要なライブラリのインポート import pandas as pd from pandas import DataFrame import numpy as np # サンプルデータセットを取得する from sklearn import datasets boston = datasets.load_boston() 実行結果は特にありません。エラーがでなければ、正しくインポートされています。次に、サンプルデータセットをPandasのDataFrame型に変換しておきます。なお、今回はサンプルデータセットを使いましたが、CSVデータを読み込むread_csvという命令も用意されています。 # PandasのDataFrame型に変換 df = DataFrame(boston.data, columns = boston.feature_names) # 目的変数をDataFrameへ追加 df['MEDV'] = np.array(boston.target) 準備が整いました。それではPandasの命令を幾つか見ていきましょう。データの概要を確認する先頭5行を表形式で表示する df.head() 実行結果は以下のようになります。行列数を表示する df.shape 実行結果は以下のようになります。 (506, 14) 細かい情報を表示する dataset.info() 実行結果は以下のようになります。 <class 'pandas.core.frame.DataFrame'> RangeIndex: 21613 entries, 0 to 21612 Data

機械学習

PythonのNumPyを利用して散布図を描画する方法を現役エンジニアが解説【初心者向け】

PythonのNumPyを利用して散布図を描画する方法について、TechAcademyのメンター（現役エンジニア）が実際のコードを使用して、初心者向けに解説します。 Pythonについてそもそもよく分からないという方は、Pythonとは何なのか解説した記事を読むとさらに理解が深まります。なお本記事は、TechAcademyのオンラインブートキャンプ、Python講座の内容をもとに紹介しています。田島悠介今回は、Pythonに関する内容だね！大石ゆかりどういう内容でしょうか？田島悠介 PythonのNumPyを利用して散布図を描画する方法について詳しく説明していくね！大石ゆかりお願いします！目次 NumPyとは散布図を描画する方法実際に書いてみようまとめ NumPyとは Numpyとは、Pythonで数学的な計算を簡単に行うためのライブラリです。例えば平均や分散、標準偏差といった統計量の計算や、sinやcosなどの三角関数の計算が簡単にできます。Numpyでは通常のPythonのリストとは異なり、ndarrayという独自のデータ型の配列が用いられるのが特徴です。このndarrayはブロードキャストという便利な特性がある点が普通のリストと大きく異なります。この特性があるために機械学習やディープラーニングでもNumpyが好んで使われています。 Numpyは以下のようにnpという名前をつけてインポートされるのが一般的です。 import numpy as np [PR] 未経験からWebエンジニアを目指す方法とは散布図を描画する方法散布図を描くには、Matplotlibというライブラリのpyplotモジュールを用います。こちらを用いれば、通常の多項式や指数関数などのグラフはもちろんのこと、散布図やヒストグラムなども容易に描くことができます。また、凡例や軸ラベルを付けたり線の色を変えたりすることも可能です。 pyplotモジュールは以下のようにpltという名前をつけてインポートされるのが一般的です。 import matplotlib.pyplot as plt 実際に書いてみようそれではNumpyとMatplotlibを使って実際に散布図を書いてみましょう。概要は以下の通りです。散布図の作成と表示はそれぞれ別なので注意してください。必要なライブラリをインポート標準正規分布に従った乱数を100個ずつ生成してそれぞれxとyに格納 x軸とy軸にラベル付け散布図を作成散布図を表示 import numpy as np import matplotlib.pyplot as plt #標準正規分布に従った乱数を100個生成 x = np.random.randn(100) y = np.random.randn(100) #x軸とy軸にラベル付け plt.xlabel("x") plt.ylabel("y") #散布図を作成 plt.scatter(x, y) #散布図を表示 plt.show() このように綺麗な散布図を描くことができました。まとめこの記事ではPythonのNumPyを利用して散布図を描画する方法について解説しました。 Numpyは数学的な処理をプログラミングで行うための基本となるライブラリです。必ず使いこなせるようになりましょう。監修してくれたメンター柴山真沙希（しばやままさき）大手IT企業などでエンジニアとして2年ほど勤務した後、個人事業主としてプログラミングスクール「エンペサール」を経営。子供から大人まで幅広い層を対象にプログラミングを教えている。得意言語はPython, HTML, CSSで、機械学習やデータ分析、スクレイピングなどが得意。サッカー観戦や読書が趣味である。大石ゆかり内容分かりやすくて良かったです！田島悠介ゆかりちゃんも分からないことがあったら質問してね！大石ゆかり分かりました。ありがとうございます！ TechAcademyでは、初心者でも、Pythonを使った人工知能（AI）や機械学習の基礎を習得できる、オンラインブートキャンプを開催しています。また、現役エンジニアから学べる無料体験も実施しているので、ぜひ参加してみてください。

Python

Pythonにおけるscatter()の利用方法を現役エンジニアが解説【初心者向け】

Pythonにおけるscatter()の利用方法について、TechAcademyのメンター（現役エンジニア）が実際のコードを使用して、初心者向けに解説します。 Pythonについてそもそもよく分からないという方は、Pythonとは何なのか解説した記事を読むとさらに理解が深まります。なお本記事は、TechAcademyのオンラインブートキャンプ、Python講座の内容をもとに紹介しています。田島悠介今回は、Pythonに関する内容だね！大石ゆかりどういう内容でしょうか？田島悠介 Pythonにおけるscatter()の利用方法について詳しく説明していくね！大石ゆかりお願いします！この記事では、Pythonのmatplotlibライブラリに付属するscatter()関数について解説します。 scatter()とは？ scatterというのはPythonにおいて、グラフなどを描画する際に非常に便利なmatplotlibと呼ばれるライブラリに付属している散布図というグラフを描画するための関数です。散布図というのは、次のようなものです。横軸と縦軸に別のデータを指定して、それぞれの位置に点を打ったものが散布図です。このようにデータを可視化することはデータ分析の基本です。 scatter()の使い方 scatter()関数の使い方は次のようになります。scatter()には複数の引数がありますが、最低限押さえておくべきは、縦軸のデータzと横軸のデータyの主に2つで、次のように記述します。 scatter(横軸のデータx, 縦軸のデータy) 他の引数には、点のサイズを指定するsや、点の色を指定するc、形を指定するmarkerなどいろんなオプションがありますが、基本的には上で挙げたxとyで十分です。 [PR] 未経験からWebエンジニアを目指す方法とはscatter()を利用して散布図を描画してみようでは、実際にscatter()関数を使って散布図を描画してみましょう。今回は、データ分析で非常に便利なjupyterノートブックと呼ばれるツールを使ってコードを実行していきます。インストールしていない方は、次の記事を読んでインストールしてから実行してください。関連記事：データ分析で欠かせない！Jupyter Notebookの使い方【初心者向け】散布図のデータとして使用するのは、機械学習のチュートリアルなどでよく使われる「アイリスデータセット」です。アイリスというのはアヤメという花の英語名で、データにはがく(sepal)の長さと幅、花びら(petal)の長さと幅が順番に入っています。この4つの特徴のうち、がくの長さと幅を散布図にします。アイリスデータセットはscikit-learnというライブラリから読み込むので、scikit-learnをまだインストールしていない場合は、 pip install scikit-learn を実行してから行ないましょう。散布図を描くプログラムは以下のようになります。 from sklearn.datasets import load_iris　　#アイリスデータを読み込むための関数をインポート import matplotlib.pyplot as plt　　#matplotlibのインポート iris_dataset = load_iris().data　　#アイリスデータを読み込み x = iris_dataset[:,0]　　#sepal length y = iris_dataset[:,1]　　#sepal width plt.scatter(x,y)　　#データのプロット plt.xlabel(‘sepal length’)　　#横軸ラベルの設定 plt.ylabel(‘sepal width’)　　#縦軸ラベルの設定 plt.title(‘iris_data’)　　#タイトルの設定 plt,show()　　#グラフの表示このプログラムを順番に実行していくと、次のような画像が得られると思います。 scatter()に渡すデータを変更することで、好きな散布図を描くことができます。以上、この記事ではPythonで散布図を描くためのsatter() 関数について解説しました。matplotlibでは他にも様々なグラフを描くことができるので調べてみると良いでしょう。監修してくれたメンターメンターOS AIプログラミングを使って開発を行う。プログラミング歴は約3年でPythonは割と得意。好きな物理理論は一般相対性理論で動物も好き。大石ゆかり内容分かりやすくて良かったです！田島悠介ゆかりちゃんも分からないことがあったら質問してね！大石ゆかり分かりました。ありがとうございます！ TechAcademyでは、初心者でも、Pythonを使った人工知能（AI）や機械学習の基礎を習得できる、オンラインブートキャンプを開催しています。また、現役エンジニアから学べる無料体験も実施しているので、ぜひ参加してみてください。

Python

Pythonのpandasライブラリの使い方について現役エンジニアが解説【初心者向け】

Pythonのpandasライブラリの使い方について、TechAcademyのメンター（現役エンジニア）が実際のコードを使用して初心者向けに解説します。そもそもPythonについてよく分からないという方は、Pythonとは何なのか解説した記事を読むとさらに理解が深まります。なお本記事は、TechAcademyのオンラインブートキャンプPython講座の内容をもとに紹介しています。田島悠介今回は、Pythonに関する内容だね！大石ゆかりどういう内容でしょうか？田島悠介 Pythonのpandasライブラリの使い方について詳しく説明していくね！大石ゆかりお願いします！目次 pandasとは pandasの使い方 pandasを利用してCSVデータを取得してみようまとめ pandasとは pandasとはPythonライブラリの一つでデータを効率的に処理する為に開発されたライブラリです。 PandasではCSV等の様々なデータフォーマットの読み込み・削除・追加・書き出し等の処理ができます。また、pandasのデータフレーム機能を利用する事で、python上で一次元や二次元のデータ処理を簡単に実行できます。 Python上でExcelのようなデータ操作ができるイメージです。Pythonを使ったデータサイエンス等の分野においても欠かすことのできないライブラリの1つとなってます。 [PR] 未経験からWebエンジニアを目指す方法とはpandasの使い方 pandasを使ってCSVデータを読み込む場合は下記のようなコードを使用します。 # pandasライブラリのimport import pandas as pd # CSVデータをpandasを使用して読み込む data = pd.read_csv('csvパス',index_col='インデックスとして使用する列番号') pandasを利用してCSVデータを取得してみようそれではサンプルコードを参考にpandasを利用してCSVデータを取得してましょう。サンプルコードで使用するCSVはこちらからダウンロードしてください。 [sample.csv] ID 商品名価格 1 りんご 150 2 みかん 100 3 ぶどう 300 4 ばなな 200 5 もも 500 サンプルコード # pandasライブラリのimport import pandas as pd # csvデータをpandasを使用して読み込む data = pd.read_csv('sample.csv',index_col=0,encoding='shift_jis') # 取得したデータを出力してみよう print(data) 実行結果 ID 商品名価格 1 りんご 150 2 みかん 100 3 ぶどう 300 4 ばなな 200 5 もも 500 解説コード2行目では、pandasライブラリを読み込んでいます。コード5行目では、pandasを利用してsample.csvを変数dataにデータフレームとして読み込んでいます。今回はサンプルコードと同じディレクトリにsample.csvを配置しているのでCSVファイルのパスはファイル名のみになります。また、今回用意しているsample.csvはshift-jisで保存されているのでencordingを使って文字コードを揃えるようにしましょう。コード8行目では、読み込んだCSVデータをデータフレーム形式で出力しています。実行結果では読み込んだCSVデータがデータフレーム形式で出力されている事が確認できます。まとめ今回は、Pythonのpandasライブラリの使い方について紹介しました。 Pythonのpandasライブラリを使用する事で様々なデータ処理を簡単に行うことができます。今回紹介した内容以外にもpandasには様々な便利な機能が用意されているので、興味のある方はそちらも是非学習してみて下さい。監修してくれたメンター菅繕久（すがよしひこ）現在はフリーランスのエンジニアをしていてプログラミング歴は8年目になります。普段は Python、FileMaker等を使って様々な業務で活用できるIoTプロダクトRPAツールを作成しています。開発実績としては、業務自動化ツール(在庫管理・発注・ファイル操作 etc)、電子カルテシステム、ロボット用プログラムなどがあります。 TechAcademyではPythonコースを担当しております。大石ゆかり内容分かりやすくて良かったです！田島悠介ゆかりちゃんも分からないことがあったら質問してね！大石ゆかり分かりました。ありがとうございます！ TechAcademyでは、初心者でもPythonを使った人工知能（AI）や機械学習の基礎を習得できるオンラインブートキャンプPython講座を開催しています。挫折しない学習方法を知れる説明動画や、現役エンジニアとのビデオ通話とチャットサポート、学習用カリキュラムを体験できる無料体験も実施しているので、ぜひ参加してみてください。

Python

記事を検索

ニュース

インタビュー

テクノロジー

キャリア

お問い合わせ

PythonのライブラリPandasで散布図を作る方法【初心者向け】

散布図を作る方法（df.plotの使い方など）