- 作者:斎藤勇哉
- 発売日: 2020/11/30
- メディア: Kindle版
目次
目的
- Pythonを用いて、縦断データ(beforeとafter)の可視化
主にやることは、
- プロット (dot plot)
- 箱ひげ図 (box plot)
- バイオリン図 (violin plot)
- 信頼区間 (CI bar)
- ヒストグラム (histogram)
最終的には、このような図を作成する。
準備
open-visualizationsのダウンロード
縦断データの可視化は、open-visualizationsを用いると簡単にできる。
GitHubのリモートリポジトリからopen-visualizationsをダウンロードする。
$ git clone https://github.com/jorvlan/open-visualizations.git
git cloneするとopen-visualizationsというフォルダができる。open-visualizationsの中身のうち、Pythonフォルダの中身を利用する。
$ ls -1 open-visualizations/ LICENSE Python R README.md install.R requirements.txt runtime.txt
チュートリアルは、全部で2つに別れています。
チュートリアル1は、plotlineを扱い、チュートリアル2では、matplotlibを扱います。
$ ls -1 open-visualizations/Python/ README.md requirements tutorial_1 tutorial_2
ライブラリのインストール
open-visualizationsに必要なライブラリをインストールする。
$ pip3 install numpy $ pip3 install pandas $ pip3 install matplotlib $ pip3 install scipy $ pip3 install seaborn $ pip3 install plotnine
もしも、plotnineが自身の環境にない場合(ex. Anaconda)、こちらからインストールできます。
チュートリアル1 (plotnineを用いる場合)
open-visualizations/Python/tutorial_1/repeated_measures_python.ipynbをjupyter-notebookで開く。
$ jupyter-notebook open-visualizations/Python/tutorial_1/repeated_measures_python.ipynb
ライブラリの読み込み
from plotnine import * import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns
保存用のフォルダを用意
/repmes_tutorial_1_python/figsに作成した図を保存する。
savefig = True if savefig: #Load libraries import os from os.path import isdir #Get current working directory, but you can specify your own directory of course. cwd = os.getcwd() if os.path.exists(cwd + "/repmes_tutorial_1_python/figs"): print("Directory already exists") #Assign the existing directory to a variable fig_dir = cwd + "/repmes_tutorial_1_python/figs" elif not os.path.exists(cwd + "/repmes_tutorial_1_python/figs"): print("Directory does not exist and will be created ......") os.makedirs(cwd + "/repmes_tutorial_1_python/figs") if isdir(cwd + "/repmes_tutorial_1_python/figs"): print('Directory was created succesfully') #Assign the created directory to a variable fig_dir = cwd + "/repmes_tutorial_1_python/figs" else: print("Something went wrong")
データの読み込み
このチュートリアルでは、機械学習でよく用いられるirisデータセットを使います。
irisデータセットには、Iris (アヤメ属) に属する setosa (セトサ)、versicolor (バージカラー)、versinica (バージニカ) の特徴量と品種が収められています。
# Directly from URL url = "https://gist.githubusercontent.com/curran/a08a1080b88344b0c8a7/raw/639388c2cbc2120a14dcf466e85730eb8be498bb/iris.csv" iris_df = pd.read_csv(url) iris_df
もしも既に、ご自身のPCにデータiris.csvをお持ちでしたら、以下のようにしてiris.csvを読み込みことができます。
# Locally path = "/Users/jordyvanlangen/Downloads/iris.csv" iris_df = pd.read_csv(path) iris_df
150個のirisデータがあり、特徴量が4つあります。speciesは品種名です。
Out:
データの選択
150個のirisのデータから0から49番目のirisデータをbefore(前半グループ)、50から99番目までのデータをafter(後半グループ)としてデータを変数に格納します。
特徴量は、がく片長sepal_lengthのみを選択します。
# Create two variables and create a variable n before = iris_df['sepal_length'].iloc[0:50] after = iris_df['sepal_length'].iloc[50:100]
前半グループのデータには、1のラベルを、後半グループのデータには、2のラベルを付けるため、ラベル情報をxに格納します。
# Create variable x indicating the conditions n = len(before) x = np.array([1, 2]) x = np.repeat(x, [n, n]) x = pd.DataFrame(x, columns = ['x'])
前半グループの特徴量をy1_50_dfに、後半グループの特徴量をy51_100_dfに格納します。
# Create variable y containing the values y_array = np.array([before, after]) y1_50_df = pd.DataFrame(y_array[0], columns = ['y']) y51_100_df = pd.DataFrame(y_array[1], columns = ['y'])
次に、y1_50_dfとy51_100_dfを1列になるように結合pd.concatしてyに格納します。
この時、前半後半のラベルxと特徴量yは対応しています。
frames = [y1_50_df, y51_100_df]
y = pd.concat((frames), ignore_index = True)
前半グループと後半グループのそれぞれのデータに1から50のidを振ります。データタイプdtypeは、カテゴリーcategoryにします。
# Define the grouping variable 'id' s1 = pd.Series(range(1,51), dtype="category") s2 = pd.Series(range(1,51), dtype="category") s1_s2 = pd.concat([s1, s2], ignore_index = True) id_df = pd.DataFrame(s1_s2, columns = ['id'])
前半後半のラベルx、特徴量y、グループIDidを一つにまとめます。
# Merge the dataframes together d = pd.concat([y,x,id_df], axis=1) pd.options.display.float_format = '{:.3f}'.format print("The manipulated dataframe with 3 columns ") print(d[['y', 'x', 'id']])
Out:
1. プロット
読み込んだデータをプロットして可視化します。
# 保存画像の大きさ設定 w = 6 h = 6 # ラベル名の設定 labels = ['Before', 'After'] # Plot figure fig1 = ( ggplot(d) + geom_point(aes(x='x', y = 'y'), color = 'magenta') + theme_classic() + scale_x_continuous(breaks=(1, 2), labels = labels, name = 'Conditions', limits = (0.5,2.5)) + ylab('Value') + ggtitle('Figure 1: repeated measures individual datapoints') ) # Save figure if savefig: fig1.save(fig_dir + "/figure1.png", width = w, height = h, verbose = False) # Show figure fig1
縦軸が特徴量sepal_length、横軸が前半グループと後半グループのカテゴリーです。
作成した図は、/repmes_tutorial_1_python/figs/figure1.pngに保存されます。
Out:
2. プロットと直線
先程のプロット図から、前半グループと後半グループでidが同じものを直線で結んでみます。
直線は、geom_lineで描くことができます。
# Plot figure fig2 = ( ggplot(d) + geom_point(aes(x='x', y = 'y'), color = 'magenta') + geom_line(aes(x='x', y = 'y', group='id'), color = 'lightgray') + theme_classic() + scale_x_continuous(breaks=(1, 2), labels = labels, name = 'Conditions', limits = (0.5,2.5)) + ylab('Value') + ggtitle('Figure 2: repeated measures datapoints connected') ) # Save figure if savefig: fig2.save(fig_dir + "/figure2.png", width = w, height = h, verbose = False) # Show figure fig2
Out:
3. グループごとのプロットの位置を微妙に変える
これまでの図は、グループごとにプロットが一直線に並んでいるが、これらのプロットをランダムに位置をずらして配置する。
まずはじめに、x軸上の座標を各プロットごとにランダムに設定する。乱数は、正規分布に従う乱数np.random.normalを用いている。
前半グループは、平均が1で分散が0.05の正規分布で、後半グループは、平均が2で分散が0.05の正規分布に基づく乱数です。
# Create two variables indicating jitter np.random.seed(321) xj = np.random.normal(1, 0.05, len(d['x'].iloc[0:50])) np.random.seed(321) xj_2 = np.random.normal(2, 0.05, len(d['x'].iloc[0:50]))
このx軸上のランダムな座標をjit_dfとして格納します。この変数jit_dfの列名はxjと設定されています。
# Create two dataframes of those variables an put them together xj_df = pd.DataFrame(xj, columns = ['xj']) xj_2_df = pd.DataFrame(xj_2, columns = ['xj']) frames_jit = [xj_df, xj_2_df] # Use the concat function to concatenate them jit_df = pd.concat((frames_jit), ignore_index = True)
前半後半のラベルx、特徴量y、グループIDid、x軸上のプロット座標xjを一つにまとめてdに格納します。
# Merge the jitter dataframes with the other existing dataframes d = pd.concat([y,x,id_df,jit_df], axis=1) pd.options.display.float_format = '{:.3f}'.format print("The manipulated dataframe with 4 columns including jitter ") print(d[['y', 'x', 'id','xj']])
Out:
データdを可視化します。これまで作図からの変更点は、geom_pointno
aesのxをx軸の変数を単なる2値の前半後半のラベルxから各プロットの座標xjに変えた点です。
# Plot figure fig3 = ( ggplot(d) + geom_point(aes(x='xj', y = 'y'), color = 'magenta', size = 2) + geom_line(aes(x='xj', y = 'y', group='id'), color = 'lightgray') + theme_classic() + scale_x_continuous(breaks=(1, 2), labels = labels, name = 'Conditions', limits = (0.5,2.5)) + ylab('Value') + ggtitle('Figure 3: repeated measures datapoints connected + jitter') ) # Save figure if savefig: fig3.save(fig_dir + "/figure3.png", width = w, height = h, verbose = False) # Show figure fig3
Out:
4. プロットの色を変更
前半グループBeforeのプロットの色を水色dodgerblueに、後半グループAfterのプロットをオレンジ色darkorangeに変えていきます。
色の変更は、geom_pointのcolorから変更できます。
# Plot figure fig4 = ( ggplot(d) + geom_point(d.iloc[:50,:],aes(x='xj', y = 'y'), color = 'dodgerblue', show_legend=False, alpha = .6, size = 3) + geom_point(d.iloc[50:100,:],aes(x='xj', y = 'y'), color = 'darkorange', show_legend=False, alpha = .6, size = 3) + geom_line(aes(x='xj', y = 'y', group = 'id'), color = 'lightgray') + theme_classic() + scale_x_continuous(breaks=(1, 2), labels = labels, name = 'Conditions', limits = (0.5,2.5)) + ylab('Value') + ggtitle('Figure 4: repeated measures grouped by color') ) # Save figure if savefig: fig4.save(fig_dir + "/figure4.png", width = w, height = h, verbose = False) # Show figure fig4
Out:
5. 箱ひげ図 (boxplots)
箱ひげ図 (boxplots)を追加します。
箱ひげ図は、geom_boxplotで描くことができます。
# Plot figure fig5 = ( ggplot() + geom_point(d.iloc[:50,:],aes(x='xj', y = 'y'), color = 'dodgerblue', show_legend=False, alpha = .6, size = 2) + geom_point(d.iloc[50:100,:],aes(x='xj', y = 'y'), color = 'darkorange', show_legend=False, alpha = .6, size = 2) + geom_line(d,aes(x='xj', y = 'y', group = 'id'), color = 'lightgray', alpha = .3) + geom_boxplot(d.iloc[:50,:],aes(x='factor(x)', y = 'y'), fill = 'dodgerblue', show_legend=False, position = position_nudge(x=-.15),width = .05, alpha = .6) + geom_boxplot(d.iloc[50:100,:], aes(x='factor(x)', y = 'y'), fill = 'darkorange', show_legend=False, position = position_nudge(x=0.15),width = .05, alpha = .6) + theme_classic() + scale_x_discrete(labels=labels, name='Conditions') + ylab('Value') + ggtitle('Figure 5: repeated measures grouped by color + boxplots') ) # Save figure if savefig: fig5.save(fig_dir + "/figure5.png", width = w, height = h, verbose = False) # Show figure fig5
Out:
6. バイオリン図 (violin plot)
バイオリン図を作成する。
バイオリン図は、geom_violinで作成することができる。
# Plot figure fig6 = ( ggplot() + geom_point(d.iloc[:50,:],aes(x='xj', y = 'y'), color = 'dodgerblue', show_legend=False, alpha = .6, size = 2) + geom_point(d.iloc[50:100,:],aes(x='xj', y = 'y'), color = 'darkorange', show_legend=False, alpha = .6, size = 2) + geom_line(d,aes(x='xj', y = 'y', group = 'id'), color = 'lightgray', alpha = .5) + geom_boxplot(d.iloc[:50,:],aes(x='factor(x)', y = 'y'), fill = 'dodgerblue', show_legend=False, position = position_nudge(x=-.15),width = .05, alpha = .6) + geom_boxplot(d.iloc[50:100,:], aes(x='factor(x)', y = 'y'), fill = 'darkorange', show_legend=False, position = position_nudge(x=0.15),width = .05, alpha = .6) + geom_violin(d.iloc[:50,:],aes(x='factor(x)', y = 'y'), color = 'white', fill = 'dodgerblue', show_legend=False, position = position_nudge(x=-.3), width = .2, alpha = .6) + geom_violin(d.iloc[50:100,:],aes(x='factor(x)', y = 'y'), color = 'white', fill = 'darkorange', show_legend=False, position = position_nudge(x=.3), width = .2, alpha = .6) + theme_classic() + scale_x_discrete(labels=labels, name='Conditions') + ylab('Value') + ggtitle('Figure 6: repeated measures grouped by color with box- and violinplots') ) # Save figure if savefig: fig6.save(fig_dir + "/figure6.png", width = w, height = h, verbose = False) # Show figure fig6
Out:
7. 信頼区間 (CI bar)
各グループの平均値と信頼区間 (CI)を追加する。
信頼区間を計算するためにscipy.statsをインポート。
# Load scipy.stats import scipy.stats as st
各グループにおける特徴量の平均score_mean、中央値score_median、分散score_std、標準誤差score_se、信頼区間score_ciを計算し、summary_dfに格納します。
# Calculate some basic statistics score_mean_1 = np.mean(d['y'].iloc[0:50]) score_mean_2 = np.mean(d['y'].iloc[50:100]) score_median_1 = np.median(d['y'].iloc[0:50]) score_median_2 = np.median(d['y'].iloc[50:100]) score_std_1 = np.std(d['y'].iloc[1:50]) score_std_2 = np.std(d['y'].iloc[50:100]) score_se_1 = score_std_1/np.sqrt(50) #adjust your n score_se_2 = score_std_2/np.sqrt(50) #adjust your n score_ci_1 = st.t.interval(0.95, len(d['y'].iloc[0:50])-1, loc=score_mean_1, scale=st.sem(d['y'].iloc[0:50])) score_ci_2 = st.t.interval(0.95, len(d['y'].iloc[50:100])-1, loc=score_mean_2, scale=st.sem(d['y'].iloc[50:100])) # Create dataframe with these variables summary_df = pd.DataFrame({'group': ["x", "z"], 'N': [50, 50], 'score_mean': [score_mean_1, score_mean_2], 'score_median': [score_median_1, score_median_2], 'score_std': [score_std_1, score_std_2], 'score_se': [score_se_1, score_se_2], 'score_ci': [score_ci_1[1]-score_ci_1[0], score_ci_2[1]-score_ci_2[0]] }) summary_df
Out:
summary_dfを可視化します。
平均値のプロットには、geom_pointを、信頼区間は、geom_errorbarを用いることで描出できます。
# Plot figure fig7 = ( ggplot() + geom_point(d.iloc[:50,:],aes(x='xj', y = 'y'), color = 'dodgerblue', show_legend=False, alpha = .6, size = 2) + geom_point(d.iloc[50:100,:],aes(x='xj', y = 'y'), color = 'darkorange', show_legend=False, alpha = .6, size = 2) + geom_line(d,aes(x='xj', y = 'y', group = 'id'), color = 'lightgray', alpha = .5) + geom_boxplot(d.iloc[:50,:],aes(x='factor(x)', y = 'y'), fill = 'dodgerblue', show_legend=False, position = position_nudge(x=-.24),width = .05, alpha = .6) + geom_boxplot(d.iloc[50:100,:], aes(x='factor(x)', y = 'y'), fill = 'darkorange', show_legend=False, position = position_nudge(x=0.24),width = .05, alpha = .6) + geom_point(summary_df.iloc[:1,:],aes(x = 1, y = summary_df.iloc[0,2]), color = 'dodgerblue', show_legend = False, position = position_nudge(x = -.15), alpha = .6, size = 2) + geom_point(summary_df.iloc[1:2,:],aes(x = 2, y = summary_df.iloc[1,2]), color = 'darkorange', show_legend = False, position = position_nudge(x = .15), alpha = .6, size = 2) + geom_errorbar(summary_df.iloc[:1,:],aes(x = 1, y = summary_df.iloc[0,2], ymin = summary_df.iloc[0,2]-summary_df.iloc[0,6], ymax = summary_df.iloc[0,2]+summary_df.iloc[0,6]), color = 'dodgerblue', show_legend = False, position = position_nudge(-.15), width = .05, alpha = .6) + geom_errorbar(summary_df.iloc[1:2,:], aes(x = 2, y = summary_df.iloc[1,2], ymin = summary_df.iloc[1,2]-summary_df.iloc[1,6], ymax = summary_df.iloc[1,2]+summary_df.iloc[1,6]), color = 'darkorange', show_legend = False, position = position_nudge(.15), width = .05, alpha = .6) + theme_classic() + scale_x_discrete(labels=labels, name='Conditions') + ylab('Value') + ggtitle('Figure 7: repeated measures grouped by color, boxplots + statistics') ) # Save figure if savefig: fig7.save(fig_dir + "/figure7.png", width = w, height = h, verbose = False) # Show figure fig7
Out:
8. 各グループの平均を直線で結ぶ
前半グループの平均値と前半グループの平均値のプロットを直線で結びます。
直線は、geom_lineで引くことができます。
# Define the x-axis location of both means, # which in this case is: 1 & 'position_nudge(-.15)' = .85 and 2 & position_nudge(.15) = 2.15 x_tick_means = [0.85,2.15] # Plot figure fig8 = ( ggplot() + geom_point(d.iloc[:50,:],aes(x='xj', y = 'y'), color = 'dodgerblue', show_legend=False, alpha = .6, size = 2) + geom_point(d.iloc[50:100,:],aes(x='xj', y = 'y'), color = 'darkorange', show_legend=False, alpha = .6, size = 2) + geom_line(d,aes(x='xj', y = 'y', group = 'id'), color = 'lightgray', alpha = .5) + geom_line(summary_df,aes(x = x_tick_means, y = 'score_mean'), color = 'gray', size = 1) + geom_boxplot(d.iloc[:50,:],aes(x='factor(x)', y = 'y'), fill = 'dodgerblue', show_legend=False, position = position_nudge(x=-.24),width = .05, alpha = .6) + geom_boxplot(d.iloc[50:100,:], aes(x='factor(x)', y = 'y'), fill = 'darkorange', show_legend=False, position = position_nudge(x=0.24),width = .05, alpha = .6) + geom_point(summary_df.iloc[:1,:],aes(x = 1, y = summary_df.iloc[0,2]), color = 'dodgerblue', show_legend = False, position = position_nudge(x = -.15), alpha = .6, size = 2) + geom_point(summary_df.iloc[1:2,:],aes(x = 2, y = summary_df.iloc[1,2]), color = 'darkorange', show_legend = False, position = position_nudge(x = .15), alpha = .6, size = 2) + geom_errorbar(summary_df.iloc[:1,:],aes(x = 1, y = summary_df.iloc[0,2], ymin = summary_df.iloc[0,2]-summary_df.iloc[0,6], ymax = summary_df.iloc[0,2]+summary_df.iloc[0,6]), color = 'dodgerblue', show_legend = False, position = position_nudge(-.15), width = .05, alpha = .6) + geom_errorbar(summary_df.iloc[1:2,:], aes(x = 2, y = summary_df.iloc[1,2], ymin = summary_df.iloc[1,2]-summary_df.iloc[1,6], ymax = summary_df.iloc[1,2]+summary_df.iloc[1,6]), color = 'darkorange', show_legend = False, position = position_nudge(.15), width = .05, alpha = .6) + theme_classic() + scale_x_discrete(labels=labels, name='Conditions') + ylab('Value') + ggtitle('Figure 8: repeated measures grouped by color, boxplots + statistics') ) # Save figure if savefig: fig8.save(fig_dir + "/figure8.png", width = w, height = h, verbose = False) # Show figure fig8
Out:
9. プロット・箱ひげ図・バイオリン図・信頼区間
これまでの、プロット・箱ひげ図・バイオリン図・信頼区間の図を一つにまとめてみましょう。
# Plot figure fig9 = ( ggplot() + geom_point(d.iloc[:50,:],aes(x='x', y = 'y'), color = 'dodgerblue', show_legend=False, alpha = .6, size = 2) + geom_point(d.iloc[50:100,:],aes(x='x', y = 'y'), color = 'darkorange', show_legend=False, alpha = .6, size = 2) + geom_line(d,aes(x='x', y = 'y', group = 'id'), color = 'lightgray', alpha = .5) + geom_line(summary_df,aes(x = x_tick_means, y = 'score_mean'), color = 'gray', size = 1) + geom_boxplot(d.iloc[:50,:],aes(x='factor(x)', y = 'y'), color = 'gray', fill = 'dodgerblue', show_legend=False, position = position_nudge(x=-.24),width = .05, alpha = .2) + geom_boxplot(d.iloc[50:100,:], aes(x='factor(x)', y = 'y'), color = 'gray', fill = 'darkorange', show_legend=False, position = position_nudge(x=0.24),width = .05, alpha = .2) + geom_violin(d.iloc[:50,:],aes(x='factor(x)', y = 'y'), color = 'white', fill = 'dodgerblue', show_legend=False, position = position_nudge(x=0), width = .2, alpha = .2) + geom_violin(d.iloc[50:100,:],aes(x='factor(x)', y = 'y'), color = 'white', fill = 'darkorange', show_legend=False, position = position_nudge(x=0), width = .2, alpha = .2) + geom_point(summary_df.iloc[:1,:],aes(x = 1, y = summary_df.iloc[0,2]), color = 'dodgerblue', show_legend = False, position = position_nudge(x = -.15), alpha = .6, size = 2) + geom_point(summary_df.iloc[1:2,:],aes(x = 2, y = summary_df.iloc[1,2]), color = 'darkorange', show_legend = False, position = position_nudge(x = .15), alpha = .6, size = 2) + geom_errorbar(summary_df.iloc[:1,:],aes(x = 1, y = summary_df.iloc[0,2], ymin = summary_df.iloc[0,2]-summary_df.iloc[0,6], ymax = summary_df.iloc[0,2]+summary_df.iloc[0,6]), color = 'gray', show_legend = False, position = position_nudge(-.15), width = .05, alpha = .6) + geom_errorbar(summary_df.iloc[1:2,:], aes(x = 2, y = summary_df.iloc[1,2], ymin = summary_df.iloc[1,2]-summary_df.iloc[1,6], ymax = summary_df.iloc[1,2]+summary_df.iloc[1,6]), color = 'gray', show_legend = False, position = position_nudge(.15), width = .05, alpha = .6) + theme_classic() + scale_x_discrete(labels=labels, name='Conditions') + ylab('Value') + ggtitle('Figure 9: repeated measures grouped by color, boxplots + statistics') ) # Save figure if savefig: fig9.save(fig_dir + "/figure9.png", width = w, height = h, verbose = False) # Show figure fig9
Out:
チュートリアル2 (matplotlibを使う場合)
open-visualizations/Python/tutorial_2/repeated_measures_python_2.ipynbをjupyter-notebookで開く。
$ jupyter-notebook open-visualizations/Python/tutorial_2/repeated_measures_python_2.ipynb
ライブラリの読み込み
import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt
保存用のフォルダを用意
/repmes_tutorial_2_python/figsに作成した図を保存する。
savefig = True if savefig: #Load libraries import os from os.path import isdir #Get current working directory, but you can specify your own directory of course. cwd = os.getcwd() if os.path.exists(cwd + "/repmes_tutorial_2_python/figs"): print("Directory already exists") #Assign the existing directory to a variable fig_dir = cwd + "/repmes_tutorial_2_python/figs" elif not os.path.exists(cwd + "/repmes_tutorial_2_python/figs"): print("Directory does not exist and will be created ......") os.makedirs(cwd + "/repmes_tutorial_2_python/figs") if isdir(cwd + "/repmes_tutorial_2_python/figs"): print('Directory was created succesfully') #Assign the created directory to a variable fig_dir = cwd + "/repmes_tutorial_2_python/figs" else: print("Something went wrong")
データの初期化
BeforeグループとAfterグループそれぞれのサンプルサイズを30とします。
N=30
Beforeグループのデータは、平均が0、分散が1の正規分布に従う乱数で生成します。
また、Beforeグループのデータからプラス1したものをAfterグループのデータとします。
np.random.seed(3) data = np.random.normal(size=(N,)) #Create the dataframe in a wide format with 'Before' and 'After ' as columns df = pd.DataFrame({'Before': data, 'After': data+1})
各グループのプロットのx座標を設定し、df_jitter_1に格納します。
df_jitter_1 = pd.DataFrame(np.random.normal(loc=0, scale=jitter_1, size=df.values.shape), columns=df.columns) #Update the dataframe with adding a number based on the length on the columns. Otherwise all datapoints would be at the same x-axis location. df_jitter_1 += np.arange(len(df.columns))
各グループのデータはこちら。
#Inspect the created dataframe pd.options.display.float_format = '{:.3f}'.format print("The dataframe with 2 variables ") print(df[['Before', 'After']])
Out:
1. プロット
各グループのデータをプロットします。
ax.plotにプロットするデータを指定します。
# 出力画像の設定 w = 6 h = 6 title_size = 20 xlab_size = 15 ylab_size = 20 # ラベル名の設定 labels = ['Before', 'After'] # Create empty figure and plot the individual datapoints fig, ax = plt.subplots(figsize=(15,9)) for col in df: ax.plot(df_jitter_1[col], df[col], 'o', alpha=.6, zorder=2, ms=10, mew=1.5) #Additional settings ax.set_xticks(range(len(df.columns))) ax.set_xticklabels((labels), size= xlab_size) ax.set_xlim(-1, len(df.columns)) ax.set_ylabel('Value', size = ylab_size) ax.set_title('Figure 1: individual datapoints', size = title_size) sns.despine() if savefig: plt.savefig(fig_dir + "/figure1.png", width = w, height = h)
Out:
2. プロットと直線
各グループのインデックスが同じプロット同士を直線で結びます。
プロットを直線で結ぶには、以下の行を追加します。
for idx in df.index: ax.plot(df_jitter_1.loc[idx,['Before','After']], df.loc[idx,['Before','After']], color = 'gray', linewidth = 2, linestyle = '--',alpha = .3)
追加すると以下のようなコードになります。
# Create empty figure and plot the individual datapoints fig, ax = plt.subplots(figsize=(15,9)) for col in df: ax.plot(df_jitter_1[col], df[col], 'o', alpha=.6, zorder=2, ms=10, mew=1.5) for idx in df.index: ax.plot(df_jitter_1.loc[idx,['Before','After']], df.loc[idx,['Before','After']], color = 'gray', linewidth = 2, linestyle = '--',alpha = .3) #Additonal settings ax.set_xticks(range(len(df.columns))) ax.set_xticklabels((labels), size= xlab_size) ax.set_xlim(-1, len(df.columns)) ax.set_ylabel('Value', size = ylab_size) ax.set_title('Figure 2: individual datapoints with lines', size = title_size) sns.despine() if savefig: plt.savefig(fig_dir + "/figure2.png", width = w, height = h)
Out:
3. グループごとのプロットの位置を微妙に変える
各グループのプロットの位置が一列にならないようにランダムに少しずらします。
それぞれのプロットの座標はdf_jitter_2に格納します。
#Set the amount of jitter and create a dataframe containing the jittered x-axis values jitter_2 = 0.05 np.random.seed(3) df_jitter_2 = pd.DataFrame(np.random.normal(loc=0, scale=jitter_2, size=df.values.shape), columns=df.columns) #Update the dataframe with adding a number based on the length on the columns. Otherwise all datapoints would be at the same x-axis location. df_jitter_2 += np.arange(len(df.columns))
df_jitter_1をdf_jitter_2に変えて可視化します。
# Create empty figure and plot the individual datapoints fig, ax = plt.subplots(figsize=(15,9)) for col in df: ax.plot(df_jitter_2[col], df[col], 'o', alpha=.6, zorder=2, ms=10, mew=1.5) for idx in df.index: ax.plot(df_jitter_2.loc[idx,['Before','After']], df.loc[idx,['Before','After']], color = 'gray', linewidth = 2, linestyle = '--',alpha = .3) #Additonal settings ax.set_xticks(range(len(df.columns))) ax.set_xticklabels((labels), size= xlab_size) ax.set_xlim(-1, len(df.columns)) ax.set_ylabel('Value', size = ylab_size) ax.set_title('Figure 3: individual datapoints with lines and jitter', size = title_size) sns.despine() if savefig: plt.savefig(fig_dir + "/figure3.png", width = w, height = h)
Out:
4. 信頼区間 (CI bar)
信頼区間 (CI bar)を追加します。
信頼区間は、seabornのpointplotメソッドで描出します。
sns.pointplot(x='variable', y='value', ci=95, data=df_long, join=False, scale=1.5, color = 'black', capsize = .03) #palette = 'Paired'
以上を踏まえて、以下のコードを実行します。
#Merge dataframe from wide to long for sns.pointplot df_long = pd.melt(df, value_vars=['Before','After']) # Create empty figure and plot the individual datapoints fig, ax = plt.subplots(figsize=(15,9)) for col in df: ax.plot(df_jitter_2[col], df[col], 'o', alpha=.6, zorder=2, ms=10, mew=1.5) for idx in df.index: ax.plot(df_jitter_2.loc[idx,['Before','After']], df.loc[idx,['Before','After']], color = 'gray', linewidth = 2, linestyle = '--',alpha = .3) sns.pointplot(x='variable', y='value', ci=95, data=df_long, join=False, scale=1.5, color = 'black', capsize = .03) #palette = 'Paired' #Additonal settings ax.set_xticks(range(len(df.columns))) ax.set_xticklabels((labels), size= xlab_size) ax.set_xlim(-1, len(df.columns)) ax.set_ylabel('Value', size = ylab_size) ax.set_title('Figure 4: individual datapoints with lines, jitter and statistics', size = title_size) sns.despine() if savefig: plt.savefig(fig_dir + "/figure4.png", width = w, height = h)
Out:
5. バイオリン図 (violin plot)
バイオリン図 ( violin plot)を作成する。
バイオリン図はseabornのviolinplotで描出することができる。
sns.violinplot(x='variable', y='value', data=df_long, hue = 'variable', split = True, inner = 'quartile', cut=1)
以上を踏まえて、以下のコードを実行します。
# Create empty figure and plot the individual datapoints fig, ax = plt.subplots(figsize=(15,9)) for col in df: ax.plot(df_jitter_2[col], df[col], 'o', alpha=1, zorder=2, ms=10, mew=1.5) for idx in df.index: ax.plot(df_jitter_2.loc[idx,['Before','After']], df.loc[idx,['Before','After']], color = 'gray', linewidth = 2, linestyle = '--',alpha = .3) sns.pointplot(x='variable', y='value', ci=95, data=df_long, join=False, scale=0.01, color = 'black', capsize = .03) sns.violinplot(x='variable', y='value', data=df_long, hue = 'variable', split = True, inner = 'quartile', cut=1) #Additonal settings ax.set_xticks(range(len(df.columns))) ax.set_xticklabels((labels), size= xlab_size) ax.set_xlim(-1, len(df.columns)) ax.set_ylabel('Value', size = ylab_size) ax.set_title('Figure 5: individual datapoints, lines, jitter, statistics, violins', size = title_size) ax.legend_.remove() sns.despine() plt.setp(ax.collections, alpha=.02) if savefig: plt.savefig(fig_dir + "/figure5.png", width = w, height = h)
Out:
6. 2群のBeforeとAfterをそれぞれプロット
これまでは、1群のBeforeとAfterを図示してきました。
次は、健常群、患者群それぞれのBeforeとAfterを図示するように2群のBeforeとAfterを図示していきます。
#Create a dataframe do display 4 conditions df_2 = pd.DataFrame({'Before': data, 'After': data+1, 'Before1': data, 'After1': data-1}) df_jitter_3 = pd.DataFrame(np.random.normal(loc=0, scale=jitter_2, size=df_2.values.shape), columns=df_2.columns) df_jitter_3 #Do an additional step to create a jittered values for the 4 columns.. i.e., jitter values around condition 1 and 2 + jitter values for condition 3 and 4. df_jitter_3 += np.arange(len(df_2.columns)) df_jitter_3 # Create empty figure and plot the individual datapoints fig, ax = plt.subplots(figsize=(15,9)) for col in df_2: ax.plot(df_jitter_3[col], df_2[col], 'o', alpha=.6, zorder=2, ms=10, mew=1.5) for idx in df_2.index: ax.plot(df_jitter_3.loc[idx,['Before','After']], df_2.loc[idx,['Before','After']], color = 'gray', linewidth = 2, linestyle = '--',alpha = .3) ax.plot(df_jitter_3.loc[idx,['Before1','After1']], df_2.loc[idx,['Before1','After1']], color = 'gray', linewidth = 2, linestyle = '--', alpha =.3) #Additonal settings ax.set_xticks(range(len(df.columns))) ax.set_xticklabels((['Before', 'After', 'Before', 'After']), size= xlab_size) ax.set_xlim(-1, len(df.columns)) ax.set_ylabel('Value', size = ylab_size) ax.set_title('Figure 6: individual datapoints with lines, jitter: 4 conditions', size = title_size) sns.despine() plt.setp(ax.collections, alpha=.02) plt.setp(ax, xticks=[0, 1, 2, 3, 4]) if savefig: plt.savefig(fig_dir + "/figure6.png", width = w, height = h)
Out:
7. さらに信頼区間の追加
さらに信頼区間を追加する。
#Merge dataframe from wide to long for sns.pointplot df_long_2 = pd.melt(df_2, value_vars=['Before','After', 'Before1', 'After1']) # Create empty figure and plot the individual datapoints fig, ax = plt.subplots(figsize=(15,9)) for col in df_2: ax.plot(df_jitter_3[col], df_2[col], 'o', alpha=.6, zorder=2, ms=10, mew=1.5) for idx in df_2.index: ax.plot(df_jitter_3.loc[idx,['Before','After']], df_2.loc[idx,['Before','After']], color = 'gray', linewidth = 2, linestyle = '--',alpha = .3) ax.plot(df_jitter_3.loc[idx,['Before1','After1']], df_2.loc[idx,['Before1','After1']], color = 'gray', linewidth = 2, linestyle = '--', alpha = .3) sns.pointplot(x='variable', y='value', ci=95, data=df_long_2, join=False, scale=1.5, color = 'black', capsize = .03) #Additonal settings ax.set_xticks(range(len(df.columns))) ax.set_xticklabels((['Before', 'After', 'Before', 'After']), size= xlab_size) ax.set_xlim(-1, len(df.columns)) ax.set_ylabel('Value', size = ylab_size) ax.set_title('Figure 7: individual datapoints with lines, jitter, statistics: 4 conditions', size = title_size) sns.despine() plt.setp(ax, xticks=[0, 1, 2, 3, 4]) if savefig: plt.savefig(fig_dir + "/figure7.png", width = w, height = h)
Out:
8. プロット・箱ひげ図・バイオリン図・信頼区間
これまでの、プロット・箱ひげ図・バイオリン図・信頼区間の図を一つにまとめてみましょう。
# Create empty figure and plot the individual datapoints fig, ax = plt.subplots(figsize=(15,9)) for col in df: ax.plot(df_jitter_2[col], df[col], 'o', alpha=.8, zorder=2, ms=10, mew=1.5) for idx in df.index: ax.plot(df_jitter_2.loc[idx,['Before','After']], df.loc[idx,['Before','After']], color = 'gray', linewidth = 2, linestyle = '-',alpha = .2) for value in df_long_2: sns.violinplot(x='variable', y='value', data=df_long, hue = 'variable', split = True, inner = 'quartile', cut=1, dodge = True) sns.boxplot(x='variable', y='value', data=df_long, hue = 'variable', dodge = True, width = 0.2, fliersize = 2) #Additonal settings ax.set_xticks(range(len(df.columns))) ax.set_xticklabels((['Before', 'After']), size= xlab_size) ax.set_xlim(-1, len(df.columns)) ax.set_ylabel('Value', size = ylab_size) ax.set_title('Figure 8: individual datapoints with lines, jitter, statistics, box- and violin', size = title_size) sns.despine() ax.legend_.remove() plt.setp(ax.collections, alpha=.1) if savefig: plt.savefig(fig_dir + "/figure8.png", width = w, height = h)
Out:
高画質で保存したい場合
図を高画質で保存したい場合は、拡張子を.tifにして、dpiを600にするとよい。
plotnineの場合
fig.save("/figure.tif", width = w, height = h, verbose = False, dpi = 600)
matplotlibの場合
plt.savefig("/figure.tif", width = w, height = h, dpi = 600)
頑張れ！、喝!!の代わりにB!ブックマークを押していただけるとただただうれしいです(^^)! ↓
- 作者:斎藤勇哉
- 発売日: 2020/11/30
- メディア: Kindle版