はじめに
グラフは、データを直感的に理解しやすくするために非常に重要なツールです。特に、複雑な数値や膨大なデータを扱う際には、グラフを用いることで傾向や特徴を視覚的に把握できます。本記事では、Pythonで最も人気のあるグラフ作成ライブラリ「Matplotlib」を使用して、データタイプごとの適切なグラフの選び方や作成方法を解説します。
さらに、各グラフの特徴や具体的な用途を詳しく紹介し、実際のコード例も紹介します。
データタイプ別のグラフの選び方
データには様々な種類がありますが、それらを適切なグラフで表現することが重要です。場面によって異なるかと思いますが、一般的には下記のような分け方で使い分けます。
| データタイプ | 用途 | オススメのグラフ |
| カテゴリデータ | 比較、分布の確認 | 棒グラフ、円グラフ |
| 数値データ(単変量) | 分布や範囲の確認 | ヒストグラム、箱ひげ図 |
| 数値データ(多変量) | 関係性や傾向の確認 | 散布図、バブルチャート |
| 時系列データ | 時間的な変化の視覚化 | 折れ線グラフ |
主なグラフの種類と用途
それでは、様々なグラフを実際に見ていきます。Python例もつけているので、必要に応じて使用してみてください。
折れ線グラフ
- データタイプ: 数値データ（時系列）
- 用途: 時間的な変化を確認する際に適する。
- 例: 売上推移、気温の変化。
import matplotlib.pyplot as plt
months = ['Jan', 'Feb', 'Mar', 'Apr', 'May']
sales = [200, 220, 210, 240, 250]
plt.plot(months, sales, marker='o')
plt.title("月ごとの売上推移")
plt.xlabel("月")
plt.ylabel("売上 (万円)")
plt.show()棒グラフ
- データタイプ: カテゴリデータ
- 用途: カテゴリ間の比較。
- 例: 地域ごとの売上、商品別の利益。
import matplotlib.pyplot as plt
regions = ['北部', '東部', '南部', '西部']
revenue = [300, 400, 350, 450]
plt.bar(regions, revenue, color='skyblue')
plt.title("地域別売上")
plt.xlabel("地域")
plt.ylabel("売上 (万円)")
plt.show()ヒストグラム
- データタイプ: 数値データ（単変量）
- 用途: データの分布を確認。
- 例: テスト点数、収入の分布。
import matplotlib.pyplot as plt
import numpy as np
data = np.random.normal(50, 10, 100)
plt.hist(data, bins=10, color='green', edgecolor='black')
plt.title("テストスコアの分布")
plt.xlabel("スコア")
plt.ylabel("頻度")
plt.show()散布図
- データタイプ: 数値データ（多変量）
- 用途: 2つの変数間の相関を確認。
- 例: 広告費と売上の関係。
import matplotlib.pyplot as plt
advertising = [5, 7, 8, 7, 6, 9, 10]
sales = [15, 21, 25, 19, 17, 24, 28]
plt.scatter(advertising, sales, color='purple')
plt.title("広告費と売上の相関")
plt.xlabel("広告費 (万円)")
plt.ylabel("売上 (万円)")
plt.show()箱ひげ図
- データタイプ: 数値データ（単変量）、数値データ（単変量）×カテゴリデータ
- 用途: データの範囲、分布、外れ値を確認。
- 例: サンプルの年収分布。
この箱ひげ図は年収（万円）の分布を示しています。
箱の上下は第1四分位数（約540万円）と第3四分位数（約610万円）で、箱の中の線は中央値（約580万円）です。
上下の「ひげ」は通常範囲内の最小値（約500万円）と最大値（約630万円）を表します。外れ値は表示されていません。この図から年収のばらつきや偏りを視覚的に把握できます。
最小値（約500万円）：ひげの下端。データの中で最も小さい値（外れ値を除く）。
第1四分位数（Q1：約540万円）：下位25%の境界。データを小さい順に並べたとき、下から25%の位置。
中央値（約580万円）：全体の中央の値。データを半分に分けるライン。
第3四分位数（Q3：約610万円）：上位25%の境界。全体の上から25%の位置。
最大値（約630万円）：ひげの上端。データの中で最も大きい値（外れ値を除く）。
import matplotlib.pyplot as plt
income = [500, 550, 610, 580, 620, 630, 540, 520, 590]
plt.boxplot(income)
plt.title("年収の分布")
plt.ylabel("年収 (万円)")
plt.show()円グラフ
- データタイプ: カテゴリデータ
- 用途: 各カテゴリの全体に対する割合。
- 例: 市場シェア、アンケート結果。
import matplotlib.pyplot as plt
labels = ['A社', 'B社', 'C社', 'D社']
market_share = [35, 25, 20, 20]
plt.pie(market_share, labels=labels, autopct='%1.1f%%', startangle=90)
plt.title("市場シェア")
plt.show()Matplotlibのカスタマイズ
Matplotlibでは、グラフを自分好みにカスタマイズすることで、視覚的な魅力や情報の伝わりやすさを向上させることができます。例えば、軸ラベルやタイトルのフォントサイズを変更したり、色やスタイルを調整して見やすくすることが可能です。
また、複数のデータを表示する際には、凡例を追加することでデータの意味を明確に伝えることができます。
# カスタマイズの例
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [10, 20, 25, 30, 35]
plt.plot(x, y, color='blue', marker='o', linestyle='--', label='データA') # マーカー、ラインのカスタム
plt.title("カスタマイズされたグラフ", fontsize=16) # タイトルの設定
plt.xlabel("X軸ラベル", fontsize=12) # X軸の設定
plt.ylabel("Y軸ラベル", fontsize=12) # Y軸の設定
plt.legend() # 凡例の設定
plt.grid(True) # グリッドの設定
plt.show()まとめ
この記事では、PythonのMatplotlibを使ったグラフの作成方法と、データタイプに応じた適切なグラフの選び方を解説しました。グラフはデータを理解し、効果的に伝えるための重要なツールです。それぞれのグラフには適した用途があり、適切な場面で選んで使用することで、データ分析やレポート作成の精度が向上します。
Pythonではseabornやplotlyなど、他のライブラリを用いてもグラフを作ることができるので、これらを学習するのもオススメです。
Matplotlibを用いたグラフ化を学ぶのにオススメの方法
書籍：Matplotlib&Seaborn実装ハンドブック
下記の書籍にMatplotlibやseabornの可視化処理がまとめられているので、実践的なコードの書き方を確認するのもオススメです。
スクール：現役データサイエンティストに教えてもらう
グラフ化は分析の際に必須です。難しいと感じる場合は、相談しながら進められるスクールもオススメです。
コメント