【Python】クラスターマップの描画方法｜seaborn基礎

seabornを使用すると、Pythonを使用してデータを可視化することができます。

本記事では、seabornによるクラスターマップの描画方法について、詳しくご説明します。

levtech-ad

＼業界最大級の案件数！／

レバテックフリーランス詳細はコチラ＞＞

seabornとは

seabornは、Pythonを使用してデータを可視化するための外部ライブラリの１つです。

データ可視化用ライブラリは他にも複数あり、その中でも特にMatplotlibが有名です。

seabornはMatplotlibをベースに作られており、Matplotlibの描画機能を利用しています。

seabornの長所は、Matplotlibよりも美しい図を、より少ないコードで簡単に描ける点です。

本記事では、seabornによるクラスターマップの描画方法をご紹介します。

seabornのインストール

「seaborn」は、以下コマンドを入力することで、インストールすることができます。

コマンドの入力は、コマンドプロンプトあるいはターミナルから行います。

pip install seaborn

動作確認として、試しに以下を入力します。

import seaborn as sns

上記を入力してもエラーが発生しなければ、正常にインストールされています。

クラスターマップの描画方法

seaborn.clustermap()関数を使用することで、クラスターマップを描画することができます。

クラスターマップとは、ヒートマップの一種で、行列データを階層的にクラスター化したグラフになります。

clustermap()関数の引数には、メソッド、メトリック、カラー、データセット等を指定します。

データセットの「iris」を用いて、クラスターマップを描画してみます。

#input
import seaborn as sns
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# データセットの読み込み
iris = sns.load_dataset("iris")

# clustermapの指定・描画
species = iris.pop("species")
sns.clustermap(iris)
plt.show()

サイズやレイアウトを自由に指定することができます。

#input
import seaborn as sns
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# データセットの読み込み
iris = sns.load_dataset("iris")

# clustermapの指定・描画
species = iris.pop("species")
sns.clustermap(iris, figsize=(7, 5), row_cluster=False, 
               dendrogram_ratio=(.1, .2), cbar_pos=(0, .2, .03, .4))
plt.show()

識別用に、色付きのラベルを追加することができます。

#input
import seaborn as sns
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# データセットの読み込み
iris = sns.load_dataset("iris")

# clustermapの指定・描画
species = iris.pop("species")
lut = dict(zip(species.unique(), "rbg"))
row_colors = species.map(lut)
sns.clustermap(iris, figsize=(7, 5), row_cluster=False, 
               dendrogram_ratio=(.1, .2), cbar_pos=(0, .2, .03, .4), row_colors=row_colors)
plt.show()

cmapを指定することで、カラーマップを変更することができます。

#input
import seaborn as sns
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# データセットの読み込み
iris = sns.load_dataset("iris")

# clustermapの指定・描画
species = iris.pop("species")
lut = dict(zip(species.unique(), "rbg"))
row_colors = species.map(lut)
sns.clustermap(iris, figsize=(7, 5), row_cluster=False, 
               dendrogram_ratio=(.1, .2), cbar_pos=(0, .2, .03, .4), 
               cmap="spring", vmin=0, vmax=10)
plt.show()

metricとmethodを指定することで、クラスタリングパラメータを変更できます。

#input
import seaborn as sns
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# データセットの読み込み
iris = sns.load_dataset("iris")

# clustermapの指定・描画
species = iris.pop("species")
lut = dict(zip(species.unique(), "rbg"))
row_colors = species.map(lut)
sns.clustermap(iris, figsize=(7, 5), row_cluster=False, 
               dendrogram_ratio=(.1, .2), cbar_pos=(0, .2, .03, .4), 
               metric="correlation", method="single")
plt.show()

standard_scale=1を指定することで、列内のデータを標準化することができます。

#input
import seaborn as sns
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# データセットの読み込み
iris = sns.load_dataset("iris")

# clustermapの指定・描画
species = iris.pop("species")
lut = dict(zip(species.unique(), "rbg"))
row_colors = species.map(lut)
sns.clustermap(iris, figsize=(7, 5), row_cluster=False, 
               dendrogram_ratio=(.1, .2), cbar_pos=(0, .2, .03, .4), 
               standard_scale=1)
plt.show()

z_score=0を指定することで、行内のデータを正規化することができます。

#input
import seaborn as sns
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# データセットの読み込み
iris = sns.load_dataset("iris")

# clustermapの指定・描画
species = iris.pop("species")
lut = dict(zip(species.unique(), "rbg"))
row_colors = species.map(lut)
sns.clustermap(iris, figsize=(7, 5), row_cluster=False, 
               dendrogram_ratio=(.1, .2), cbar_pos=(0, .2, .03, .4), 
               z_score=0, cmap="bwr", center=0)
plt.show()

まとめ

この記事では、seabornによるクラスターマップの描画方法について、ご説明しました。

本記事を参考に、ぜひ試してみて下さい。

参考

Python学習用おすすめ教材

Pythonの基本を学びたい方向け

統計学基礎を学びたい方向け

Pythonの統計解析を学びたい方向け

おすすめプログラミングスクール

テックアカデミーの無料体験