パラレルセットグラフ

準備

Import

Show code cell content Hide code cell content

# warningsモジュールのインポート
import warnings

# データ解析や機械学習のライブラリ使用時の警告を非表示にする目的で警告を無視
# 本書の文脈では、可視化の学習に議論を集中させるために選択した
# ただし、学習以外の場面で、警告を無視する設定は推奨しない
warnings.filterwarnings("ignore")

Show code cell content Hide code cell content

# itertoolsモジュールのインポート
# 効率的なループを実行するためのイテレータビルディングブロックを提供
# これにより、データのコンビネーションや順列などを簡潔に表現できる
import itertools

# pathlibモジュールのインポート
# ファイルシステムのパスを扱う
from pathlib import Path

# typingモジュールからの型ヒント関連のインポート
# 関数やクラスの引数・返り値の型を注釈するためのツール
from typing import Any, Dict, List, Optional, Union

# numpy：数値計算ライブラリのインポート
# npという名前で参照可能
import numpy as np

# pandas：データ解析ライブラリのインポート
# pdという名前で参照可能
import pandas as pd

# plotly.expressのインポート
# インタラクティブなグラフ作成のライブラリ
# pxという名前で参照可能
import plotly.express as px

# plotly.graph_objectsからFigureクラスのインポート
# 型ヒントの利用を主目的とする
from plotly.graph_objects import Figure

変数

Show code cell content Hide code cell content

# マンガデータ保存ディレクトリのパス
DIR_CM = Path("../../../data/cm/input")
# アニメデータ保存ディレクトリのパス
DIR_AN = Path("../../../data/an/input")
# ゲームデータ保存ディレクトリのパス
DIR_GM = Path("../../../data/gm/input")

# マンガデータの分析結果の出力先ディレクトリのパス
DIR_OUT_CM = (
    DIR_CM.parent / "output" / Path.cwd().parts[-2] / Path.cwd().parts[-1] / "parallel"
)
# アニメデータの分析結果の出力先ディレクトリのパス
DIR_OUT_AN = (
    DIR_AN.parent / "output" / Path.cwd().parts[-2] / Path.cwd().parts[-1] / "parallel"
)
# ゲームデータの分析結果の出力先ディレクトリのパス
DIR_OUT_GM = (
    DIR_GM.parent / "output" / Path.cwd().parts[-2] / Path.cwd().parts[-1] / "parallel"
)

Show code cell content Hide code cell content

# 読み込み対象ファイル名の定義

# マンガ作品とマンガ作者の対応関係に関するファイル
FN_CC_CRT = "cm_cc_crt.csv"

# マンガ各話に関するファイル
FN_CE = "cm_ce.csv"

# アニメ作品と原作者の対応関係に関するファイル
FN_AC_ACT = "an_ac_act.csv"

# アニメ各話に関するファイル
FN_AE = "an_ae.csv"

# ゲームパッケージとプラットフォームの対応関係に関するファイル
FN_PKG_PF = "gm_pkg_pf.csv"

Show code cell content Hide code cell content

# 可視化に関する設定値の定義

# 「年代」の集計単位
UNIT_YEARS = 10

Show code cell content Hide code cell content

# plotlyの描画設定の定義

# plotlyのグラフ描画用レンダラーの定義
# Jupyter Notebook環境のグラフ表示に適切なものを選択
RENDERER = "plotly_mimetype+notebook"

Show code cell content Hide code cell content

# pandasのweekday関数で取得できる曜日の数値と実際の曜日名を対応させる辞書を定義
# 0:月曜日, 1:火曜日, ... , 6:日曜日
WEEKDAY2YOBI = {
    0: "月",
    1: "火",
    2: "水",
    3: "木",
    4: "金",
    5: "土",
    6: "日",
}

Show code cell content Hide code cell content

# 国内主要ゲームメーカーのプラットフォームとメーカー名の対応辞書
# キー: プラットフォーム名、値: メーカー名の略称
PF2MK = {
    "プレイステーション": "ソニー",
    "プレイステーション2": "ソニー",
    "プレイステーション・ポータブル": "ソニー",
    "プレイステーション3": "ソニー",
    "プレイステーションVita": "ソニー",
    "プレイステーション4": "ソニー",
    "ゲームアーカイブス": "ソニー",
    "SG-1000": "セガ",
    "SC-3000": "セガ",
    "SEGAマーク3": "セガ",
    "セガ・マスターシステム": "セガ",
    "メガドライブ": "セガ",
    "ゲームギア": "セガ",
    "セガサターン": "セガ",
    "ドリームキャスト": "セガ",
    "ファミリーコンピュータ": "任天堂",
    "ゲームボーイ": "任天堂",
    "スーパーファミコン": "任天堂",
    "NINTENDO64": "任天堂",
    "ゲームボーイアドバンス": "任天堂",
    "ニンテンドーゲームキューブ": "任天堂",
    "ニンテンドーDS": "任天堂",
    "ニンテンドー3DS": "任天堂",
    "Wii": "任天堂",
    "WiiU": "任天堂",
    "NintendoSwitch": "任天堂",
}

Show code cell content Hide code cell content

# 質的変数の描画用のカラースケールの定義

# Okabe and Ito (2008)基準のカラーパレット
# 色の識別性が高く、多様な色覚の人々にも見やすい色組み合わせ
# 参考URL: https://jfly.uni-koeln.de/color/#pallet
OKABE_ITO = [
    "#000000",  # 黒 (Black)
    "#E69F00",  # 橙 (Orange)
    "#56B4E9",  # 薄青 (Sky Blue)
    "#009E73",  # 青緑 (Bluish Green)
    "#F0E442",  # 黄色 (Yellow)
    "#0072B2",  # 青 (Blue)
    "#D55E00",  # 赤紫 (Vermilion)
    "#CC79A7",  # 紫 (Reddish Purple)
]

関数

Show code cell source Hide code cell source

def show_fig(fig: Figure) -> None:
    """
    所定のレンダラーを用いてplotlyの図を表示
    Jupyter Bookなどの環境での正確な表示を目的とする

    Parameters
    ----------
    fig : Figure
        表示対象のplotly図

    Returns
    -------
    None
    """

    # 図の周囲の余白を設定
    # t: 上余白
    # l: 左余白
    # r: 右余白
    # b: 下余白
    fig.update_layout(margin=dict(t=25, l=25, r=25, b=25))

    # 所定のレンダラーで図を表示
    fig.show(renderer=RENDERER)

Show code cell content Hide code cell content

def add_years_to_df(
    df: pd.DataFrame, unit_years: int = UNIT_YEARS, col_date: str = "date"
) -> pd.DataFrame:
    """
    データフレームにunit_years単位で区切った年数を示す新しい列を追加

    Parameters
    ----------
    df : pd.DataFrame
        入力データフレーム
    unit_years : int, optional
        年数を区切る単位、デフォルトはUNIT_YEARS
    col_date : str, optional
        日付を含むカラム名、デフォルトは "date"

    Returns
    -------
    pd.DataFrame
        新しい列が追加されたデータフレーム
    """

    # 入力データフレームをコピー
    df_new = df.copy()

    # unit_years単位で年数を区切り、新しい列として追加
    df_new["years"] = (
        pd.to_datetime(df_new[col_date]).dt.year // unit_years * unit_years
    )

    # 'years'列のデータ型を文字列に変更
    df_new["years"] = df_new["years"].astype(str)

    return df_new

Show code cell content Hide code cell content

def add_id_to_df(df: pd.DataFrame, column_name: str) -> pd.DataFrame:
    """
    指定されたカラムのユニークな値に対してIDを付与する

    Parameters
    ----------
    df : pandas.DataFrame
        IDを付与する対象のDataFrame
    column_name : str
        IDを付与するカラムの名前

    Returns
    -------
    pandas.DataFrame
        更新されたDataFrame。元のDataFrameには影響を与えない
    """

    # 元のDataFrameをコピーして、新しいDataFrameを作成
    df_new = df.copy()

    # 指定されたカラムのユニークな値を取得して、それぞれにIDを割り当てる
    value2id = {x: i for i, x in enumerate(sorted(df[column_name].unique()))}

    # 新しいカラムを作成して、それぞれの値に対応するIDを割り当てる
    df_new[f"{column_name}ID"] = df_new[column_name].map(value2id)

    # 更新されたDataFrameを返す
    return df_new

Show code cell content Hide code cell content

def format_cols(df: pd.DataFrame, cols_rename: Dict[str, str]) -> pd.DataFrame:
    """
    指定されたカラムのみをデータフレームから抽出し、カラム名をリネームする関数

    Parameters
    ----------
    df : pd.DataFrame
        入力データフレーム
    cols_rename : Dict[str, str]
        リネームしたいカラム名のマッピング（元のカラム名: 新しいカラム名）

    Returns
    -------
    pd.DataFrame
        カラムが抽出・リネームされたデータフレーム
    """

    # 指定されたカラムのみを抽出し、リネーム
    df = df[cols_rename.keys()].rename(columns=cols_rename)

    return df

Show code cell content Hide code cell content

def save_df_to_csv(df: pd.DataFrame, dir_save: Path, fn_save: str) -> None:
    """
    DataFrameをCSVファイルとして指定されたディレクトリに保存する関数

    Parameters
    ----------
    df : pd.DataFrame
        保存対象となるDataFrame
    dir_save : Path
        出力先ディレクトリのパス
    fn_save : str
        保存するCSVファイルの名前（拡張子は含めない）
    """
    # 出力先ディレクトリが存在しない場合は作成
    dir_save.mkdir(parents=True, exist_ok=True)

    # 出力先のパスを作成
    p_save = dir_save / f"{fn_save}.csv"

    # DataFrameをCSVファイルとして保存する
    df.to_csv(p_save, index=False, encoding="utf-8-sig")

    # 保存完了のメッセージを表示する
    print(f"DataFrame is saved as '{p_save}'.")

可視化例

マンガデータ

Show code cell content Hide code cell content

# pandasのread_csv関数でCSVファイルの読み込み
df_cc_crt = pd.read_csv(DIR_CM / FN_CC_CRT)

Show code cell content Hide code cell content

# ccidごとの最初の登場年代を格納するDataFrameを作成
# まず、ccidごとにgroupbyし、最も古いfirst_dateを抽出
df_cc_fyears = (
    df_cc_crt.groupby("ccid")["first_date"].min().reset_index(name="first_date")
)
# first_dateをもとにUNIT_YEARS単位でfirst_years列を計算
df_cc_fyears["first_years"] = (
    pd.to_datetime(df_cc_fyears["first_date"]).dt.year // UNIT_YEARS * UNIT_YEARS
)

# ccidごとのユニークなcrt数を集計し、単著か共著かを判断
# このとき、可視化で使うためmcnameも列として残しておくことに注意
df_cc_ncrt = (
    df_cc_crt.groupby(["ccid", "ccname", "mcname"])["crtid"]
    .nunique()
    .reset_index(name="n_crt")
)
# n_crt==1の場合は単独制作、それ以外は共同制作とする
df_cc_ncrt["n_crt"] = df_cc_ncrt["n_crt"].apply(
    lambda x: "単独制作" if x == 1 else "共同制作"
)

# df_cc_yearsとdf_cc_crtを結合
df_cm = pd.merge(df_cc_ncrt, df_cc_fyears, on="ccid")

Show code cell content Hide code cell content

# ccidが重複した行数が0であることを確認
assert df_cm["ccid"].duplicated().sum() == 0

Show code cell content Hide code cell content

# 可視化時に見やすい順序に並ぶよう並び替え
df_cm = df_cm.sort_values(["mcname", "first_years", "n_crt"], ignore_index=True)

# 可視化のために列名を変更
cols_cm = {
    "ccname": "マンガ作品名",
    "mcname": "マンガ雑誌名",
    "first_years": "初出年代",
    "n_crt": "制作形態",
}
df_cm = format_cols(df_cm, cols_cm)

# 可視化用にint型のmcidを追加
df_cm = add_id_to_df(df_cm, "マンガ雑誌名")

Show code cell content Hide code cell content

# 可視化対象のDataFrmeを確認
df_cm.head()

	マンガ作品名	マンガ雑誌名	初出年代	制作形態	マンガ雑誌名ID
0	QBジョーのタッチダウン	週刊少年サンデー	1970	共同制作	0
1	青い目のバンチョウ	週刊少年サンデー	1970	共同制作	0
2	明日にむかって走れ!	週刊少年サンデー	1970	共同制作	0
3	当たり屋	週刊少年サンデー	1970	共同制作	0
4	あばれフブキ	週刊少年サンデー	1970	共同制作	0

Show code cell content Hide code cell content

# 可視化対象DataFrameを保存
save_df_to_csv(df_cm, DIR_OUT_CM, "cm")

DataFrame is saved as '../../../data/cm/output/vol2/03/parallel/cm.csv'.

Show code cell source Hide code cell source

# Plotly Expressを使ってパラレルセットグラフを作成
# 'マンガ雑誌名', '初出年代', '制作形態' のカテゴリを基にして、'マンガ雑誌名ID'の値で色分け
# color_continuous_scaleで質的変数のカラーマップを設定するとき、水準数と同じサイズのリストを渡すと良い
fig = px.parallel_categories(
    df_cm,
    dimensions=["マンガ雑誌名", "制作形態", "初出年代"],
    color="マンガ雑誌名ID",
    color_continuous_scale=OKABE_ITO[:4],
)

# カラーバーの表示をオフに設定
fig.update_coloraxes(showscale=False)

# 作成した図を表示
show_fig(fig)

Show code cell content Hide code cell content

# 制作形態列に応じてint型のidを付与（年代列はstr型）
df_cm = add_id_to_df(df_cm, "制作形態")

Show code cell source Hide code cell source

# Plotly Expressを使ってパラレルセットグラフを作成
# 'マンガ雑誌名', '制作形態, '初出年代' のカテゴリを基にして、'制作形態ID'の値で色分け
# color_continuous_scaleで質的変数のカラーマップを設定するとき、水準数と同じサイズのリストを渡すと良い
fig = px.parallel_categories(
    df_cm,
    dimensions=["マンガ雑誌名", "制作形態", "初出年代"],
    color="制作形態ID",
    color_continuous_scale=OKABE_ITO[:2],
)

# カラーバーの表示をオフに設定
fig.update_coloraxes(showscale=False)

# 作成した図を表示
show_fig(fig)

Show code cell source Hide code cell source

# Plotly Expressを使ってパラレルセットグラフを作成
# '制作形態', 'マンガ雑誌名', '初出年代' のカテゴリを基にして、'制作形態ID'の値で色分け
# color_continuous_scaleで質的変数のカラーマップを設定するとき、水準数と同じサイズのリストを渡すと良い
fig = px.parallel_categories(
    df_cm,
    dimensions=["制作形態", "マンガ雑誌名", "初出年代"],
    color="制作形態ID",
    color_continuous_scale=OKABE_ITO[:2],
)

# カラーバーの表示をオフに設定
fig.update_coloraxes(showscale=False)

# 作成した図を表示
show_fig(fig)

アニメデータ

Show code cell content Hide code cell content

# pandasのread_csv関数でCSVファイルの読み込み
df_ae = pd.read_csv(DIR_AN / FN_AE)

Show code cell content Hide code cell content

# datetime型に変換
df_ae["date"] = pd.to_datetime(df_ae["date"])

Show code cell content Hide code cell content

# acidの最初と最後のdateを集計
df_an = (
    df_ae.groupby("acid")
    .agg(first_date=("date", "min"), last_date=("date", "max"))
    .reset_index()
)

# 最初に放送された年代をfirst_years列として追加
df_an["first_years"] = df_an["first_date"].dt.year // UNIT_YEARS * UNIT_YEARS

# 最初に放送された曜日をfirst_weekday列として追加
df_an["first_weekday"] = df_an["first_date"].dt.weekday
# その曜日をfirst_yobi列として追加
df_an["first_yobi"] = df_an["first_weekday"].map(WEEKDAY2YOBI)

# 最初と最後の放送日の間の間隔を計算
df_an["duration"] = (df_an["last_date"] - df_an["first_date"]).dt.days

# durationが3ヶ月（90日）以上のものを複数クール作品として判定
df_an["n_cours"] = df_an["duration"].apply(
    lambda x: "2クール以上" if x > 90 else "1クール以下"
)

Show code cell content Hide code cell content

# acidが重複する行数が0であることを確認
assert df_an["acid"].duplicated().sum() == 0

Show code cell content Hide code cell content

# 'first_years' でグループ化し、各グループ内のユニークな 'acid' の数をカウント
df_an.groupby("first_years")["acid"].nunique().reset_index()

	first_years	acid
0	1960	2
1	1970	4
2	1990	454
3	2000	1546
4	2010	1631

Show code cell content Hide code cell content

# df_anから1990年代以降のデータのみをフィルタリング
df_an = df_an[df_an["first_years"].astype(int) >= 1990].reset_index(drop=True)

Show code cell content Hide code cell content

# 可視化用に各列の要素でソート
df_an = df_an.sort_values(
    ["first_years", "first_weekday", "duration"], ignore_index=True
)

# 可視化用に列名を変更
cols_an = {
    "acid": "アニメ作品名ID",
    "first_years": "初出年代",
    "first_yobi": "初出曜日",
    "n_cours": "クール数",
    "first_weekday": "初出曜日ID",
}
df_an = format_cols(df_an, cols_an)

# 可視化用にfirst_yearsを基準にint型のidを付与
df_an = add_id_to_df(df_an, "初出年代")

Show code cell content Hide code cell content

# 可視化対象のDataFrameを確認
df_an.head()

	アニメ作品名ID	初出年代	初出曜日	クール数	初出曜日ID	初出年代ID
0	C9867	1990	月	1クール以下	0	0
1	C9418	1990	月	1クール以下	0	0
2	C9869	1990	月	1クール以下	0	0
3	C9110	1990	月	1クール以下	0	0
4	C9066	1990	月	1クール以下	0	0

Show code cell content Hide code cell content

# 可視化対象DataFrameを保存
save_df_to_csv(df_an, DIR_OUT_AN, "an")

DataFrame is saved as '../../../data/an/output/vol2/03/parallel/an.csv'.

Show code cell source Hide code cell source

# Plotly Expressを使ってパラレルセットグラフを作成
# '初出年代', 'クール数', '初出曜日' のカテゴリを基にして、'初出年代ID' の値で色分け
# 色のスケールには Portland スタイルを使用
fig = px.parallel_categories(
    df_an,
    dimensions=["初出年代", "クール数", "初出曜日"],
    color="初出年代ID",
    color_continuous_scale=px.colors.diverging.Portland,
)

# カラーバーの表示をオフに設定
fig.update_coloraxes(showscale=False)

# 作成した図を表示
show_fig(fig)

Show code cell source Hide code cell source

# Plotly Expressを使ってパラレルセットグラフを作成
# '初出曜日', 'クール数', '初出年代' のカテゴリを基にして、'初出曜日ID' の値で色分け
# 色のスケールには OKABE_ITO の最初の7色を使用
fig = px.parallel_categories(
    df_an,
    dimensions=["初出曜日", "クール数", "初出年代"],
    color="初出曜日ID",
    color_continuous_scale=OKABE_ITO[:7],
)

# カラーバーの表示をオフに設定
fig.update_coloraxes(showscale=False)

# 作成した図を表示
show_fig(fig)

Show code cell content Hide code cell content

# 土日か否かをweekdayを基準に判断
df_an["土日"] = (df_an["初出曜日ID"] >= 5).astype(int)

Show code cell source Hide code cell source

# Plotly Expressを使ってパラレルセットグラフを作成
# '初出曜日', 'クール数', '初出年代' のカテゴリを基にして、'土日' の値で色分け
# 色のスケールには OKABE_ITO の最初の2色を使用
fig = px.parallel_categories(
    df_an,
    dimensions=["初出曜日", "クール数", "初出年代"],
    color="土日",
    color_continuous_scale=OKABE_ITO[:2],
)

# カラーバーの表示をオフに設定
fig.update_coloraxes(showscale=False)

# 作成した図を表示
show_fig(fig)

ゲームデータ

Show code cell content Hide code cell content

# pandasのread_csv関数でCSVファイルの読み込み
df_pkg_pf = pd.read_csv(DIR_GM / FN_PKG_PF)

Show code cell content Hide code cell content

# 重複のあるゲームパッケージ一覧を抽出
pkgids = df_pkg_pf[df_pkg_pf["pkgid"].duplicated()]["pkgid"].unique().tolist()
df_pkg_pf[df_pkg_pf["pkgid"].isin(pkgids)]

	pkgid	pfid	pkgname	publisher	date	price	pfname
653	M719684	PF00005	AIが止まらない! 新装版 0⇒9 新装版	講談社	2000-11-02	3800.0	MicrosoftWindows
654	M719684	PF00022	AIが止まらない! 新装版 0⇒9 新装版	講談社	2000-11-02	3800.0	macOS
691	M719729	PF00005	王宮夜想曲	月下氷人	2005-09-22	7140.0	MicrosoftWindows
692	M719729	PF00022	王宮夜想曲	月下氷人	2005-09-22	7140.0	macOS
721	M719759	PF00005	ボクの彼氏はジュリエット	サンダルダッシュ,イーアンツ有限会社	2002-10-11	6800.0	MicrosoftWindows
...	...	...	...	...	...	...	...
7724	M727844	PF00014	チャンピオン ボクシング	セガ・エンタープライゼス	1984-12-01	4300.0	SG-1000
9021	M735214	PF00022	ときめきメモリアル2タイピング	アクティマインド; コナミ	2003-05-22	5200.0	macOS
9022	M735214	PF00005	ときめきメモリアル2タイピング	アクティマインド; コナミ	2003-05-22	5200.0	MicrosoftWindows
9023	M735215	PF00022	ときめきメモリアルタイピング	アクティマインド; コナミ	2002-04-25	4900.0	macOS
9024	M735215	PF00005	ときめきメモリアルタイピング	アクティマインド; コナミ	2002-04-25	4900.0	MicrosoftWindows

73 rows × 7 columns

Show code cell content Hide code cell content

# 複数のゲームプラットフォームに紐づくゲームパッケージを可視化対象から除外
df_gm = df_pkg_pf[~df_pkg_pf["pkgid"].isin(pkgids)].reset_index(drop=True)

# 念のためassert文で重複がないことを再確認
assert df_gm["pkgid"].duplicated().sum() == 0

Show code cell content Hide code cell content

# 年代情報をdf_gmに追加
df_gm = add_years_to_df(df_gm, unit_years=10)

# PF2MK（プラットフォームとメーカーの対応辞書）でカバーしているプラットフォームのみ抽出
df_gm = df_gm[df_gm["pfname"].isin(PF2MK)].reset_index(drop=True)
# maker列にメーカー情報を追加
df_gm["maker"] = df_gm["pfname"].map(PF2MK)

# 曜日を表すint値をdateから算出し、weekday列として追加
df_gm["weekday"] = pd.to_datetime(df_gm["date"]).dt.weekday
# weekdayを日本の曜日情報に変換し、yobi列として追加
df_gm["yobi"] = df_gm["weekday"].map(WEEKDAY2YOBI)

Show code cell content Hide code cell content

# yearsごとのpkgid数を集計して表示
df_gm.groupby("years")["pkgid"].nunique().reset_index()

	years	pkgid
0	1980	324
1	1990	5871
2	2000	11789
3	2010	13661

Show code cell content Hide code cell content

# 1990年代以降を可視化対象として抽出
# なお、years列はstr型のため、astype(int)でint型にキャストしてから不等式を適用
df_gm = df_gm[df_gm["years"].astype(int) >= 1990].reset_index(drop=True)

Show code cell content Hide code cell content

# 可視化した際に見やすいよう、事前にソートしておく
df_gm = df_gm.sort_values(["maker", "weekday", "date"], ignore_index=True)

# 可視化のために列名を変更
cols_gm = {
    "pkgid": "パッケージID",
    "years": "発売年代",
    "maker": "メーカー名",
    "pfname": "プラットフォーム名",
    "yobi": "発売曜日",
    "weekday": "発売曜日ID",
}
df_gm = format_cols(df_gm, cols_gm)

# 可視化用に年代列に基づいたint型のid列を追加
df_gm = add_id_to_df(df_gm, "発売年代")

Show code cell content Hide code cell content

# 可視化対象のDataFrameを確認
df_gm.head()

	パッケージID	発売年代	メーカー名	プラットフォーム名	発売曜日	発売曜日ID	発売年代ID
0	M719593	1990	セガ	セガサターン	月	0	0
1	M760877	1990	セガ	セガサターン	月	0	0
2	M753265	2000	セガ	ドリームキャスト	月	0	1
3	M719176	2000	セガ	ドリームキャスト	月	0	1
4	M727306	1990	セガ	メガドライブ	火	1	0

Show code cell content Hide code cell content

# 可視化対象DataFrameを保存
save_df_to_csv(df_gm, DIR_OUT_GM, "gm")

DataFrame is saved as '../../../data/gm/output/vol2/03/parallel/gm.csv'.

Show code cell source Hide code cell source

# Plotly Expressを使ってパラレルセットグラフを作成
# '発売年代', 'メーカー名', '発売曜日' のカテゴリを基にして、'発売年代ID' の値で色分け
# 色のスケールには Portland スタイルを使用
fig = px.parallel_categories(
    df_gm,
    dimensions=["発売年代", "メーカー名", "発売曜日"],
    color="発売年代ID",
    color_continuous_scale=px.colors.diverging.Portland,
)

# カラーバーの表示をオフに設定
fig.update_coloraxes(showscale=False)

# 作成した図を表示
show_fig(fig)

Show code cell source Hide code cell source

# Plotly Expressを使ってパラレルセットグラフを作成
# '発売年代', 'メーカー名', 'プラットフォーム名', '発売曜日' のカテゴリを基にして、'発売年代ID' の値で色分け
# 色のスケールには Portland スタイルを使用
# プラットフォーム数が多いため、heightで高さを調整
fig = px.parallel_categories(
    df_gm,
    dimensions=["発売年代", "メーカー名", "プラットフォーム名", "発売曜日"],
    color="発売年代ID",
    color_continuous_scale=px.colors.diverging.Portland,
    height=600,
)

# カラーバーの表示をオフに設定
fig.update_coloraxes(showscale=False)

# 作成した図を表示
show_fig(fig)

Show code cell content Hide code cell content

# 可視化用にメーカー名に対するint型のidを付与
df_gm = add_id_to_df(df_gm, "メーカー名")

Show code cell source Hide code cell source

# Plotly Expressを使ってパラレルセットグラフを作成
# 'メーカー名', 'プラットフォーム名', '発売曜日' のカテゴリを基にして、'メーカー名ID' の値で色分け
# 色のスケールには OKABE_ITO の最初の3色を使用
# プラットフォーム数が多いため、heightで高さを調整
fig = px.parallel_categories(
    df_gm,
    dimensions=["メーカー名", "プラットフォーム名", "発売曜日"],
    color="メーカー名ID",
    color_continuous_scale=OKABE_ITO[:3],
    height=600,
)

# カラーバーの表示をオフに設定
fig.update_coloraxes(showscale=False)

# 作成した図を表示
show_fig(fig)

Show code cell source Hide code cell source

# Plotly Expressを使ってパラレルセットグラフを作成
# '発売曜日', 'プラットフォーム名', 'メーカー名' のカテゴリを基にして、'発売曜日ID' の値で色分け
# 色のスケールには OKABE_ITO の最初の7色を使用
# プラットフォーム数が多いため、heightで高さを調整
fig = px.parallel_categories(
    df_gm,
    dimensions=["発売曜日", "プラットフォーム名", "メーカー名"],
    color="発売曜日ID",
    color_continuous_scale=OKABE_ITO[:7],
    height=600,
)

# カラーバーの表示をオフに設定
fig.update_coloraxes(showscale=False)

# 作成した図を表示
show_fig(fig)