時系列データのプロット（Python, matplotlib, seaborn を使用）（Google Colaboratory へのリンク有り）

【概要】

numpy の配列に，同一の長さの時系列データが複数入っているとする。そして，別データとして，各時系列データのラベル番号があるとする。このとき，時系列データを，ラベル番号を使って色分けしてプロットする。

本記事では，FordA データセット（自動車エンジンの動作音をセンサーで計測した時系列データで，特定の不具合の有無を判定する 2 クラスのデータセット）を題材として，次の処理を Python（matplotlib, seaborn）で行う。

  1. FordA データセット（TSV 形式）をロードし，時系列データとラベル番号を取得する
  2. ラベル番号ごとにカラーマップ hsv で色分けし，時系列データをプロットする
  3. 主成分分析（PCA）で時系列データを 2 次元にマッピングし，散布図としてプロットする

Google Colaboratory のページ:

次のリンクをクリックすると，Google Colaboratory のノートブックが開く。そして，Googleアカウントでログインすると，Google Colaboratory のノートブック内のコードなどを編集したり再実行したりできる。編集した場合でも，他の人に影響が出ることはない。そして，編集後のものを，各自の Google ドライブ内に保存することもできる。

https://colab.research.google.com/drive/1tZmdhdUXMoB_rtQM45u-qgDPo75jTnYZ?usp=sharing

【目次】

【関連する外部ページ】

【サイト内の関連情報】

1. 前準備

Python 3.12 のインストール

Pythonのインストールを行い、Pythonのプログラムを実行する環境を整える。扱う環境は、Windows搭載パソコンである。金子研究室では、Python 3.12.10を推奨する。

[Windows での Python 3.12 のインストール手順を見るには、ここをクリック]

Windows での Python 3.12 のインストール

以下のいずれかの方法でPython 3.12をインストールする。Pythonがインストール済みの場合、この手順は不要である。

方法 1：winget によるインストール

【インストールコマンドの実行方法】

管理者権限でコマンドプロンプトを起動する（手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。そして、コマンド全体をコマンドプロンプトにコピー＆ペーストする。

--scope machine を指定することで、システム全体（全ユーザー向け）にインストールされる。このオプションの実行には管理者権限が必要である。インストール完了後、コマンドプロンプトを再起動するとPATHが反映される。

REM Python 3.12 をシステム領域にインストール
winget install --id Python.Python.3.12 -e --scope machine --silent --accept-source-agreements --accept-package-agreements --override "/quiet InstallAllUsers=1 PrependPath=1 Include_test=0 Include_pip=1 Include_launcher=1 InstallLauncherAllUsers=1 TargetDir=\"C:\Program Files\Python312\""

REM Python と Scripts を PATH 先頭に追加
powershell -NoProfile -Command "$p='C:\Program Files\Python312'; $s=\"$p\Scripts\"; $c=[Environment]::GetEnvironmentVariable('Path','Machine'); if((Test-Path $p) -and (';'+$c+';' -notlike \"*;$p;*\") -and (';'+$c+';' -notlike \"*;$s;*\")){[Environment]::SetEnvironmentVariable('Path',\"$p;$s;$c\",'Machine')}"

方法 2：インストーラーによるインストール

  1. Python公式サイト（https://www.python.org/downloads/）にアクセスし、「Download Python 3.x.x」ボタンからWindows用インストーラーをダウンロードする。
  2. ダウンロードしたインストーラーを実行する。
  3. 初期画面の下部に表示される「Add python.exe to PATH」にチェックを入れてから「Customize installation」を選択する。このチェックを入れ忘れると、コマンドプロンプトから python コマンドを実行できない。
  4. 「Install Python 3.xx for all users」にチェックを入れ、「Install」をクリックする。

インストールの確認

コマンドプロンプトで以下を実行する。

python --version

バージョン番号（例：Python 3.12.x）が表示されればインストール成功である。「'python' は、内部コマンドまたは外部コマンドとして認識されていません。」と表示される場合は、インストールが正常に完了していない。

Python の開発環境 Visual Studio Code のインストールと Python 用の設定

Python の開発環境Visual Studio Code（プログラムを編集するソフトウェア。以下、VS Code）を整える。

[Windows での Visual Studio Code のインストールと Python 用の設定手順を見るには、ここをクリック]

Windows での Visual Studio Code のインストールと Python 用の設定手順

1. VS Code と拡張機能のインストール

以下のコマンドにより，既存の VS Code を削除し，全ユーザー共有の設定で再インストールしたうえで，拡張機能（VS Code に機能を追加するソフトウェア）をまとめて導入する．

【インストールコマンドの実行方法】

管理者権限でコマンドプロンプトを起動する（手順：Windows キーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。そして，コマンド全体をコマンドプロンプトにコピー＆ペーストする。

インストールコマンド


REM ============================================================
REM Microsoft Visual Studio Code
REM ============================================================
winget uninstall -e --id Microsoft.VisualStudioCode --silent --disable-interactivity --accept-source-agreements
rmdir /s /q C:\ProgramData\vscode-extensions 2>nul
rmdir /s /q "%APPDATA%\Code" 2>nul
rmdir /s /q "%USERPROFILE%\.vscode" 2>nul
rmdir /s /q "%LOCALAPPDATA%\Microsoft\vscode-update" 2>nul

REM VS Code をシステム領域に新規インストール
winget install --scope machine --id Microsoft.VisualStudioCode -e --silent --accept-source-agreements --accept-package-agreements

REM 全ユーザー共有の拡張機能フォルダ
mkdir C:\ProgramData\vscode-extensions 2>nul
icacls "C:\ProgramData\vscode-extensions" /grant "Everyone:(OI)(CI)M" /T

REM スタートメニューのショートカットを --extensions-dir 付きで再作成
rmdir /s /q "C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code" 2>nul
del "C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code.lnk" 2>nul
powershell -NoProfile -Command "$s=New-Object -ComObject WScript.Shell; $lnk=$s.CreateShortcut('C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code.lnk'); $lnk.TargetPath='C:\Program Files\Microsoft VS Code\Code.exe'; $lnk.Arguments='--extensions-dir \"C:\ProgramData\vscode-extensions\"'; $lnk.Save()"
REM ショートカットの検証
powershell -NoProfile -Command "$s=New-Object -ComObject WScript.Shell; $lnk=$s.CreateShortcut('C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code.lnk'); Write-Host 'TargetPath:' $lnk.TargetPath; Write-Host 'Arguments:' $lnk.Arguments"

REM ファイル / フォルダ右クリックの「Code で開く」を登録
reg add "HKLM\SOFTWARE\Classes\*\shell\VSCode\command" /ve /d "\"C:\Program Files\Microsoft VS Code\Code.exe\" --extensions-dir \"C:\ProgramData\vscode-extensions\" \"%1\"" /f
reg add "HKLM\SOFTWARE\Classes\Directory\shell\VSCode\command" /ve /d "\"C:\Program Files\Microsoft VS Code\Code.exe\" --extensions-dir \"C:\ProgramData\vscode-extensions\" \"%1\"" /f
reg add "HKLM\SOFTWARE\Classes\Directory\Background\shell\VSCode\command" /ve /d "\"C:\Program Files\Microsoft VS Code\Code.exe\" --extensions-dir \"C:\ProgramData\vscode-extensions\" \"%V\"" /f

REM --extensions-dir 付きで起動する code.cmd ラッパを作成
REM （%* を echo で書くと対話的 cmd で失われるため、PowerShell で [char]37+'*' を書き出す）
powershell -NoProfile -Command "$pct=[char]37; $q=[char]34; $c='@echo off'+[char]13+[char]10+$q+'C:\Program Files\Microsoft VS Code\bin\code.cmd'+$q+' --extensions-dir '+$q+'C:\ProgramData\vscode-extensions'+$q+' '+$pct+'*'+[char]13+[char]10; [IO.File]::WriteAllText('C:\ProgramData\vscode-extensions\vscode.cmd',$c,[Text.Encoding]::ASCII)"

REM 拡張機能のインストール
set "CODE=C:\Program Files\Microsoft VS Code\bin\code.cmd"
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --uninstall-extension GitHub.copilot
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --uninstall-extension GitHub.copilot-chat
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension ms-python.python
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension ms-python.vscode-pylance
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension ms-python.debugpy
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension MS-CEINTL.vscode-language-pack-ja
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension saoudrizwan.claude-dev
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension rust-lang.rust-analyzer
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension tamasfe.even-better-toml
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension anthropic.claude-code
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension almenon.arepl
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --list-extensions --show-versions
echo === セットアップ完了 ===

2. Python インタプリタの選択

同一マシンに複数の Python がインストールされている場合，VS Code で使用する Python 本体（インタプリタ：Python プログラムを解釈・実行するソフトウェア）を選択する必要がある．

  1. コマンドパレット（コマンド名で機能を呼び出す VS Code の入力欄）を開く（Ctrl+Shift+P）
  2. Python: Select Interpreter と入力する
  3. 表示される一覧から，使用する Python（例：C:\Program Files\Python312\python.exe）を選択する．

Python プログラム実行手順

[Windows での Python プログラム実行手順を見るには、ここをクリック]

Windows での Python 実行手順（Visual Studio Codeを使用）

プログラムファイルの作成と保存

  1. 左サイドバーの「エクスプローラー」アイコン（Ctrl+Shift+E）をクリックする
  2. 「NO FOLDER OPENED」（作業対象フォルダが未選択の状態）と表示される場合は，「Open Folder」をクリックし，プログラムを保存するフォルダを選択する

    続いて「フォルダを信用するか」を確認する画面（フォルダ内のコードを実行してよいか確認する VS Code の仕組み）が表示されるので，チェックして Yes を選択する

  3. フォルダ名の右側に表示される「新しいファイル」アイコンをクリックする
  4. ファイル名（例：aitask.py．ファイル名は何でも良い）を入力し Enter を押す．拡張子は .py（Python ファイルを示す拡張子）とする
  5. 実行したいコードを選択し，Ctrl+C でコピーする．VS Code のエディタ領域に Ctrl+V で貼り付ける
  6. Ctrl+S で保存する

プログラムの実行

  1. エディタ右上の三角形「▷」アイコン（Run Python File：現在開いている Python ファイルを実行するボタン）をクリックする．または，エディタ上で右クリックし「ターミナルで Python ファイルを実行」を選択する
  2. VS Code 下部のターミナル（コマンドの入出力を表示する画面）に，実行結果（print 関数の出力等）が表示される
  3. tkinter（Python 標準の GUI ライブラリ）のファイル選択ダイアログを使うプログラムを実行した場合は，ダイアログが開くので対象画像を選択する
  4. VS Code 下部のターミナルで実行結果を確認する．OpenCV ウィンドウ（OpenCV が画像を表示するために開く専用ウィンドウ）が開いた場合はそちらも確認する．OpenCV ウィンドウは，マウスクリックでウィンドウをアクティブ（操作対象の状態）にしてからキーを押すと終了する

2. 必要なライブラリのインストール

管理者権限でコマンドプロンプトを起動する （手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。

起動したコマンドプロンプトで以下を実行する。

python -m pip install -U --no-user pip setuptools numpy pandas matplotlib seaborn scikit-learn

3. 実行手順

手順：コードを実行する（メモ帳を用いる場合は a.py のようなファイル名で保存して実行）。

動作確認チェックリスト

確認項目期待される結果
パッケージのインポートnumpy, matplotlib, seaborn, pandas, sklearn が正常にインポートされる
FordA データセットのロードds_train, ds_test にデータが格納される
データの確認（shape の表示）ds_train[0], ds_train[1], ds_test[0], ds_test[1] の shape が表示される
ラベル番号の取得classes に重複除去済みのラベル番号が格納される
時系列プロット（top_k=10, alpha=0.1）ラベル番号ごとに色分けされた時系列データが 10 本ずつ表示され，凡例と軸ラベルが表示される
時系列プロット（top_k=1, alpha=1）ラベル番号ごとに 1 本ずつ不透明で表示される
主成分分析プロット（ds_train）ds_train を PCA で 2 次元にマッピングした散布図がラベルで色分けされて表示される
主成分分析プロット（ds_test）ds_test を PCA で 2 次元にマッピングした散布図がラベルで色分けされて表示される

4. 概要・使い方・実行上の注意

4.1 FordA データセットの構造

FordA データセットは TSV 形式（タブ区切りのテキスト形式）で提供される。readucr 関数により，各行の第 0 列をラベル（y），第 1 列以降を時系列データ（x）として読み込む。データは訓練用（ds_train）とテスト用（ds_test）に分かれている。各時系列の長さは 500 点であり，ラベルは 2 種類（-1 と 1）である。

ds_train[1], ds_test[1] からラベル番号を得る。このとき重複を除去する。

4.2 時系列データのプロット

plot_ts 関数は，ラベル付きの時系列データのうち上位 top_k 個をプロットする。色はカラーマップ hsv で割り当て，alpha（透明度。0 で完全に透明，1 で不透明）を指定する。凡例と軸ラベル（横軸：Time step，縦軸：Value）が表示される。

top_k = 10, alpha = 0.1 の場合：

top_k = 1, alpha = 1 の場合：

4.3 主成分分析の結果である主成分スコアのプロット

ds_train[0], ds_test[0] を主成分分析で 2 次元にマッピングし，ds_train[1], ds_test[1] を色として散布図を表示する。主成分分析（PCA）は，多次元のデータを情報の損失を抑えながら少数の軸に要約する手法である。

ds_train の主成分分析プロット：

ds_test の主成分分析プロット：

5. 演習1：時系列データのラベル別色分けプロット

演習番号：演習 1

テーマ名：FordA データセットを読み込み，時系列データをラベル番号ごとに色分けしてプロットする。

手順：

  1. 次のコードを実行（メモ帳を用いる場合は a.py のようなファイル名で保存して実行）し，パッケージをインポートする。
  2. FordA データセットをロードし，時系列データとラベル番号を取得する。
  3. データの shape を表示し，ラベル番号一覧を取得する。
  4. plot_ts 関数で，top_k と alpha を変えて時系列データをプロットし，表示の違いを観察する。

ヒント：alpha は透明度を表し，0 で完全に透明，1 で不透明となる。top_k は各ラベルから何本の時系列を表示するかを表す。

考察ポイント：top_k と alpha を変えると，重なり合う時系列の見え方がどのように変わるかを読み取る。

パッケージのインポート（次のコードを実行。メモ帳を用いる場合は a.py のようなファイル名で保存して実行）。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cm as cm

FordA データセット（TSV 形式ファイル）をロードする。

def readucr(filename):
    data = np.loadtxt(filename, delimiter="\t")
    y = data[:, 0]
    x = data[:, 1:]
    return (x, y.astype(int))

root_url = "https://raw.githubusercontent.com/hfawaz/cd-diagram/master/FordA/"

ds_train = readucr(root_url + "FordA_TRAIN.tsv")
ds_test = readucr(root_url + "FordA_TEST.tsv")

データの確認（shape の表示）。

print(ds_train[0].shape)
print(ds_train[1].shape)
print(ds_test[0].shape)
print(ds_test[1].shape)

ds_train[1], ds_test[1] からラベル番号を得る。このとき重複を除去する。

classes = np.unique(np.concatenate((ds_train[1], ds_test[1]), axis=0))

seaborn の準備を行う。

import seaborn as sns
sns.set_theme()

時系列データをプロットする（top_k = 10, alpha = 0.1）。

def plot_ts(x, y, classes, top_k, alpha):
    """ラベル付きの時系列データについて，上位 top_k 個をプロットする。色はカラーマップ hsv で色付けし，alpha は透明度を指定する。"""
    MI, MA = np.min(classes), np.max(classes)
    plt.figure()
    for c in classes:
        cval = 0.8 * (c - MI) / (MA - MI)
        for i in x[y == c][0:top_k]:
            plt.plot(i, alpha=alpha, color=cm.hsv(cval), label=f"class {c}")
    handles, labels = plt.gca().get_legend_handles_labels()
    by_label = dict(zip(labels, handles))
    plt.legend(by_label.values(), by_label.keys(), loc="best")
    plt.xlabel("Time step")
    plt.ylabel("Value")
    plt.show()

plot_ts(x = ds_train[0], y = ds_train[1], classes = classes, top_k = 10, alpha = 0.1)

設定を変えてプロットする（top_k = 1, alpha = 1）。

plot_ts(x = ds_train[0], y = ds_train[1], classes = classes, top_k = 1, alpha = 1)

6. 演習2：主成分分析による2次元マッピングのプロット

演習番号：演習 2

テーマ名：時系列データを主成分分析（PCA）で 2 次元にマッピングし，ラベル番号で色分けした散布図を作る。

手順：

  1. 次のコードを実行（メモ帳を用いる場合は a.py のようなファイル名で保存して実行）する。演習 1 のパッケージのインポート，データのロード，ラベル番号の取得，seaborn の準備をあらかじめ行ったうえで実行する。
  2. ds_train[0] を主成分分析で 2 次元にマッピングし，ds_train[1] を色として散布図を表示する。
  3. ds_test[0] についても同様に散布図を表示する。

ヒント：主成分分析（PCA）は，多次元のデータを情報の損失を抑えながら少数の軸に要約する手法である。ここでは 2 つの主成分を取り出して横軸・縦軸にする。

考察ポイント：2 次元にマッピングした散布図で，ラベルごとの点の分布に違いが見られるかを読み取る。

主成分分析の結果である主成分スコアをプロットする。ds_train[0], ds_test[0] を主成分分析で 2 次元にマッピングし，ds_train[1], ds_test[1] を色として使用する。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cm as cm

def readucr(filename):
    data = np.loadtxt(filename, delimiter="\t")
    y = data[:, 0]
    x = data[:, 1:]
    return (x, y.astype(int))

root_url = "https://raw.githubusercontent.com/hfawaz/cd-diagram/master/FordA/"

ds_train = readucr(root_url + "FordA_TRAIN.tsv")
ds_test = readucr(root_url + "FordA_TEST.tsv")

import seaborn as sns
sns.set_theme()

import pandas as pd
import sklearn.decomposition

def prin2(A):
    """主成分分析で2つの成分を得る"""
    return sklearn.decomposition.PCA(n_components=2).fit_transform(A)

def scatter_plot(M, b, alpha):
    """M の最初の2列を，b で色を付けてプロットする"""
    a12 = pd.DataFrame(M[:, 0:2], columns=['a1', 'a2'])
    a12['target'] = b
    sns.scatterplot(x='a1', y='a2', hue='target', data=a12, palette=sns.color_palette("hls", len(np.unique(b))), legend="full", alpha=alpha)

def pcaplot(A, b, alpha):
    """主成分分析の結果をプロットする"""
    scatter_plot(prin2(A), b, alpha)

pcaplot(ds_train[0], ds_train[1], 0.1)

pcaplot(ds_test[0], ds_test[1], 0.1)

7. まとめ