学習記録 – ページ 20

HoloViews.orgにて学んだ内容をまとめていきます。

HoloViewsとはオープンソースpythonライブラリーで
データ分析、ビジュアライゼーションを簡単に素早く行う事が可能

HoloViewsサンプル

HoloViews.orgに掲載されているサンプル
コードは驚くほどシンプルな構造

更にGalleryページにはBoken,Matplotlib,Plotlyを使用した
サンプルグラフがある

各グラフのコードのサンプルもHoloViews.orgにて紹介している

Holoviewのインストール

condaがお勧め

conda install -c ioam holoviews bokeh

1	conda install -c ioam holoviews bokeh

上記で紹介したサンプルのグラフも含まれている

holoviews --install-examples
cd holoviews-examples

1 2	holoviews --install-examples cd holoviews-examples

NY地下鉄の駅名情報を可視化

pandas,numpyを使用する
hv.extension(“bokeh”)でBokehのエクステンションをロードし
Bokehを使った可視化ができるようになる

他のプロットライブラリーも組み合わせ可能(matplotlib等)

import pandas as pd
import numpy as np
import holoviews as hv
hv.extension('bokeh')

import pandas as pd

import numpy as np

import holoviews as hv

hv.extension('bokeh')

次にニューヨークの地下鉄の駅名やその他情報を
含むデータセットを読み込む
csvファイルはこちら

station_info = pd.read_csv('/station_info.csv')
station_info.head()

1 2	station_info = pd.read_csv('/station_info.csv') station_info.head()

可視化の為のオブジェクト

スキャッタープロット

hv.Scatterオブジェクトを使用して
駅の数と利用者数（百万単位）の２つをスキャッタープロット表示

scatter = hv.Scatter(station_info, 'services', 'ridership')
scatter

1 2	scatter = hv.Scatter(station_info, 'services', 'ridership') scatter

※画像のリンク先でグラフをドラッグで動かせる

csvのデータ(station_info)をhv.Scatterに渡し、scatterオブジェクトを作成
これ以外のエレメントはReference Galleryにて紹介

ヒストグラム

hv.Histogramオブジェクトを使用して地下鉄の駅開設日を
ヒストグラムにする

layout = hv.Histogram(np.histogram(station_info['opened'], bins=24), kdims=['opened'])
layout

1 2	layout = hv.Histogram(np.histogram(station_info['opened'], bins=24), kdims=['opened']) layout

＋を使用して複数のグラフ表示

スキャッタープロットとヒストグラムなど複数のオブジェクトを
使用したグラフを横並びに表示する

layout = scatter + hv.Histogram(np.histogram(station_info['opened'], bins=24), kdims=['opened'])
layout

1 2	layout = scatter + hv.Histogram(np.histogram(station_info['opened'], bins=24), kdims=['opened']) layout

以下ここまでのコードまとめ

import pandas as pd
import numpy as np
import holoviews as hv
hv.extension('bokeh')

station_info = pd.read_csv('holoviews-master/examples/assets/station_info.csv')
scatter = hv.Scatter(station_info, 'services', 'ridership')

layout = scatter + hv.Histogram(np.histogram(station_info['opened'], bins=24), kdims=['opened'])
layout

import pandas as pd

import numpy as np

import holoviews as hv

hv.extension('bokeh')

station_info = pd.read_csv('holoviews-master/examples/assets/station_info.csv')

scatter = hv.Scatter(station_info, 'services', 'ridership')

layout = scatter + hv.Histogram(np.histogram(station_info['opened'], bins=24), kdims=['opened'])

layout

神経スパイク列を可視化

脳のニューロン発火現象を記録したデータセットを用いて
発火時間（milliseconds)
神経細胞が発火する頻度をヘルツ(Hertz)
の２つのデータセットを可視化

csvファイル(spike_train.csv.gz)はこちら

pandasとholoviewsをインポートし、spike_trainにcsvを読み込ませる

import pandas as pd
import holoviews as hv
spike_train = pd.read_csv('/spike_train.csv.gz')

import pandas as pd

import holoviews as hv

spike_train = pd.read_csv('/spike_train.csv.gz')

データフレームを表示

spike_train

1	spike_train

hv.Curveでグラフ作成

可視化のオブジェクトにhv.Curveを使用
先ほど使用したhv.Scatter やhv.Histogramの仲間

hv.Curveの引数を左からcsv格納変数、インデックス名２つ、group=でグラフタイトル

curve = hv.Curve(spike_train, 'milliseconds', 'Hertz', group='Firing Rate')

1	curve = hv.Curve(spike_train, 'milliseconds', 'Hertz', group='Firing Rate')

bokehとmatplotlibをロード

hv.extension('bokeh', 'matplotlib')
curve

1 2	hv.extension('bokeh', 'matplotlib') curve

hv.Spikesでグラフ作成

spikes = hv.Spikes(spike_train.sample(300), kdims='milliseconds', vdims=[], group='Spike Train')
spikes

1 2	spikes = hv.Spikes(spike_train.sample(300), kdims='milliseconds', vdims=[], group='Spike Train') spikes

2つのグラフを並べる

curve + spikes

1	curve + spikes

更にカスタマイズして見やすいグラフ作成
グラフ上にカーソルを合わせると各データをインタラクティブに表示

%%output size=150
%%opts Curve  [height=100 width=600 xaxis=None tools=['hover']]
%%opts Curve (color='red' line_width=1.5)
%%opts Spikes [height=100 width=600 yaxis=None] (color='grey' line_width=0.25)
curve  = hv.Curve( spike_train, 'milliseconds', 'Hertz')
spikes = hv.Spikes(spike_train, 'milliseconds', [])
(curve + spikes).cols(1)

%%output size=150

%%opts Curve [height=100 width=600 xaxis=None tools=['hover']]

%%opts Curve (color='red' line_width=1.5)

%%opts Spikes [height=100 width=600 yaxis=None] (color='grey' line_width=0.25)

curve = hv.Curve( spike_train, 'milliseconds', 'Hertz')

spikes = hv.Spikes(spike_train, 'milliseconds', [])

(curve + spikes).cols(1)

%%output size=150で全体のサイズ
%%opts Curve でcurveグラフ個別の詳細設定

以下のグラフは画像ですのでインタラクティブ操作できません
実際に動かすにはこちらのグラフをご覧ください。

Bokeh と Holoviewsで月食グラフをhtmlに変換

import pandas as pd
import holoviews as hv
from bokeh.io import output_file, save, show
hv.extension('bokeh', 'matplotlib')

eclipses = pd.read_csv('../data/eclipses_21C.csv', parse_dates=['date'])
eclipses.head()

hv.Curve(eclipses)

curve= hv.Curve(eclipses)
renderer = hv.renderer('bokeh')
 
# rendererで保存
renderer.save(curve, 'graph')
 
# boken形式に変換
plot = renderer.get_plot(curve).state
 

# graph.htmlの名でhtmlファイルを出力
output_file('graph.html')

# プロット
show(plot)

import pandas as pd

import holoviews as hv

from bokeh.io import output_file, save, show

hv.extension('bokeh', 'matplotlib')

eclipses = pd.read_csv('../data/eclipses_21C.csv', parse_dates=['date'])

eclipses.head()

hv.Curve(eclipses)

curve= hv.Curve(eclipses)

renderer = hv.renderer('bokeh')

# rendererで保存

renderer.save(curve, 'graph')

# boken形式に変換

plot = renderer.get_plot(curve).state

# graph.htmlの名でhtmlファイルを出力

output_file('graph.html')

# プロット

show(plot)

展開

因数分解

.npzフォーマットをcsvに変換

BokehとHoloViewsを学ぶ

HoloViewsサンプル

Holoviewのインストール

NY地下鉄の駅名情報を可視化

可視化の為のオブジェクト

スキャッタープロット

ヒストグラム

＋を使用して複数のグラフ表示

神経スパイク列を可視化

hv.Curveでグラフ作成

hv.Spikesでグラフ作成

Bokeh と Holoviewsで月食グラフをhtmlに変換

パスが正しいかを調べる