AI実装検定B級　⑦ データ可視化（Matplotlib・seaborn）

正解：A．plt.plot()

折れ線グラフにはplot関数を使用する。

正解：B．color='green'

color引数でグラフの色を指定できる。

正解：C．plt.legend()

legend関数を用いることで、plot関数等で指定したlabelが表示される。

正解：D．空文字('')

linestyleを空文字('')にすると線が描かれず点のみになる。

正解：A．plt.scatter()

基本的な散布図はplot関数でも描けるが、複雑な散布図にはscatter関数を用いる。

正解：B．alpha

alpha引数で各点の透明度を調整できる。

正解：C．ヒストグラム

ヒストグラムはデータの分布や傾向を把握する際に活用される。

正解：D．bins

bins引数でヒストグラムの区切り（柱の数）を指定できる。

正解：A．凡例

凡例を追加することでグラフの識別が容易になる。

正解：B．plt.style.use()

plt.style.use()関数でグラフ全体のテーマを設定できる。

正解：C．seabornは統計可視化向けの高水準APIを提供する

seabornは統計データの可視化向けに高水準APIを提供するライブラリである。

正解：D．fig.add_subplot()

figureオブジェクトに対してadd_subplotメソッドを呼び出すことでグラフ領域が作成される。

正解：A．統計的なグラフを少ないコードで簡潔に描ける

seabornは統計的なグラフを少ないコードで簡潔に描けるのが強みである。

正解：B．sns.jointplot()

jointplot関数は2変数の散布図と周辺のヒストグラムを1つにまとめて描く。

正解：C．sns.heatmap()

heatmap関数を用いることで相関行列を視覚的に表示できる。

正解：C．seabornは内部でMatplotlibを使って図を描いている

seabornは内部でMatplotlibを利用してグラフを描画している。

正解：A．plt.contour()

contour関数を使用することで等高線のような密度の図を描くことができる。

正解：B．柱の数を20個にしてより詳細な動きを可視化するため

binsの値を増やすことで、より細かなデータの分布を可視化できる。

正解：D．marker='o'

marker引数に'o'を指定すると丸い点が描画される。

正解：A．色の濃淡（グラデーション）で表す

heatmapは値の大小を色の濃淡（グラデーション）で表現する。

正解：B．黒

dark_backgroundを指定すると背景が黒になる。

正解：C．グラフを描くための白い紙（領域）を準備する

plt.figure()は新しい描画領域を作成する命令である。

正解：D．相関行列をヒートマップにする

相関行列をヒートマップにすると変数間の相関の強さを一覧で把握できる。

正解：A．plt.legend()を呼ぶ

plot関数でラベルを付けても、legend関数を呼ばなければ凡例は表示されない。

正解：B．点の透明度を50%にする

alpha引数は透明度を設定し、重なり合う点を視覚的に分かりやすくする効果がある。

正解：C．ペアプロット図

ペアプロット図は変数間の関係性をマトリックス形式で一覧できる。

正解：D．実線

linestyleを省略した場合、デフォルトで実線が描画される。

正解：A．分布の捉え方の解像度が変わる

binsの指定はデータの区切り方を調整し、分布の詳細な見え方を変化させる。

正解：C．散布図

線がない状態で点（marker）のみを描画するため散布図となる。

正解：B．統計データ以外の可視化がMatplotlibと比較して適していない

seabornは特定の用途に特化しており、統計以外の汎用的な図の作成には適さない場合がある。

正解：D．両者とも散布図を描画できるが用途による使い分けがある

plot関数とscatter関数の両方で散布図を描けるが、基本的か複雑か等の用途で使い分ける。

正解：D．FigureとAxesを取得でき、軸やラベルをより細かく制御できる

fig, ax = plt.subplots()でFigureとAxesを取得すると、軸やラベルをより細かく手動で制御できる。