データサイエンス

Pythonの可視化パッケージ Seaborn の Lineplot の凡例でハマったこと

GRI
 

What is Seaborn?

Pythonの可視化パッケージにはいくつかありますが、そのうちの一つに Seaborn があります。
代表的なパッケージとしては以下があります。

それぞれにユニークな特徴がありますが、Seaborn は 比較的に低級なパッケージである Matplotlib のラッパーになっていて、簡単にキレイなVizをつくれるのがうれしいです。
また、最近のパッケージにはほとんど導入されていると思いますが、列指向の DataFrame を前提に作られているのが特に気に入っています。
BIツールのTableauも列指向のデータが前提ですね。
Seaborn の ドキュメントには列指向データを以下のよう簡潔で分かりやすく表現しています。

(seaborn.lineplot の API reference より抜粋)
Parameters:
data : DataFrame
Tidy (“long-form”) dataframe where each column is a variable and each row is an observation.

データサイエンティストは Tidy なデータは大好物ですが、Messy なデータはちょっと。。。という感じですよね。
ちなみにTidyデータの構造に関する資料は以下のペーパーが気に入ってます。

https://vita.had.co.nz/papers/tidy-data.pdf
vita.had.co.nz
外部サイト
 
https://vita.had.co.nz/papers/tidy-data.pdf

Lineplot でハマった点

本題ですが、あるIoTデバイスの加速度データを周波数解析し、各周波数帯ごとのスペクトルパワーを可視化した際に、
その凡例が正しく表示されない挙動でハマりました。

前提条件は以下です。

  • Seaborn==0.9.0
  • 入力データフレーム (df_filter_bank)

f:id:gri-blog:20200123195817p:plain
(sampling_at: 時刻, Period: 波長（周波数の逆数で、単位はhour), PSD: スペクトルパワー)

上記条件下で以下のコードを実行しました。

df_plot = df_filter_bank.loc[df_filter_bank['Period'].isin([2.0, 4.0, 8.0, 16.0])]
fig, ax = plt.subplots(figsize=(20, 8))
sns.lineplot(data=df_plot,
x=df_plot.index,
y='PSD',
hue='Period',
ax=ax)
fig.show()

上記コードを補足すると、波長が2, 4, 8, 16 時間のデータを抽出し、それらを個別にlineplot で描画するという単純なものです。
結果は以下のようになりました。

f:id:gri-blog:20200123200454p:plain

Vizの凡例（legend）に注目してください。プロットする波長は4つの組合せ（2, 4, 8, 16 時間）のはずなのに、
結果はなぜか（0, 5, 10, 15, 20）となっています。値が違うどころか、個数すら違います。

hue に指定したデータ型がNumeric が原因なのではと思い、文字列型にcastしたところ、以下のエラーが。。。

AttributeError: 'str' object has no attribute 'view'

解決した方法

以下のGithubのIssueに情報がありました。

Incorrect legend in lineplot when using numeric values in hue · Issue #1653 ·...
I believe this is related to #1560 but happens even when style is not used and gives incorrect behaviour with lineplot. Here's an example. The legend should have two items, 0.2 and 0.3 import matpl...
GitHub
外部サイト
 
https://github.com/mwaskom/seaborn/issues/1653

詳細はIssueを読んで頂ければ分かると思いますが、数値型データをhueとして使う場合には、一旦Tex形式の文字列にするという割とトリッキーな方法が紹介されてました。
Matplotlib にはTex形式で数式記述ができる機能が公開されていて、それを利用しているんですね。

Writing mathematical expressions — Matplotlib 3.1.2 documentation

https://matplotlib.org/tutorials/text/mathtext.html
matplotlib.org
外部サイト
 
https://matplotlib.org/tutorials/text/mathtext.html

実際、実行コードを以下のようにすると正しい挙動になりました。

df_plot = df_filter_bank.loc[df_filter_bank['Period'].isin([2.0, 4.0, 8.0, 16.0])]
# 以下を追加
df_plot['Period'] = ["$%s$" % x for x in df_plot['Period']]
fig, ax = plt.subplots(figsize=(20, 8))
sns.lineplot(data=df_plot,
x=df_plot.index,
y='PSD',
hue='Period',
ax=ax)
fig.show()
f:id:gri-blog:20200123212657p:plain

さいごに

Lineplot をつくる際には hue に数値型データを利用したいことは結構あると思います。Seaborn を上手く改修できるのが一番ですが、この記事ではちゃちゃっと改修するための方法を紹介しました。

関連の記事