Introduction to hvPlot

1. 背景：なぜ hvplot なのか

Holovizエコシステム

Holovizエコシステムは、Pythonでのデータ可視化をより簡単かつ強力にするための一連の互換性のあるツール群です。データのインポートやクリーニング、探索、仮説検証、正確で説得力のある図の生成、ライブアプリの共有・展開など、データ分析のあらゆる段階をサポートします。

主な特徴は以下の通りです。

• 複数のツールが連携して、データの可視化やインタラクティブなダッシュボード作成をスムーズに行える
• すべてのツールがWebブラウザ対応で、Jupyterノートブックやスタンドアロンのアプリケーションで同じ操作性を提供
• 高水準のAPIで簡単に使え、必要に応じて詳細なカスタマイズも可能
• 大規模データの高速描画や地理情報の可視化もサポート

代表的なコンポーネントには、以下があります。

HoloViews：

データとその視覚表現を分離し、複雑なインタラクティブ図を簡単に作成

Panel：

インタラクティブなダッシュボードやWebアプリをPythonだけで構築

hvPlot：

pandas やxarrayなどのデータ構造から簡単にインタラクティブなプロットを作成

Datashader：

数百万点以上の大規模データを高速に描画

GeoViews：

地理空間データの可視化を拡張

このように、HolovizはPythonの科学技術スタックの上に構築され、データの可視化を包括的に支援するエコシステムです。

hvplot

hvplot は Holoviz エコシステム（Holoviews, Panel, Datashader など）の一部として開発された、 pandas / xarray / Dask データをそのまま可視化できる高水準 API です。

hvplot の特徴

• pandas のデータフレームを matplotlibで描画させる df.plot() と同じ感覚で書ける
• Holoviews の強力なインタラクション機能を自動で利用できる
• Bokeh / Matplotlib / Plotly など複数のバックエンドを切り替え可能
• 大規模データ（数百万点）も Datashader と連携して高速描画
• Jupyter / Colab / VS Code でインタラクティブに動作

特に、「コード量を増やさずにインタラクティブな可視化をしたい」というニーズに強いです。

2. hvplot の基本構造

hvplot は pandas の拡張として動作します。

import hvplot.pandas

これだけで、pandas の DataFrame / Series に .hvplot メソッドが追加されます。 デフォルトではバックエンドに Bokeh が使われますが、matplotlibを指定す ることも可能です。

基本例

1. !pip install hvplot
   import pandas as pd
   import matplotlib.pyplot as plt
   # Sample DataFrame
   data = {'Year': [2017, 2018, 2019, 2020, 2021],
           'Sales': [250, 300, 400, 350, 500]}
   df = pd.DataFrame(data)
   # Plotting a line graph
   df.plot(x='Year', y='Sales', kind='line')
   plt.xlabel('Year')
   plt.ylabel('Sales')
   plt.title('Yearly Sales')
   plt.show()
   

   

2. import hvplot.pandas
   #hvplot.extension('bokeh')
   plot = df.hvplot(x='Year', y='Sales', kind='line')
   plot.opts(xlabel='Year')
   plot.opts(ylabel='Sales')
   plot.opts(title='Yearly Sales')

   

3. hvplot.extension('matplotlib')
   plot2 = df.hvplot(x='Year', y='Sales',kind='line')
   plot2.opts(xlabel='Year')
   plot2.opts(ylabel='Sales')
   plot2.opts(title='Yearly Sales')

   

3. hvplot の強み：インタラクティブ性

hvplot は Holoviews を内部で使っているため、 ズーム・パン・ホバー・ツールバーが自動で付きます。

追加コードなしで、次のような操作が可能になります。

• マウスで範囲選択してズーム
• ホバーで値を確認
• PNG 保存
• リセット

プロット

hvplotでグラフを描画するときは、hbplotのkindオプションにグラフの種別 を文字列で指定するか、メソッドとして指定するかする。

line

折れ線

scatter

散布図

bar

棒グラフ

barh

横棒グラフ

hist

ヒストグラム

box

箱ひげ図

heatmap

ヒートマップ

※ pie chart は公式にサポートされていません。

.opts を使うことで、軸ラベル・色・フォントなどを調整できます。

4. 基本的な可視化例

4.1 折れ線グラフ

import pandas as pd
import hvplot.pandas
df=pd.DataFrame({'x':[1,2,3],'y':[4,5,2]})
df.hvplot.line(x='x',y='y')

4.2 棒グラフ

df=pd.DataFrame({'section': ['Div-A', 'Div-B', 'Div-c', 'Div-D', 'Div-E'],'students': [23,17,35,29,12]})
df.hvplot.bar(x='section',y='students')

4.3ヒストグラム

df=pd.DataFrame({'data':[12,80,30,65,60,73,55,54]})
plot=df.hvplot.hist(y='data', bins = 'auto')
plot.opts(title="HISTOGRAM")
plot.opts(xlabel='MARKS')
plot.opts(ylabel='STUDENTS')
plot

スキャッター

girls_grades = [83, 90, 71, 80, 100, 87, 92, 99, 40, 34]
boys_grades = [70, 39, 59, 43, 100, 45, 74, 95, 87, 30]
grades_range = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]
df=pd.DataFrame({'girls_grades':girls_grades,'boys_grades':boys_grades,'grades_range':grades_range})
plot1=df.hvplot.scatter(x='grades_range', y='girls_grades', color='r')
plot2=df.hvplot.scatter(x='grades_range', y='boys_grades', color='b')
plot=plot1*plot2
plot.opts(xlabel='Grades Range')
plot.opts(ylabel='Grades Scored')
plot.opts(title='scatter plot')
plot

9. まとめ

• hvplot は pandas と自然に連携する高水準可視化ライブラリ
• インタラクティブ性が標準で強力