[matplotlib] 125. マスク値とNaN値を含むデータのプロット

はじめに

データ可視化の際、欠損値を含むデータをプロットする必要がある場合があります。

欠損データを処理する一つの方法は、単にそのデータ点を削除することです。この方法では、残りのデータを通る線は連続的になりますが、どこにデータが欠損しているかは表示されません。

欠損データがある位置で線を途切れさせたい場合は、配列をマスク処理するか、値をNaNに設定します。xまたはy座標のいずれかがマスクされている位置ではマーカーは表示されず、線プロットではその位置で線が途切れます。

ここでは、これらの手法を使った実際のプロット例を見て、その挙動を確認します。

x = np.linspace(-np.pi,np.pi, 51): -π から π までの範囲で51個の等間隔の点を生成しています。これはx軸の値となります。
y = np.sin(x): 生成したx値に対して、sin関数を適用してy値を計算しています。これによって正弦波のデータが作られます。

ここでは、y値が0.6以下のデータポイントだけを抽出しています：

y2.shapeは、フィルタリング後の配列y2のサイズを確認しています。結果が(37,)であることから、元の51個のデータポイントから14個が除外され、37個のデータポイントが残った欠損データであることがわかります。

NumPyのマスク配列機能を使って、特定の条件を満たすデータポイントをマスク（非表示）しています：

np.ma.masked_where(condition, array): 指定した条件が真（True）となる位置の値をマスクした配列を返す関数です。
y > 0.6: これは条件部分で、y値が0.6より大きい位置では True、それ以外では False となるブール配列を生成します。
y3 = np.ma.masked_where(y > 0.6, y): 元の配列 y から、y > 0.6 の条件を満たす（つまりy値が0.6より大きい）位置の値をマスクした新しい配列 y3 を作成しています。

y4 = y.copy(): まず元の配列 y のコピーを作成して y4 に格納します。これにより元のデータを変更せずに済みます。
y4[y3 > 0.6] = np.nan: y3 > 0.6 の条件に一致する位置（つまり y 値が 0.6 より大きい場所）に、NumPy の NaN (Not a Number) を代入しています。

fig, ax = plt.subplots(): 新しい図（Figure）とその中に描画エリア（Axes）を作成します。
ax.plot(x, y, 'o-', color='grey', label='No mask'): 元のデータをプロット。’o-‘は丸いマーカーと線を意味し、灰色で「No mask」というラベルを付けています。
ax.plot(x2+0.5, y2, 'o-', label='Points removed'): y>0.6のデータを削除したデータセットをプロット。視覚的に区別するためにx座標を0.5ずらしています。
ax.plot(x+1, y3, 'o-', label='Masked values'): マスク処理を施したデータをプロット。x座標を1.0ずらして表示しています。
ax.plot(x+1.5, y4, 'o-', label='NaN values'): NaN値を含むデータをプロット。x座標を1.5ずらして表示しています。
ax.legend(): 凡例を表示して、各線が何を表しているかを示します。
ax.set_title('Masked and NaN data'): グラフのタイトルを「Masked and NaN data」に設定します。
plt.savefig("masked_and_nan_plot.png",dpi=100): 作成したグラフを「masked_and_nan_plot.png」という名前で保存します。dpi=100は解像度の設定です。
plt.show(): プロットを表示します。