6.5. plotly

Plotly はインタラクティブなグラフを簡単に作成できるライブラリです。Python だけでなく、統計解析に強い R など他の言語からも利用できるため、多くのユーザーに支持されています。数ある可視化ライブラリの中でも、Plotly は一度は触れておく価値のあるツールです。本節では、Plotly を使って基本的なグラフを作成する方法を紹介します。

6.5.1. plotly ライブラリー

Plotly には主に 2 種類の使用方法があります。一つは、plotly.graph_objects モジュールを利用した方法です。高度なカスタマイズが可能で、柔軟性が高い反面、コード量が多くなりがちです。もう一つが plotly.express モジュールを利用する方法です。少ないコードで手軽にグラフを描けるシンプルなインターフェースです。Seaborn に似ており、データフレームを与えて、列名で x 軸および y 軸を指定して描画します。ここでは、簡潔に使える plotly.express を中心に紹介します。

このモジュールを利用するには次のようにインポートします。

import plotly.express as px

続けて、可視化用にどんぐりのデータセットとタネツケバナの遺伝子発現量データセットを読み込みます。どんぐりのデータセット（acorns.clean.csv）には、さまざまな種類のどんぐり（樹種）に関する情報が記録されています。各サンプルについて、樹種（tree）、重さ（weight）、高さ（height）、直径（diameter）のデータが記録されています。

# !wget https://py.biopapyrus.jp/data/acorns.clean.csv
acorn_data = pd.read_csv('acorns.clean.csv')
acorn_data.head()

	tree	weight	height	diameter
0	kunugi	5.55	2.27	1.89
1	kunugi	4.62	1.98	1.84
2	kunugi	5.05	2.08	1.90
3	kunugi	5.44	2.18	1.91
4	kunugi	5.60	2.20	1.93

タネツケバナの遺伝子発現量データ（cinsueta_exp.csv）は、Cardamine insueta の葉を水面に浮かべたあと、経過時間（0〜96時間）ごとの遺伝子発現量の変化を測定したデータです。

# !wget https://py.biopapyrus.jp/data/cinsueta_exp.csv
exp_data = pd.read_csv('cinsueta_exp.csv', index_col=0)
exp_data = exp_data.reset_index()
exp_data.head()

	gene	0h	2h	4h	8h	12h	24h	48h	72h	96h
0	CARHR000010	419	306	1935	2310	2976	242	543	739	402
1	CARHR000060	531	149	981	70	123	348	691	366	160
2	CARHR000090	27	1	0	0	0	0	0	0	0
3	CARHR000110	108	30	93	101	127	55	98	99	75
4	CARHR000120	14	5	0	0	0	0	0	1	0

6.5.2. 散布図

Plotly Express では、scatter 関数を使って散布図を描きます。たとえば、どんぐりの高さを x 軸、重さを y 軸としてプロットしたい場合は、次のように書きます。

fig = px.scatter(acorn_data, x='height', y='weight')
fig.show()

また、color オプションにデータフレームの列名を指定することで、点の色をその列のカテゴリや値に応じて自動で変更できます。size オプションを利用すると、各点のサイズも調整可能です。次は、点の色をどんぐりの樹種（tree 列）で変化させ、点のサイズをどんぐりの直径（diameter）に応じて変化させている例です。

fig = px.scatter(acorn_data, x='height', y='weight', color='tree', size='diameter')
fig.show()

6.5.3. 線グラフ

タネツケバナの遺伝子発現量データを用いて、特定の遺伝子における発現量の時間変化を折れ線グラフで可視化してみましょう。exp_data データフレームは、行に遺伝子、列に時間ごとの発現量が格納された形式になっています。しかし、このままでは x 軸を時間、y 軸を発現量として、列名で指定できません。そこで、以下のように pd.melt 関数を用いてデータフレームの形を変えます。

exp_data_long = pd.melt(exp_data.iloc[0:5, ], id_vars='gene', var_name='timepoint', value_name='exp')

続けて、発現量を対数化し[1]、時間ラベルを整数に変換します。

exp_data_long['log10exp'] = np.log10(exp_data_long['exp'] + 1)
exp_data_long['timepoint'] = exp_data_long['timepoint'].str.replace('h', '').astype(int)
exp_data_long

	gene	timepoint	exp	log10exp
0	CARHR000010	0	419	2.623249
1	CARHR000060	0	531	2.725912
2	CARHR000090	0	27	1.447158
3	CARHR000110	0	108	2.037426
4	CARHR000120	0	14	1.176091
5	CARHR000010	2	306	2.487138
6	CARHR000060	2	149	2.176091
7	CARHR000090	2	1	0.301030
8	CARHR000110	2	30	1.491362
9	CARHR000120	2	5	0.778151
10	CARHR000010	4	1935	3.286905
11	CARHR000060	4	981	2.992111
12	CARHR000090	4	0	0.000000
13	CARHR000110	4	93	1.973128
14	CARHR000120	4	0	0.000000
15	CARHR000010	8	2310	3.363800
16	CARHR000060	8	70	1.851258
17	CARHR000090	8	0	0.000000
18	CARHR000110	8	101	2.008600
19	CARHR000120	8	0	0.000000
20	CARHR000010	12	2976	3.473779
21	CARHR000060	12	123	2.093422
22	CARHR000090	12	0	0.000000
23	CARHR000110	12	127	2.107210
24	CARHR000120	12	0	0.000000
25	CARHR000010	24	242	2.385606
26	CARHR000060	24	348	2.542825
27	CARHR000090	24	0	0.000000
28	CARHR000110	24	55	1.748188
29	CARHR000120	24	0	0.000000
30	CARHR000010	48	543	2.735599
31	CARHR000060	48	691	2.840106
32	CARHR000090	48	0	0.000000
33	CARHR000110	48	98	1.995635
34	CARHR000120	48	0	0.000000
35	CARHR000010	72	739	2.869232
36	CARHR000060	72	366	2.564666
37	CARHR000090	72	0	0.000000
38	CARHR000110	72	99	2.000000
39	CARHR000120	72	1	0.301030
40	CARHR000010	96	402	2.605305
41	CARHR000060	96	160	2.206826
42	CARHR000090	96	0	0.000000
43	CARHR000110	96	75	1.880814
44	CARHR000120	96	0	0.000000

データの整形が完了したら、plotly.express の line 関数を使って、遺伝子ごとの発現変化の時系列変化を折れ線グラフで可視化します。

fig = px.line(exp_data_long, x='timepoint', y='log10exp', color='gene')
fig.show()

6.5.4. 棒グラフ

どんぐりのデータを使って、樹種ごとの重さの平均を棒グラフにして視覚化する方法を紹介します。まず、acorn_data を樹種（tree）ごとに集計し、それぞれの測定項目の平均値を求めます。

acorn_weight = acorn_data.groupby('tree').agg(np.mean).reset_index()
acorn_weight

	tree	weight	height	diameter
0	arakashi	1.487857	1.846429	1.162857
1	konara	1.557000	2.115000	1.108000
2	kunugi	5.521000	2.187000	1.932000
3	matebashii	2.953000	2.699000	1.381000
4	shirakashi	1.806000	1.994667	1.230000

重さ（weight）の平均値を縦棒グラフで可視化します。x 軸に樹種、y 軸に平均重さを指定します。

fig = px.bar(acorn_weight, x='tree', y='weight')
fig.show()

重さ以外の測定項目（height や diameter など）も含めて比較したい場合は、測定項目が列名として指定できるようにデータフレームの形を変更します。

acorn_weight_long = pd.melt(acorn_weight, id_vars='tree', var_name='item', value_name='value')
acorn_weight_long.head()

	tree	item	value
0	arakashi	weight	1.487857
1	konara	weight	1.557000
2	kunugi	weight	5.521000
3	matebashii	weight	2.953000
4	shirakashi	weight	1.806000

続けて、整形後のデータを使って、item 列の値（重さ、直径、高さなど）ごとに色分けした横並びの棒グラフを描きます。barmode='group' を指定することで、グループごとに棒が並びます。

fig = px.bar(acorn_weight_long, x='tree', y='value', color='item', barmode='group')
fig.show()

なお、barmode を省略した場合は、積み上げ棒グラフが描かれます。

fig = px.bar(acorn_weight_long, x='tree', y='value', color='item')
fig.show()

6.5.5. ヒストグラム

histogram 関数を使うと、数値データの分布をヒストグラムで可視化できます。たとえば、どんぐりの重さ（weight）の分布を表示するには、次のように書きます。

fig = px.histogram(acorn_data, x='weight')
fig.show()

color オプションを使うと、どんぐりの樹種（tree）ごとに色分けしたヒストグラムを描くことができます。複数個のヒストグラムがある場合、barmode='overlay' を使うことで、重ねて表示されるようになります。また、nbins でビン（棒）の数を指定することができます。

fig = px.histogram(acorn_data, x='weight', color='tree', nbins=20, barmode='overlay')
fig.show()

histogram 関数の marginal オプションを使えば、ヒストグラムの上部にボックスプロットを追加することができます。マウスをボックスプロットに載せると、各種の要約統計量を確認することができます。

fig = px.histogram(acorn_data, x='weight', color='tree', nbins=20, barmode='overlay', marginal='box')
fig.show()

---

[1]

遺伝子発現量のデータは、値の幅が広いため、可視化の前に対数変換を行うのが一般的です。これにより、極端に大きい値による変動幅の偏りを抑え、全体の変化をより見やすくすることができます。この例でも、 NumPy の np.log10 関数を使って、遺伝子発現量の値を対数化してからグラフを作成しています。