Jupyter Notebookを使ったグラフ描画編～Juliaに入門してみよう～

前回は、Julia の Web フレームワーク、「Genie」について紹介しました。

2020.11.03【Webフレームワーク編】Julia入門～高速な動的型付け言語～Webフレームワーク編～Juliaに入門してみよう～前回は、Julia の環境構築の方法や、文法などを紹介しました。今...

今回は、インタプリタ言語と相性がバッチリな、Jupyter Notebook を使っていきます。

また、そのサンプルコードとして、グラフ描画フレームワークも一緒に学んでいきましょう！

※本記事で使用するのは、「Julia ver 1.5」です。

「IJulia」をインストールする

「IJulia」とは、Jupyter 環境に適応させるために、バックエンドで動作するフレームワークです。

特に Julia は、一つ一つのモジュールが重いので、なるべく負担は軽くしたいもの。

一つのセッションで、一度だけ最初にフレームワークを読み込めば、あとは快適に作業できますよね。

IJulia では、そういった使い方ができるのです。

インストールの方法

Jupyter のインストールは次の通り。

pip 環境であれば、

1$ pip install jupyter

とすれば完了。

IJulia のインストールも、とても簡単にできます。

次のように、パッケージモードで追加するだけです。

1$ julia
2julia> ]
3(@v1.5) pkg> add IJulia

そうしたら実際に、Jupyter で使用できるようになっているか、確認してみましょう！

1$ jupyter kernelspec list
2Available kernels:
3  julia-1.5    /Users/username/Library/Jupyter/kernels/julia-1.5
4  python3      /usr/local/share/jupyter/kernels/python3

このようになっていれば、Julia が使えるようになっているはずです。

立ち上げてみる

早速、以下のコマンドで立ち上げてみると、

1$ jupyter notebook

このように、Julia が選択できるようになっているはずです。

「Plots」もインストールする

「Plots」は、Julia でよく使われる、グラフ描画のフレームワークです。

特徴は、シンプルな記述で複雑なグラフが描ける、といったところでしょうか。

もし、まだインストールしていなければ、パッケージモードで

1(@v1.5) pkg> add Plots

と、してください。

Jupyter Notebookを使ってグラフを描画してみる

それでは早速、Jupyter でコーディングしてみましょう。

動作確認

まずは、簡単なコードで動作を確認します。

1using Plots

Plots を、「Shift + Enter」でインポートします。

ちょっと時間がかかりますが、終わったら、以下のコードを実行してみましょう。

1plot(sin)

すると、

このように、かなり引数は省略していますが、きちんと正弦波がプロットされました！

plot()の各種引数を指定してみる

先ほどは、ほとんどの引数を端折りましたが、以下のように細かく描画をコントロールできます。

1plot(
2    x->x^3+x^2+x,       # 無名関数で描画する関数を決定
3    xlabel="x",         # x軸凡例
4    ylabel="y",         # y軸凡例
5    label="y=x³+x²+x",  # グラフラベル
6    xlims=(-3, 3),      # x軸範囲
7    ylims=(-10, 10),    # y軸範囲
8    xticks=-3:0.5:3,    # x軸目盛り表示刻み  
9    title="Plot()",     # グラフタイトル
10    linecolor=:orange,  # 色
11    linewidth=3,        # 太さ
12    linestyle=:dot,     # 描画スタイル
13)

ちなみに画像は、 savefig("figure_name.png") で保存できます。

もちろん、png に留まらず、pdf 形式でも保存できますよ！

複数のグラフを描画する

複数のグラフを個別で描画する場合は、以下のようにします。

1plt1 = plot(x->x)
2plt2 = plot(x->x^2)
3plt3 = plot(x->x^3)
4
5plot(plt1, plt2, plt3, layout=(1, 3), size=(800, 400))

全て、plot() で済んでしまうのは便利ですね！

重ねて描画する

もし、複数のグラフを重ねて描画したいときは、以下のように記述しましょう！

1plot(sin, label="sin()")
2plot!(cos, label="cos()")
3plot!(x->0.1x^2, label="0.1x²", ylim=(-1, 1))

これを実行すると、キレイに重なったグラフが描画されます。

ちなみに、plot!() を使えば、いくつでも重ねて描画できます。

本来は、第一引数に重ねて描画するプロットを引数にとりますが、今回のように省略することもできるのです。

つまり、

1plt = plot(sin, label="sin()")
2plot!(plt, cos, label="cos()")
3plot!(plt, x->0.1x^2, label="0.1x²", ylim=(-1, 1))

は、「同じ」となるわけですね！

「!」が最後についた関数

「!」が最後についた関数は、Julia の慣例の一つで、その関数の引数を変更するときに使用します。

つまり、以下のようにすれば、後からグラフタイトルをつけたり、描画範囲を変更したりできるわけです。

1plot!(title="The comparison", xlim=(-4, 4))

その他のグラフ

連続的な折れ線グラフに留まらず、ヒストグラムや 3D グラフなども、簡単に描画できます。

これも、サンプルコードを見ていきましょう！

1using StatsPlots  # randn() 描画用: なければ Pkg> add StatsPlots

1p1 = bar(rand(50), title="bar")
2p2 = pie(rand(8), title="pie")
3p3 = histogram(randn(1000), title="histogram")
4p4 = scatter(rand(20), rand(20), title="scatter")
5
6x = y = -10:0.1:10
7z = sin.(x) * cos.(y')  # "."を使った関数呼び出しは、配列に対して一括で関数処理を行うJuliaの記法
8p5 = heatmap(z, title="heatmap")
9
10p6 = surface(z, title="surface", color=palette(:ice))  # カラーパレットの変更
11
12plot(p1, p2, p3, p4, p5, p6, layout=(3, 2), size=(1000, 800))

グラフが、キレイに描画できていますね！

「他のも見てみたい！」という方は、Plots の公式ドキュメントにも、目を通してみましょう。

【Plots 公式ドキュメント】
http://docs.juliaplots.org/latest/

バックエンドライブラリを変更する

Plots のデフォルトでは、描画ライブラリは「GR」が呼ばれるので、必要に応じて変更します。

例えば、PyPlot であれば、以下のような設定をすれば完了です。

1(@v1.5) pkg> add PyPlot
2(@v1.5) pkg> build PyCall

あとは、バックエンドを変更して、描画するだけです。

1pyplot()  # バックエンドライブラリの変更

1plot(sin.(x))
2plot!(cos.(x))

ちなみに、PyPlot の特徴は、出力が PNG 形式であること。

GR では SVG なので、キレイに描画されます。

ところが PyPlot では、DPI を調整しないと、やや粗めの出力になってしまうのです。

SVG 形式は、パッとみた感じは良いのですが、複雑なグラフをたくさん描画するほど、ページは重くなってしまいます。

つまり、目的によって、使い分けるのが良いということですね！

ただ、普段使いであれば、デフォルトの GR で問題ありません。

Fluxでの機械学習編へつづく！

今回は、Julia を Jupyter Notebook で使えるようにする手順と、描画ライブラリの Plots を紹介しました。

レポートや論文などに載せるグラフを、手早く作成したい場合は、Python より優秀かもしれません。

そう考えてみると、Julia の「研究者向け言語」といわれる意味が、バッチリ伝わってきますね！

さて次回は、Julia の機械学習フレームワーク「Flux」を、紹介していこうと思います。

では、次回もお楽しみに！

Fluxでの機械学習編はこちら！

2020.11.23Julia入門～高速な動的型付け言語～【Fluxでの機械学習編】Fluxで機械学習編～Juliaに入門してみよう～前回は、Julia と Jupyter Notebook を連携して...

こちらの記事もオススメ！

2020.07.17ライトコード的「やってみた！」シリーズ「やってみた！」を集めました！（株）ライトコードが今まで作ってきた「やってみた！」記事を集めてみました！※作成日が新し...
2020.07.28機械学習 特集知識編人工知能・機械学習でよく使われるワード徹底まとめ！機械学習の元祖「パーセプトロン」とは？【人工知能】ニューラルネ...