出版書誌データベース

Webサイトで公開できる対話的・探索的（読み手が自由に動かせる）可視化をPythonで実践．データ解析に便利なPlotly，アプリ化のためのユーザインタフェースを作成できるDash，ネットワーク図に強いDash Cytoscapeを具体的に解説。
【編集部より】
グラフ（棒グラフ，散布図，ヒートマップ・・・）や表，地図，ネットワーク図など，簡潔なコードですばやく可視化
●コールバック,アニメーションなどの機能で,大規模データでも特徴把握が簡単に
●統計,金融,バイオサイエンスなどさまざまな専門分野に活用可能なパッケージ
●作成した可視化データは Web サイトで公開でき,誰でも操作しながら閲覧可能

第0章　はじめに
　0.1　本書で扱うパッケージ
　　0.1.1　plotly.py
　　0.1.2　Plotly Express
　　0.1.3　Dash
　　0.1.4　Dash Cytoscape
　0.2　本書について
　　0.2.1　前提知識
　　0.2.2　ターミナルの表記
　　0.2.3　Pythonスクリプトの実行
　　0.2.4　データ型
　0.3　動作環境および環境構築
　　0.3.1　対象OS
　　0.3.2　プログラミング言語
　　0.3.3　仮想環境
　　0.3.4　パッケージのインストール
　0.4　データセットおよびソースコード
　　0.4.1　GitHubリポジトリ
　　0.4.2　パッケージ同梱のデータセット
　0.5　Jupyter Notebook
　　0.5.1　Jupyter Notebookのインストール
　　0.5.2　Jupyter Notebookの起動
　　0.5.3　Notebookの作成
　0.6　JupyterLab
　　0.6.1　JupyterLabのインストール
　　0.6.2　JupyterLabの起動
　　0.6.3　Notebookの作成

第1章　Plotly Express
　1.1　Plotly Expressとは
　　1.1.1　インタラクティブな可視化事例
　1.2　Plotly Express入門
　　1.2.1　グラフを描画する関数
　　1.2.2　データ型
　1.3　Plotly Express応用
　　1.3.1　ファセット
　　1.3.2　アニメーション
　　1.3.3　スタイルの設定
　1.4　Plotly Expressの様々なグラフ
　　1.4.1　散布図（scatter関数）
　　1.4.2　散布図行列（scatter_matrix関数）
　　1.4.3　折れ線グラフ（line関数）
　　1.4.4　棒グラフ（bar関数）
　　1.4.5　面グラフ（area関数）
　　1.4.6　エラーバー
　　1.4.7　箱ひげ図（box関数）
　　1.4.8　バイオリン図（violin関数）
　　1.4.9　ヒストグラム（histogram関数）
　　1.4.10　円グラフ（pie関数）
　　1.4.11　サンバーストグラフ（sunburst関数）
　　1.4.12　ツリーマップ（treemap関数）
　　1.4.13　平行座標プロット（parallel_coordinates関数）
　　1.4.14　平行プロット（parallel_categories関数）
　　1.4.15　三角図（scatter_ternary・line_ternary関数）
　　1.4.16　ポーラチャート（scatter_polar関数・line_polar関数・bar_polar関数）
　　1.4.17　階級区分図（choropleth関数）
　　1.4.18　地図上の散布図（scattergeo関数）
　　1.4.19　3D散布図（scatter_3d関数・line_3d関数）

第2章　plotly.py入門
　2.1　plotly.pyとは
　2.2　plotly.pyのコンセプト
　　2.2.1　figureによる描画領域の作成
　　2.2.2　traceによるグラフの登録
　　2.2.3　layoutによるグラフの調整
　2.3　plotly.pyの記法
　　2.3.1　plotly.jsのデータ構造
　　2.3.2　属性の設定方法
　　2.3.3　コンストラクタの引数による指定
　　2.3.4　属性への代入
　　2.3.5　updateメソッドによる指定
　　2.3.6　update_から始まるメソッドによる指定
　　2.3.7　addから始まるメソッドによるtraceの追加
　2.4　標準的なインタラクティブ操作
　　2.4.1　ホバーツール
　　2.4.2　凡例による要素の選択
　　2.4.3　モードバーによる操作

第3章　plotly.pyの様々なグラフ
　3.1　基本的なグラフ
　　3.1.1　折れ線グラフ（Scatter trace）
　　3.1.2　散布図（Scatter trace）
　　3.1.3　棒グラフ（Bar trace）
　　3.1.4　面グラフ（Scatter trace）
　　3.1.5　円グラフ（Pie trace）
　　3.1.6　サンバーストグラフ（Sunburst trace）
　　3.1.7　ツリーマップ（Treemap trace）
　　3.1.8　テーブル（Table trace）
　3.2　専門的なグラフ
　　3.2.1　箱ひげ図（Box trace）
　　3.2.2　バイオリン図（Violin trace）
　　3.2.3　ヒストグラム（Histogram trace）
　　3.2.4　2次元ヒストグラム（Histogram2d trace）
　　3.2.5　エラーバー
　　3.2.6　平行座標プロット（Parcoords trace）
　　3.2.7　平行プロット（Parcats trace）
　　3.2.8　ヒートマップ（Heatmap trace）
　　3.2.9　等高線図（Contour trace）
　　3.2.10　ポーラチャート（Scatterpolar trace）
　　3.2.11　三角図（Scatterternary trace）
　　3.2.12　ローソク足（Candlestick trace）
　　3.2.13　ウォーターフォール図（Waterfall trace）
　　3.2.14　ファンネル図（Funnel trace）
　　3.2.15　階級区分図（Choropleth trace）
　　3.2.16　地図上の散布図（Scattergeo trace）
　　3.2.17　地図上の折れ線グラフ（Scattergeo trace）
　　3.2.18　mapboxの利用
　3.3　3Dグラフ
　　3.3.1　3D散布図（Scatter3d trace）
　　3.3.2　3D折れ線グラフ（Scatter3d trace）
　　3.3.3　サーフェスグラフ（Surface trace）
　　3.3.4　メッシュグラフ（Mesh3d trace）

第4章　plotly.py応用
　4.1　サブプロット
　4.2　グラフのカスタマイズ
　　4.2.1　グラフのスタイル
　　4.2.2　グラフサイズと余白
　　4.2.3　軸の設定
　　4.2.4　凡例の設定
　　4.2.5　カラースケール
　4.3　オブジェクトの描画
　　4.3.1　テキストの描画と設定
　　4.3.2　図形の描画
　4.4　インタラクティブな可視化
　　4.4.1　ホバーツールの設定
　　4.4.2　コールバックによるインタラクティブな可視化
　4.5　グラフを画像ファイルに出力

第5章　Dash入門
　5.1　Dashとは
　　5.1.1　Dashを用いたインタラクティブな可視化事例
　5.2　Dashの全体像
　　5.2.1　コンポーネント
　　5.2.2　スタイル設定
　　5.2.3　グラフ作成
　　5.2.4　レイアウト
　　5.2.5　コールバック

第6章　Dashレイアウト
　6.1　コンポーネント
　　6.1.1　コンポーネントの作成
　　6.1.2　コンポーネントの主要な属性
　6.2　スタイル設定
　　6.2.1　コンポーネント自身のスタイル設定
　　6.2.2　コンポーネントを配置する
　　6.2.3　外部CSSを用いたスタイル設定
　6.3　グラフの配置
　　6.3.1　Plotly Expressを用いたグラフの配置
　　6.3.2　plotly.pyを用いたグラフの配置
　6.4　複数コンポーネントの配置
　　6.4.1　Divコンポーネントの引数styleを用いた配置
　　6.4.2　外部CSSを用いたスタイル設定
　　6.4.3　スタイルシートをカスタマイズしたスタイル設定
　　6.4.4　複数のコンポーネントを組み合わせた配置

第7章　Dashコールバック
　7.1　コールバック基礎
　　7.1.1　コールバック概要
　　7.1.2　入力データを即座に反映するコールバック
　　7.1.3　複数の入出力が存在するコールバック
　7.2　パターンマッチング・コールバック
　　7.2.1　ALLセレクタ
　　7.2.2　MATCHセレクタ
　　7.2.3　ALLSMALLERセレクタ
　7.3　コールバック応用
　　7.3.1　画面遷移
　　7.3.2　各レイアウトごとにコールバックが存在するアプリケーション
　　7.3.3　グラフ上のマウス動作の活用
　　7.3.4　特定の状態でのコールバックの更新停止
　　7.3.5　連鎖コールバック

第8章　Dashの標準コンポーネント
　8.1　Dash HTML Components
　　8.1.1　Dash HTML Componentsの概要
　　8.1.2　文字列を用いたアプリケーション
　　8.1.3　表示画像を切り替えるアプリケーション
　8.2　Dash Core Components
　　8.2.1　Dropdownコンポーネント
　　8.2.2　Loadingコンポーネント
　　8.2.3　Sliderコンポーネント
　　8.2.4　Linkコンポーネント
　　8.2.5　Locationコンポーネント
　　8.2.6　Intervalコンポーネント
　　8.2.7　Uploadコンポーネント
　8.3　Dash DataTable
　　8.3.1　テーブルを作成
　　8.3.2　テーブルを一括してスタイル設定
　　8.3.3　テーブルを要素ごとに装飾
　　8.3.4　CSVファイルを用いたテーブル作成
　　8.3.5　テーブルの表示幅の変更と固定表示
　　8.3.6　テーブルの編集
　　8.3.7　テーブルデータを地図に表示

第9章　Dashの追加コンポーネント
　9.1　DashCanvas
　　9.1.1　DashCanvasコンポーネント
　　9.1.2　画像ファイルを表示
　　9.1.3　描き込み結果のCSVファイルを取得
　　9.1.4　輪郭を指定した画像の切り抜き
　9.2　Dash Bio
　　9.2.1　Dash Bioのコンポーネント
　　9.2.2　サーコスプロット
　9.3　Dash DAQ
　　9.3.1　計器を実装したアプリケーションの作成

第10章　Dash Cytoscape入門
　10.1　Dash Cytoscapeとは
　10.2　ネットワーク可視化とは
　　10.2.1　ノードとエッジ
　　10.2.2　無向グラフと有向グラフ
　　10.2.3　ネットワーク可視化における視覚表現
　10.3　Dash Cytoscapeの基本
　　10.3.1　基本的なネットワーク図の描画
　10.4　ネットワークの構成要素
　　10.4.1　ネットワーク構造の表現（エッジリストと隣接行列）
　　10.4.2　Dash Cytoscapeにおけるネットワーク構造の表現
　　10.4.3　要素辞書とデータ辞書
　　10.4.4　データ辞書への独自キーの追加
　　10.4.5　NetworkXを使ったほかのデータ形式からの変換
　10.5　ノードの配置方法
　　10.5.1　ノードの配置方法の基本
　　10.5.2　手動的な配置（preset）
　　10.5.3　自動的な配置（preset以外）
　10.6　スタイル設定
　　10.6.1　スタイル設定の基本
　　10.6.2　スタイルの適用範囲（"selector"キー/セレクタ文字列）
　　10.6.3　スタイル辞書("style"キー）

第11章　Dash Cytoscape応用
　11.1　インタラクティブなネットワーク可視化
　　11.1.1　Dash Cytoscapeにおけるコールバックの基本
　　11.1.2　イベントコールバックの基本
　11.2　複合ノード(Compound Node）

Appendix
　A.1　パッケージ情報
　　A.1.1　plotly.py
　　A.1.2　plotly express
　　A.1.3　Dash
　　A.1.4　Dash Cytoscape
　　A.1.5　NetworkX
　　A.1.6　Jupyter Dash
　A.2　整然データ
　　A.2.1　整然データとは
　　A.2.2　雑然データから整然データへの変換
　　A.2.3　整然データを可視化
　A.3　Plotly Expressの関数とplotly.pyのクラスの対応表
　A.4　Notebook（ipynbファイル）を共有
　　A.4.1　nbviewer
　　A.4.2　binder
　　A.4.3　Colaboratory
　A.5　Dashアプリケーションのデプロイ
　　A.5.1　Herokuにデプロイする
　　A.5.2　Azureにデプロイする
　　A.5.3　GCPにデプロイする
　A.6　認証機能
　　A.6.1　認証機能の実装
　A.7　JupyterDash
　　A.7.1　Jupyter上でのアプリケーション作成
　A.8　Dashアプリケーションのモジュール分割
　　A.8.1　モジュール分割

索　　引

著：@driller
@driller(どりらー)　
デリバティブを中心とした金融データの分析にPythonを活用している。Python × 金融のコミュニティfin-py主宰。
著書に『改訂版 Pythonユーザのための Jupyter［実践］入門』(共著, 技術評論社)がある。

著：小川　英幸
小川 英幸(おがわ ひでゆき)　
データテックを扱う合同会社長目を経営。
京都のPythonコミュニティ「はんなり Pythonの会」のオーガナイザ。

著：古木　友子
古木 友子(ふるき ともこ)　
筑波大学大学院システム情報工学研究科修士課程修了。
化学メーカーのソフトウエ ア系子会社にて医療機関向けシステムの開発およびPythonによるデータ活用の経験を経た後, 2020年現在, 株式会社ビープラウドにてデータ解析業務を担当。また東京大学先端科学技術研究センターにてPythonによるパッケージ開発に従事。個人活動としてPythonの公式の技術ドキュメントであるPEPの引用関係ネットワークを解析する取り組みをしている。
　Twitter: @komo_fr