Pywedgeとは、Pythonの便利なライブラリーの1つです。主に以下のようなことができます。
- データビジュアライゼーション（データの可視化）
- データの前処理支援
- 機械学習のベースラインモデルの作成支援
ノンコードでGUIを使い plotly ベースのグラフなどを、さくっと作ることができます。
今回は、データビジュアライゼーション（データの可視化）について簡単に説明します。
Pywedge のインストール
Pywedgeは、コマンドプロンプトで以下のコマンドを実行しインストールします。
pip install pywedge
サンプルデータ
サンプルデータは、みんな大好きアヤメ（iris）のデータセットになります。
今回は、seabornのアヤメ（iris）データセットを使います。
アヤメ（iris）のデータセットの概要については、以下を参照ください。どういったデータセットなのかを、ちょっとだけ説明しています。
■データセットの概要説明
「予測モデルは機械学習パイプライン化しよう（Python）
https://www.salesanalytics.co.jp/datascience/datascience007/
必要なライブラリーの読み込み
以下、コードです。
# ライブラリーの読み込み import pandas as pd import pywedge as pw import seaborn as sns
データセットの読み込み
以下、コードです。
# データセットの読み込み
df = sns.load_dataset("iris")
df #確認用
以下、実行結果です。
Pywedgeを使ったデータの可視化
（データビジュアライゼーション）
Pywedge_Chartsで可視化します。
Pywedge_Chartsでは、次の3つの設定をする必要があります。
- 対象のデータセット（dataframe）
- 可視化しない列（c）
- 目的変数（y）
以下、コードです。
# Pywedgeでデータの可視化
mc = pw.Pywedge_Charts(df,
c=None,
y="species" )
chart = mc.make_charts()
以下、実行結果です。
タブでビジュアライゼーションのタイプを選び、その後に変数や色などを選択します。
今（2021年7月29日現在）は、ビジュアライゼーションのタイプは以下の8つです。
- Scatter Plot（散布図）
- Pie Chart（円グラフ）
- Bar Plot（棒グラフ）
- Violin Plot（バイオリンプロット）
- Box Plot（箱ひげ図）
- Distribution Plot（分布プロット）
- Histgram（ヒストグラム）
- Correlation plot（相関行列ヒートマップ）
興味のある方は、実際に手を動かして、どのような感じになるのか確かめてみたください。
まとめ
今回は、Pywedge を使ったお手軽データビジュアライゼーション（データの可視化）について簡単に説明しました。
Pywedgeは、主に以下のようなことができます。
- データビジュアライゼーション（データの可視化）
- データの前処理支援
- 機械学習のベースラインモデルの作成支援
Pywedgeはどちらかと言うと、データビジュアライゼーションのツールとして使った方がいいでしょう。興味のある方はデータビジュアライゼーションのついでに、以下の記事を参考にモデル構築にチャレンジしてみてください。非常に簡単です。
