PythonとBokehを使ってグラフを描く方法のまとめ2回目です。今回は簡単なグラフの見た目変更を行います。

サンプルとしては第1回で使用した棒グラフのコードを引き続き使います。

<python>
#使用モジュール宣言
from bokeh.plotting import figure, show

#グラフの要素
#X軸が月、Y軸が気温
x = [1, 2, 3, 4, 5, 6]
y = [2, 1, 6, 12, 16, 21]

#Figureクラスからインスタンスを生成
#グラフのサイズを縦300ピクセル、横300ピクセルに設定
p = figure(width=300, height=300)

#vbarメソッドでグラフを描画
#X軸のデータをx、Y軸のデータをyに設定
p.vbar(x=x, top=y)

#グラフ描画
show(p)

グラフのサイズ変更

グラフのサイズを変更する場合、figureクラス内のwidthとheightを指定することで変更が可能です。サンプルでは300ピクセル四方としています。

数字を書き換えることで任意のサイズに変更可能です。グラフの形状によって任意の大きさにすると見やすくなると思います。

400ピクセル四方に変更してみました。

棒グラフの幅変更

サンプルの棒グラフは棒と棒の間隔が完全に埋まっているので、いわゆる棒グラフっぽい見た目になっていません。この幅についても自由に調節可能です。

棒の幅はvbarクラスのwidth属性で設定します。デフォルトの設定では1なので、少し細めに0.75に設定してみます。サンプルのコードにはないので追記します。

結構棒グラフっぽい見た目になったのではないでしょうか。

棒グラフの色変更

棒グラフの色を変更します。グラフの色はvbarクラスのfill_color属性で設定します。色に関してはHTMLカラーコードか、CSS文字列でも設定が可能です。今回はHTMLカラーコードでlimegreen(#32cd32)に設定しました。

カラーコードはシングルクォーテーションでくくらないとエラーになってしまうので注意が必要です。

棒グラフの枠線描画

棒グラフの枠線ももちろん変更可能です。枠線の太さはvbarクラスのline_width属性で設定します。デフォルトの太さは1.0となっています。今回は分かりやすくするため3.0に設定しました。

棒グラフの枠線色変更

棒グラフの枠線色はvbarクラスのline_color属性で設定します。fill_color属性同様HTMLカラーコードかCSS文字列で設定可能です。今回の例ではdarkgray(#a9a9a9)に設定しました。

できあがったグラフはこのようになりました。

編集したコードは以下の通りです。

#<python>
#使用モジュール宣言
from bokeh.plotting import figure, show

#グラフの要素
#X軸が月、Y軸が気温
x = [1, 2, 3, 4, 5, 6]
y = [2, 1, 6, 12, 16, 21]

#Figureクラスからインスタンスを生成
#グラフのサイズを縦400ピクセル、横400ピクセルに設定
p = figure(width=400, height=400)

#vbarメソッドでグラフを描画
#X軸のデータをx、Y軸のデータをyに設定
p.vbar(x=x, top=y, width=0.75, fill_color='#32cd32', line_width=3.0, line_color='#a9a9a9')

#グラフ描画
show(p)

以上のように、コード内でパラメータを設定することで表計算ソフト同様にグラフの見た目を自由に変更可能です。

表計算ソフトならGUI上で”グラフの書式設定”のような項目を使って変更できるのでコードで編集するのは大変に感じますが、かなり自由度の高いカスタマイズが可能な点、コードの処理次第で自動的に色を変えるなど見た目の設定を自動化できる点などが優れています。

自転車ツーリングで取得したGPSデータの表現を目的としてPython用のグラフ描画ライブラリであるBokehをよく触っているのですが、覚えたことを整理しておきたくなったのでエントリにまとめておこうと思います。

まずはPythonによるプログラミングの環境構築とBokehのインストール、その後簡単な棒グラフの描画までです。

Pythonのインストール

Windows10または11の場合、PythonのインストールはMicrosoft Storeからが簡単で良いと思います。詳細な手順はMicrosoft公式のドキュメントがわかりやすくて良いと思います。

Windows で Python を使ってみる (初心者向け)

[Microsoft Learn]

プログラムを書くこと自体はメモ帳などのテキストエディターでも可能ですが、せっかくなので上記ドキュメントにもある通り無料のVisual Studio Code(VS Code)を入れておくと良いと思います。入力補完が効いてくれるので入力の手数が少なくて済みます。

Bokehのインストール

続いてBokehをインストールします。Pythonのパッケージ管理システムであるpipを使用します。Powershellまたはターミナルを開き、

pip install bokeh

と入力してEnterキーを押すだけでインストールは自動的に完了します。これでVisual Studio Code内でBokehが使えます。

棒グラフの描画

まずシンプルで理解しやすい棒グラフを描いてみます。

Visual Studio Codeを起動して”ファイル”→”新しいテキストファイル”と選択します。

新しいタブが開き、”言語の選択、または別のエディターを開くを使用して開始します。”という表示が出るので”言語の選択”の部分をクリックします。何の言語でプログラムを書くかを聞いてくるので、Pythonを選択します。

コードは以下のように記述しました。

続きを読む →

自転車に乗っていると気になるのは風の問題です。空気抵抗で走行に大きく影響が出るので、自転車で出かける日の風向・風速は非常に気になる情報です。

関東平野に対して長野県では風に悩まされることは少ないのではないかと思っていたのですが、実際に走ってみるとあまり変わらないか、状況次第では関東平野より風が強く感じることもあります。

しかしこれはあくまで感覚的な話なので視覚化して比較する方法を検討してみました。

風配図

特定の地点でどちらの方向からどれくらいの強さの風が吹いてくるかを表現する時に使うのが”風配図”です。パッと見はレーダーチャートに似ていますが、方位（出現頻度）と同時に風の強さの内訳を表現するのが特徴です。

方位・出現頻度・風速の内訳の3要素を1つの図で表現するので、ExcelやGoogleスプレッドシートの機能では難しそうに感じました。調べてみたところPythonには専用のライブラリがあるらしいことが分かったので、bokeh.plotの要領で作図できないか調べてみました。

Windroseライブラリ

風配図を描くのに使えるのがWindroseというライブラリです。

windrose’s documentation

[windrose]

インストールはPythonなのでpipを使います。

<python>
$ pip install windrose

他にmatplotlibとnumpyが必要になるので、必要に応じてこれらもインストールします。

インストールができたらサンプルのコードをコピー＆ペーストして仕組みをチェックしてみます。基本的には風向(サンプルコード内ではwd)と風速(サンプルコード内ではws)を組にして読み込ませれば良いことが分かりました。

実際のコードと描画

サンプルコードで試した情報を踏まえて実際に気象庁のアメダスデータを読み込んで描画するコードを作成しました。元はサンプルの先頭にある風向出現率をパーセントで表すコードです。気象庁のアメダスデータに対応させるために風向の文字列を角度に読み替える処理と、欠測データをスキップする処理を追加しました。

スクリプトと同じディレクトリに”wind.csv”という名称で気象庁のアメダスデータ（風向・風速のみ）を配置してコードを実行すると風配図が描画されます。

<python>
import csv
from dataclasses import replace
from email import header
import string
from windrose import WindroseAxes
from matplotlib import pyplot as plt
import matplotlib.cm as cm
import numpy as np

#csvの読み取り
csv_file = open("./wind.csv", "r", encoding="ms932", errors="", newline="")
reader = csv.reader(csv_file)

#ヘッダ情報を5行分スキップ
i = 0
while i <= 5:
    header = next(reader)
    i = i + 1

#リストの宣言
ws = [] 
wd = []
wdfloat = []

#csvの値をリストに追加
for row in reader:
    #欠測データのある行はスキップ
    if len(row[1]) != 0 and len(row[3]) != 0:
        ws.append(float(row[1])) 
        wd.append(str(row[3])) 


#風向の文字列を角度の数値に変換
for strd in wd:
    dictitonary = {
        '北北東':'22.5',
        '東北東':'67.5', 
        '東南東':'112.5', 
        '南南東':'157.5', 
        '南南西':'202.5', 
        '西南西':'247.5', 
        '西北西':'292.5', 
        '北北西':'337.5', 
        '北東':'45', 
        '南東':'135', 
        '南西':'225', 
        '北西':'315', 
        '北':'0', 
        '東':'90', 
        '南':'180', 
        '西':'270',
        '静穏':'0'
        }

#風向文字列を辞書データで変換
    floatd = dictitonary[strd]
#float型にしてリストに追加
    wdfloat.append(float(floatd))

#風配図描画
ax = WindroseAxes.from_ax()
ax.bar(wdfloat, ws, normed=True, opening=0.8, edgecolor='white')
ax.set_legend()
plt.show()

今回は直近3ヶ月のアメダスデータ（時別）を使って描画を行いました。図にしてみると傾向は明瞭で、

• 風向は北-北東と南西-西の出現率が高い
• 特に西南西の風が吹く場合が多い
• 風速は2.0m/s-5.9m/sが大半を占める

ことが読み取れます。やはり図にしてみると非常にわかりやすく感じます。

今回、データは期間の全データを使ってざっくり作図をしましたが、もっと期間を細かくしたり、あるいは時間帯別に集計してみるとまた違う傾向が見えてくると思います。何となく自分の中で”こうなのではないか？”と思っている仮説がいくつかあるので、それらの検証を行ってみたいと思っています。