Summary  
This chapter covers customizing plot appearance by specifying color parameters for uniform or individual elements and adjusting the alpha parameter to control transparency and emphasize particular data series.

General domain of usage  
Data visualization

## 色

棒グラフの説明時に、個々のバーの**色**をカスタマイズしました。すべてのプロットの色を一括で変更するには、`color`キーワード引数を使用します。


import matplotlib.pyplot as plt
import numpy as np

data_linear = np.arange(0, 11)
data_squared = data_linear ** 2
data_log = np.exp(data_linear)

# Setting the color of the first line plot
plt.plot(data_linear, label='linear function', color='red')

# Setting the color of the second line plot
plt.plot(data_squared, '-o', label='quadratic function', color='blue')

plt.xticks(data_linear)
plt.xlabel('x', loc='right')
plt.ylabel('y', loc='top', rotation=0)
plt.legend()
plt.show()

この例では、最初の折れ線グラフに`red`、2つ目には`blue`の色が設定されています。散布図や棒グラフのように複数の要素から構成されるプロットとは異なり、折れ線グラフは単一の要素で表現されるため、**1つ**の色のみを割り当てることができます。比較のため、前のセクションで紹介した**棒グラフ**の例を参照してください。


import matplotlib.pyplot as plt

programming_languages = ['Python', 'Java', 'C#', 'C++']
shares = [40, 30, 17, 13]

# Setting a separate color for each bar
plt.bar(programming_languages, shares, color=['b', 'green', 'red', 'yellow'])
plt.title('Percentage of users of programming languages')
plt.show()

## 透明度
もう一つの外観パラメータは `alpha`（プロットの透明度）です。デフォルト値は `1`（不透明）で、これは最大値です。基本的に、値の範囲は `0` から `1` までで、`0` にするとプロットは完全に透明になります。

import matplotlib.pyplot as plt
import numpy as np

data_linear = np.arange(0, 11)
data_squared = data_linear ** 2

# Changing the transparency of the first line plot
plt.plot(data_linear, label='linear function', color='red', alpha=0.5)
plt.plot(data_squared, '-o', label='quadratic function', color='blue')

plt.xticks(data_linear)
plt.xlabel('x', loc='right')
plt.ylabel('y', loc='top', rotation=0)
plt.legend()
plt.show()

`alpha=0.5` を使用することで、線形関数のプロットをより透明にし、二次関数のプロットにより注目が集まるようにしました。**透明度**の調整は、主にこの目的で使用されます。

import unittest
import matplotlib.pyplot as plt
import matplotlib.colors as mcolors
import user_code  # Ensure user_code.py is in the same directory or accessible via PYTHONPATH

def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)

class TestBarColorsAndTransparency(unittest.TestCase):
    def test_primary_sector_color(self):
        bars = plt.gca().patches[:3]
        expected_color = mcolors.to_rgba('darkslateblue')[:3]
        _dynamic_test(
            self,
            all(bar.get_facecolor()[:3] == expected_color for bar in bars),
            "Primary sector bars are correctly colored darkslateblue",
            "Primary sector bars are not colored darkslateblue"
        )

    def test_secondary_sector_color(self):
        bars = plt.gca().patches[3:6]
        expected_color = mcolors.to_rgba('steelblue')[:3]
        _dynamic_test(
            self,
            all(bar.get_facecolor()[:3] == expected_color for bar in bars),
            "Secondary sector bars are correctly colored steelblue",
            "Secondary sector bars are not colored steelblue"
        )

    def test_secondary_sector_alpha(self):
        bars = plt.gca().patches[3:6]
        _dynamic_test(
            self,
            all(round(bar.get_facecolor()[3], 2) == 0.7 for bar in bars),
            "Secondary sector bars have correct transparency alpha=0.7",
            "Secondary sector bars do not have correct transparency alpha=0.7"
        )


    def test_tertiary_sector_color(self):
        bars = plt.gca().patches[6:]
        expected_color = mcolors.to_rgba('goldenrod')[:3]
        _dynamic_test(
            self,
            all(bar.get_facecolor()[:3] == expected_color for bar in bars),
            "Tertiary sector bars are correctly colored goldenrod",
            "Tertiary sector bars are not colored goldenrod"
        )

if __name__ == "__main__":
    unittest.main(argv=[''], exit=False)


test_color_transparency.py

データは私たちの身の回りにあふれており、それを理解することは非常に重要です。可視化は、データ内の特定のパターンや洞察を見つけることで、データを扱うのに役立ちます。Pythonとそのライブラリ（matplotlibやseabornなど）を用いて、データからできるだけ多くの情報を整然かつ簡潔に取得するためのデータ可視化の確かな基礎を身につけます。

Matplotlibによるデータ可視化の基本を学びます。コアとなる概念を理解し、その利点を探り、この基本的なプロットライブラリを使って最初のシンプルなプロットを作成します。

最も一般的なプロットタイプを使ってデータを視覚化する方法を習得します。折れ線グラフ、散布図、棒グラフを作成し、データから得られる洞察を明確に伝える方法を学びます。

プロットをより情報豊かで視覚的に魅力的にする方法を学びます。タイトル、凡例、色、グリッドの追加や、複数のサブプロットを効果的に配置する方法を紹介します。

データの分布やパターンを分析するための統計的な可視化手法を探求します。ヒストグラム、箱ひげ図、円グラフを作成し、より深い統計的洞察を得ます。

Seabornを使用して、可視化スキルをさらに高めましょう。カウントプロット、KDE、ペアプロット、ヒートマップなどの高度なプロットを作成し、Seabornの洗練されたスタイルとカスタマイズオプションを習得します。

Colors and Transparency

色

透明度

解答