K_DM Book
用語集
対象者 標準
対象者別の入口 →

対象者の設定はこのブラウザの中にだけ保存されます。

言語 JA

カレンダーヒートマップ

入門

04.3.4

カレンダーヒートマップ

最終更新 2020-07-15 読了時間 2 分
まとめ
カレンダーヒートマップは、365 日分の値を「月ごとに 6 週×7 曜日の表」に並べ替え、各マスをその日の値の色で塗った図です。このページでは、土曜が 1.4 倍・日曜が 0.7 倍になる曜日効果と 1 日 0.05 の上昇トレンドを仕込んだ 2021 年の日次系列を作り、np.full((6, 7), np.nan) の行列に (date.day - 1) // 7 週・date.weekday() 列で値を置き、seaborn.heatmap を 3×4 のサブプロットに描きます。読み終えると、縦縞として現れる曜日の偏りと、特定の週だけ濃くなるホットスポットを、折れ線より速く見つけられるようになります。

日次データをカレンダーの形に並べると、折れ線では 365 個の点に埋もれていた「土曜だけ濃い」「3 月の第 2 週だけ赤い」といった偏りが、色の縞や塊として一目で見つかります。

直感 #

手帳のカレンダーに毎日の売上を書き込み、高い日ほど濃い赤で塗ったとします。土曜の列だけ上から下まで赤ければ曜日効果、特定の週だけ横に赤が並べばその週のイベント、右下の 12 月ほど全体が濃ければトレンドです。折れ線グラフでは 7 日ごとの山として見える曜日効果が、カレンダーでは「縦の縞」という形に変わるので、曜日の規則性を探すのにずっと向いています。コードがやっているのは、1 次元の pd.Series を月ごとに切り出し、(週, 曜日) の 2 次元の行列に置き直して色で塗る、という並べ替えだけです。

何が起きているか(ステップで見る) #

コードを読む前に、この手法が図の上で何をしているかを追ってみましょう。「再生」を押すか、スライダーを動かすと 1 手順ずつ進みます。

見るポイント:曜日ごとに色分け・平均すると、ノイズに隠れた週のパターンが取り出せる。

Python で描く #

次のコードは、曜日ごとの倍率(月 1.0、火 0.9、水 0.95、木 1.1、金 1.2、土 1.4、日 0.7)とトレンドを持つ 2021 年の日次系列を作り、1 月から 12 月までの 12 枚のカレンダーヒートマップを 3 行 4 列に並べます。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

rng = np.random.default_rng(28)
dates = pd.date_range("2021-01-01", periods=365, freq="D")
trend = 0.05 * np.arange(len(dates))
weekday_effect = np.array([1.0, 0.9, 0.95, 1.1, 1.2, 1.4, 0.7])
weekday_idx = dates.weekday.to_numpy()
values = 50 + trend + weekday_effect[weekday_idx] * rng.normal(10, 2, size=len(dates))
series = pd.Series(values, index=dates)

fig, axes = plt.subplots(3, 4, figsize=(10, 6))
vmin, vmax = series.min(), series.max()

for month, ax in zip(range(1, 13), axes.flatten()):
    month_series = series[series.index.month == month]
    matrix = np.full((6, 7), np.nan)
    for date, value in month_series.items():
        week = (date.day - 1) // 7
        weekday = date.weekday()
        matrix[week, weekday] = value

    sns.heatmap(
        matrix,
        ax=ax,
        cmap="YlOrRd",
        vmin=vmin,
        vmax=vmax,
        cbar=False,
        linewidths=0.5,
        linecolor="white",
    )
    ax.set_title(f"{month}月")
    ax.set_xticks(np.arange(7) + 0.5)
    ax.set_xticklabels(["月", "火", "水", "木", "金", "土", "日"])
    ax.set_yticks(np.arange(6) + 0.5)
    ax.set_yticklabels([f"{w+1}週" for w in range(6)])
    ax.tick_params(axis="both", which="both", length=0)

fig.suptitle("カレンダーヒートマップ(2021年)")
fig.tight_layout()
fig.savefig("static/images/timeseries/calendar_heatmap.svg")

カレンダーヒートマップの図

実行結果の読み方 #

どの月でも土曜の列(右から 2 列目)が濃く、日曜の列(右端)が薄い縦縞になっていて、これが仕込んだ 1.4 倍と 0.7 倍の曜日効果です。1 月から 12 月へ進むにつれて全体の色が濃くなるのは 0.05/日 のトレンドで、vmin / vmax を共有しているからこそ月をまたいだ比較として読めます。縞から外れて 1 マスだけ赤い日があれば、それはノイズ rng.normal(10, 2) の 1.4 倍が重なった日で、実データならイベントや障害の候補です。読む順番は「縦縞(曜日)→ 横の塊(週単位のイベント)→ 月ごとの濃さ(トレンド)」の 3 段階にすると見落としが減ります。

使いどころと落とし穴 #

カレンダーヒートマップは、曜日効果の有無を確認して 曜日別の平均 の棒グラフに進むか決める入口と、異常な日を 1 日単位で特定して原因調査に渡す出口の両方で使えます。落とし穴は色の範囲で、1 日だけ桁違いに大きい値があると vmax がその日に引っ張られて残り 364 日が全部黄色になります。その場合は vmax=series.quantile(0.99) のように上位 1 % を切り捨てて塗ると、曜日の縞が戻ります。祝日は曜日と無関係に動くので、縦縞が月によって途切れていたら jpholiday などで祝日を調べ、別の色で印を付けると誤読を防げます。