Pythonのmatplotlibにてグラフの描画を自動化する。

Question

最初に

この質問は直接的な解決策が欲しく質問するというよりかは、(自分の問題解決能力向上のため)実現したい課題に対して必要な要素をピックアップして、その要素をどういった方法で解けば良いか、コーディングの方針をお伺いしたいという類の質問です。

実装したい事

Pythonのmatplotlibを使用して下の写真の様なグラフの作成を自動化したいと思っています。

自動化のイメージとしては、for文を使って一気に全てのグラフを描写するのではなく、下記のデータセットのBeanNumber
をコードに打ち込むとそのBeanNumberのグラフが生成されるようなイメージです。

(Pythonでいうと　def makefigure (Specific)　みたいな感じで関数を作って、(Specific)の部分にBeanNumberを
入れるとグラフが描写される、SQLだとSELECT文で特定のBeanNumeberだけ抜き出す、Excell的にはフィルターをかける、といった感じのすごい曖昧なイメージです。)

実現に必要な要素

・下記のデータセットの様に複数の"BeanNumber"があるなかで、ひとつの"BeanNumber"のみを選んで、それをグラフで作成する。
・極力手作業を減らすため、下記の「データの書式」のコードの中の「#★」に書いてある"Hoge!"を
"BeanNumber"と対応する"Sumple"に置き換える。

###使用するデータセット(book1.csv)
各サンプル100個づつあります。(B2が100,B3が100,B4が100,,,,,,,,B39が100)

Long axis	Short axis	Grain thickness	Sumple	BeanNumber
0.92	0.91	0.73	くるみ豆	B2
0,90	0.89	0.56	くるみ豆	B2
1.04	0.97	0.63	くるみ豆	B2
...
0.97	0.92	0.74	五葉黒豆	B6
0.97	0.88	0.51	五葉黒豆	B6
...
1.21	0.95	0.77	濃緑丸豆	B39
0.92	0.85	0.83	濃緑丸豆	B39
0.93	0.90	0.55	濃緑丸豆	B39
1.10	0.96	0.67	濃緑丸豆	B39
0.91	0.85	0.54	濃緑丸豆	B39

データの書式

import os
import matplotlib
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
import pandas as pd

os.chdir("C://Users//For  Programming//Documents")
pd.options.display.max_rows = 5
df1=pd.read_csv("book1.csv",encoding='shift_jis')
df1.columns

plt.rcParams['font.family'] = 'IPAPGothic'
plt.rcParams['axes.linewidth'] = 3.0
plt.rcParams["font.size"] = 30

fig, (ax1, ax2, ax3) = plt.subplots(1, 3, figsize=(40,10))
plt.subplots_adjust(wspace=0.3, hspace=0.2)


ax1.set_xlabel('長軸(cm)')
ax1.set_ylabel('個数(個)')
ax1.set_title("Hoge!の長軸")#★
ax1.hist(df1['Long axis'],  rwidth=0.7,edgecolor="k",color='#0000CD')
ax1.set_xticks( [0.4,0.5,0.6,0.7,0.8,0.9,1.0,1.1,1.2,1.3,1.4] )
ax1.set_yticks( [5,10,15,20,25,30] )



ax2.set_xlabel('短軸(cm)')
ax2.set_ylabel('個数(個)')
ax2.set_title("Hoge!の短軸")#★
ax2.hist(df1['Short axis'], rwidth=0.7,edgecolor="k",color='#0000CD')
ax2.set_xticks( [0.4,0.5,0.6,0.7,0.8,0.9,1.0,1.1,1.2,1.3,1.4])
ax2.set_yticks( [5,10,15,20,25,30] )


ax3.set_xlabel('粒厚(cm)')
ax3.set_ylabel('個数(個)')
ax3.set_title("Hoge!の粒厚")#★
ax3.hist(df1['Grain thickness'],rwidth=0.7,edgecolor="k",color='#0000CD')
ax3.set_xticks( [0.4,0.5,0.6,0.7,0.8,0.9,1.0,1.1,1.2,1.3,1.4])
ax3.set_yticks( [5,10,15,20,25,30] )

plt.savefig('Hoge!.jpg')#★

補足情報（FW/ツールのバージョンなど）

Anaconda
Python
Pycharm
お忙しいとは思いますが、よろしくお願いいたします。
情報に不足がありましたら、ご指摘お願いいたします。

Comments

[tiitoi]

どこかのアップローダーに csv ファイルをアップロードしていただくことはできますか？

[Danrussia]

Googleドライブのリンクをお送りする形になるかと思います。

[tiitoi]

動作確認はしてないですが、回答を書きました。
もし動かないまたは意図と違いましたら教えてください。

[Danrussia]

https://drive.google.com/open?id=1yA9o6QgdPQ9j3WgUyUGAJZdaCPIMrXEt

オープンデータじゃないので一部ぼかしていたら思いのほか時間がたってしまいました。すいません

[tiitoi]

データをアップロードしていただきありがとうございます。
回答のコードを実行した結果、添付画像のようになりました。
このような意図であっていますでしょうか。

Answer 1

Data Frame で例えば、BeanNumber が B2 だけの行を抽出したい場合は df[df["BeanNumber"] == "B2"] でできます。
抽出したあと "Sumple" 列を参照して豆の名前を取得して、グラフのタイトル部分に f-string で埋め込めばいいかと思います。

サンプルコード

入力 CSV

Long axis,Short axis,Grain thickness,Sumple,BeanNumber
0.92,0.91,0.73,くるみ豆,B2
0.90,0.89,0.56,くるみ豆,B2
1.04,0.97,0.63,くるみ豆,B2
0.92,0.91,0.73,黒豆,B1
0.90,0.89,0.56,黒豆,B1
1.04,0.97,0.63,黒豆,B1

import os
import matplotlib
import matplotlib.pyplot as plt
import pandas as pd

os.chdir("C://Users//For  Programming//Documents")
pd.options.display.max_rows = 5

plt.rcParams["font.family"] = "IPAPGothic"
plt.rcParams["axes.linewidth"] = 3.0
plt.rcParams["font.size"] = 30

def plot(data, bean_number):
    # 変更箇所1
    # 列 BeanNumber の値が bean_number の行だけ抽出する。
    df = data[data["BeanNumber"] == bean_number]
    if df.empty:
        print(f"bean number {bean_number} does not exist in the data frame.")
        return
    bean_name = df.iloc[0]["Sumple"]
    # -------------------------------------
    
    fig, (ax1, ax2, ax3) = plt.subplots(1, 3, figsize=(40, 10))
    plt.subplots_adjust(wspace=0.3, hspace=0.2)

    ax1.set_xlabel("長軸(cm)")
    ax1.set_ylabel("個数(個)")
    ax1.set_title(f"{bean_name} の長軸")  # 変更箇所2
    ax1.hist(df["Long axis"], rwidth=0.7, edgecolor="k", color="#0000CD")
    ax1.set_xticks([0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0, 1.1, 1.2, 1.3, 1.4])
    ax1.set_yticks([5, 10, 15, 20, 25, 30])

    ax2.set_xlabel("短軸(cm)")
    ax2.set_ylabel("個数(個)")
    ax2.set_title(f"{bean_name} の短軸")  # 変更箇所3
    ax2.hist(df["Short axis"], rwidth=0.7, edgecolor="k", color="#0000CD")
    ax2.set_xticks([0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0, 1.1, 1.2, 1.3, 1.4])
    ax2.set_yticks([5, 10, 15, 20, 25, 30])

    ax3.set_xlabel("粒厚(cm)")
    ax3.set_ylabel("個数(個)")
    ax3.set_title(f"{bean_name} の粒厚")  # 変更箇所4
    ax3.hist(df["Grain thickness"], rwidth=0.7, edgecolor="k", color="#0000CD")
    ax3.set_xticks([0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0, 1.1, 1.2, 1.3, 1.4])
    ax3.set_yticks([5, 10, 15, 20, 25, 30])

    plt.savefig(f"bean_number_{bean_number}.png")  # 変更箇所5
    

df = pd.read_csv("book1.csv", encoding="shift_jis")
plot(df, bean_number="B2")

bean_number をコードに直接書く代わりにコマンドライン引数で渡したい場合は argparse モジュールをお使いください。

追記

フォーマット済み文字列リテラル自体初めて見たので、(自分のキャパの問題で)まだ完全に理解しきれていませんが、少し自分の方で調べてみます。

Python 3.6 以降で利用できる言語機能です。
変数を文字列の中に埋め込むやり方は以下の3つがあります。(上から古い順)
f-string はわりと最近追加された機能なので、ネット上のコードは format() を使っているものが多いですが、シンプルにかけるので気に入っています。

val = 123

# Python 2
s = 'val == %d' % val
print(s)  # val == 123

# format() (Python 3 以降)
s = 'val == {}'.format(val)
print(s)  # val == 123

# f-string (Python 3.6 以降)
s = f'val == {val}'
print(s)  # val == 123

Python的にはどの文法用法なのか教えて頂けませんか?

以下の例で説明すると、

1. df["Col1"] で Col1 列を Series オブジェクト (1次元配列) で取得する。
2. df["Col1"] == "A" で値が "A" のインデックスは True、そうでないインデックスは False のブール型の Series オブジェクトが返る。
3. DataFrame の [] にブール型の Series オブジェクトを渡すことで、値が True のインデックスの行だけを抽出できる。

numpy のブールインデックスと似た機能です。

NumPy配列のブールインデックス参照

実装上の話をすると、Python では自作のクラスで、[] や == などの演算子をオーバーライドできるので、このような仕組みを実現できています。

import pandas as pd

df = pd.DataFrame({'Col1': ['A', 'A', 'B', 'C'],
                   'Col2': [31, 2, 3, 4]})
print(df)
#   Col1  Col2
# 0    A    31
# 1    A     2
# 2    B     3
# 3    C     4

mask = df["Col1"] == "A"
print(mask)
# 0     True
# 1     True
# 2    False
# 3    False
# Name: Col1, dtype: bool

df2 = df[mask]
print(df2)
#   Col1  Col2
# 0    A    31
# 1    A     2

Comments

[Danrussia]

凄い迅速な対応ありがとうございます。

フォーマット済み文字列リテラル自体初めて見たので、(自分のキャパの問題で)まだ完全に理解しきれていませんが、少し自分の方で調べてみます。

あともし可能であればお願いしたいのですが、ここで使われている["Hoge"]==Hoge]というのは
Python的にはどの文法用法なのか教えて頂けませんか?
# 列 BeanNumber の値が bean_number の行だけ抽出する。
df = data[data["BeanNumber"] == bean_number]

[tiitoi]

追記しました。
Python 言語に備わった機能というわけではなく、ブーリアンインデックスという pandas の機能です。

[Danrussia]

「ブーリアンインデックス」について内部動作も含めて教えて頂き本当にありがとうございます。今ままで本当に漠然としか理解していなかったので、体系たって教えて頂いたおかげで理解できました。

def文の最後のilocを使用して、Sumpleを習得する方法は本当に自分の思いつく範囲外の事で、助かりました。

この度は本当にありがとうございました。