04.3.4
カレンダーヒートマップ
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。
| |
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。
- カレンダーヒートマップ (可視化) — 汎用的なカレンダーヒートマップの作成
- 曜日別の平均 — 曜日効果をバーグラフで評価
- 季節性の極座標表現 — 月別平均を円形グラフで直感的に確認