Python インタラクティブ・データビジュアライゼーション入門

Web サイトで公開できる対話的・探索的 (読み手が自由に動かせる) 可視化を Python で実践.データ解析に便利な Plotly,アプリ化のためのユーザインタフェースを作成できる Dash,ネットワーク図に強い Dash Cytoscape を具体的に解説。
【編集部より】
グラフ (棒グラフ, 散布図, ヒートマップ・・・) や表, 地図, ネットワーク図など, 簡潔なコードですばやく可視化
●コールバック, アニメーションなどの機能で, 大規模データでも特徴把握が簡単に
●統計, 金融, バイオサイエンスなどさまざまな専門分野に活用可能なパッケージ
●作成した可視化データは Web サイトで公開でき, 誰でも操作しながら閲覧可能

読み手が拡大したり条件を切り替えたりできるグラフを、Python のコードだけで作って Web で公開したい人のための入門書です。『Python インタラクティブ・データビジュアライゼーション入門』 (@driller、小川 英幸、古木 友子 著、朝倉書店、2020 年 12 月刊) は、副題に「Plotly/Dash によるデータ可視化と Web アプリ構築」とあるとおり、対話的 / 探索的な可視化を Python で実践する書籍です。版元は、データ解析に便利な Plotly、アプリ化のためのユーザインタフェースを作成できる Dash、ネットワーク図に強い Dash Cytoscape を具体的に解説すると案内しており、紙面はオールカラーです。

環境構築から Dash Cytoscape まで、12 章と付録

本文は第 0 章から第 11 章までの 12 章と付録 (Appendix) でできています。第 0 章「はじめに」は本書で扱うパッケージ、前提知識、動作環境と環境構築、データセットとソースコード、Jupyter Notebook と JupyterLab を説明します。第 1 章「Plotly Express」で少ないコードでグラフを描く書き方から入り、第 2 章「plotly.py 入門」から第 4 章「plotly.py 応用」までで、基本的なグラフ、専門的なグラフ、3D グラフ、サブプロット、グラフのカスタマイズ、画像ファイルへの出力を扱います。第 5 章「Dash 入門」からはアプリ化に移り、第 6 章「Dash レイアウト」、第 7 章「Dash コールバック」、第 8 章「Dash の標準コンポーネント」、第 9 章「Dash の追加コンポーネント」と進み、最後の第 10 章「Dash Cytoscape 入門」と第 11 章「Dash Cytoscape 応用」はネットワーク図の可視化に充てられています。付録には、整然データ、Plotly Express の関数と plotly.py のクラスの対応表、Notebook の共有、Dash アプリケーションのデプロイ、認証機能、JupyterDash、モジュール分割の節が並びます。

高水準と低水準、2 つの書き方で描くグラフ

Plotly のグラフは、ブラウザーで動く JavaScript のライブラリ plotly.js が描き、Python 側はその設定を組み立てる役割を受け持ちます。出力が HTML なので Web ページにそのまま埋め込めて、拡大、範囲選択、カーソルを重ねたときの値の表示が、描いた時点で使えます。手軽な高水準の書き方では、pandas の DataFrame の列名を x 軸や色分けに割り当てるだけでグラフができ、1 列が 1 つの変数、1 行が 1 つの観測という整然データの形に整えておくほど指定が短く済みます。細かく作り込みたいときは、グラフをデータの系列と見た目の設定の組み合わせとして組み立てる低水準の書き方に移ります。本書は両方を章を分けて扱い、付録に両者の対応表を置いているので、手早く描いたグラフを後から作り込む段階で行き来しやすい作りです。

Dash のコールバックで画面と分析をつなぐ

Dash は Flask の上で動く Web アプリケーションの枠組みで、画面の部品の配置を Python で書き、ある部品の値が変わったときに呼ばれる関数をコールバックとして登録します。ドロップダウンやスライダーとグラフを結び付けた画面を、HTML や JavaScript を直接書かずに組み立てられるのが特徴です。目次では、第 7 章にパターンマッチング・コールバックや連鎖コールバック、画面遷移の節があり、第 8 章には一定の間隔で処理を呼び出す Interval コンポーネントの節があります。第 9 章では DashCanvas、Dash Bio、Dash DAQ を取り上げます。版元は、統計、金融、バイオサイエンスなどさまざまな専門分野に活用可能なパッケージと案内しています。

Python の分析結果を Web で共有したい人に向く理由

刊行時の執筆者紹介によれば、@driller 氏はデリバティブを中心とした金融データの分析に Python を活用し、小川 英幸 氏はデータテックを扱う会社を経営し、古木 友子 氏は 2020 年の時点でデータ解析業務を担当していました。分析の現場で Python を使う立場から書かれた本で、データ分析 の結果を、条件を変えながら関係者自身に確かめてもらう画面を作りたい人に合います。一方、論文や印刷物に載せる静的な図を仕上げたいだけなら、Matplotlib などを中心に扱う本のほうが目的に近づきます。パッケージの版は 2020 年 12 月の刊行時点が前提なので、手元の版で動かない箇所は公式ドキュメントで書き方を確かめながら進めてください。グラフを見せて終わりにせず、読み手が自分で操作して答えを探せる形にしたい人にとって、描画からアプリ化、公開までを 1 冊で通せる本書は投資に見合う一冊です。