matplotlib inlineとは？完全入門ガイド【初心者でもわかる】

（最終更新月: 2024年11月）

✔こんな方におすすめの記事です

「Pythonでグラフを表示させたいけど、うまくいかない」
「Jupyter Notebookでmatplotlibを使いたい」
「%matplotlib inlineって何？どう使うの？」

✔この記事で得られること

• matplotlib inlineの基本的な使い方とメリット
• Jupyter Notebookでのグラフ表示方法
• 実践的なグラフ作成テクニック

当記事では、matplotlib inlineの基礎から応用まで、実例を交えて幅広く解説していきます。
ぜひ最後までご覧ください。

matplotlib inlineの基礎知識

matplotlib inlineについて、初心者の方にもわかりやすく解説していきます。
なぜmatplotlib inlineが必要なのか、その基本的な概念から見ていきましょう。

• matplotlib inlineとは
• Jupyter Notebookでの使い方
• インライン表示のメリット

matplotlib inlineとは

matplotlib inlineは、Jupyter Notebook上でグラフを表示するための特別な設定です。

この設定により、プログラムの実行結果としてグラフがノートブック内に直接表示されるようになります。

以下が基本的な使い方です：

%matplotlib inline
import matplotlib.pyplot as plt

この設定がないと、グラフが別ウィンドウで表示されたり、まったく表示されなかったりする場合があるのです。

Jupyter Notebookでの使い方

Jupyter Notebookでmatplotlib inlineを使用するのは、とても簡単です。

ノートブックの最初のセルで%matplotlib inlineと入力するだけで設定完了します。

具体的な手順は以下の通りです：

# 1. まずmatplotlib inlineを設定
%matplotlib inline

# 2. 必要なライブラリをインポート
import matplotlib.pyplot as plt
import numpy as np

# 3. データを作成
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 4. グラフを描画
plt.plot(x, y)
plt.title('Simple Sine Wave')
plt.show()

インライン表示のメリット

matplotlib inlineを使用することで、複数のメリットがあります。

グラフがノートブック内に直接表示されるため、作業の流れが途切れません。

以下のような利点があります：

• グラフと関連コードが同じ場所に表示される
• 保存したノートブックを開くと、過去のグラフもすべて表示される
• 別ウィンドウを管理する必要がない

グラフ作成の基本テクニック

ここでは、matplotlib inlineを使用した基本的なグラフ作成方法を解説します。
実際のコード例を見ながら、様々なグラフの作り方を学んでいきましょう。

• 折れ線グラフの作成方法
• 棒グラフの作成方法
• 散布図の作成方法

折れ線グラフの作成方法

折れ線グラフは、データの推移を表現するのに適しています。

以下のコードで、基本的な折れ線グラフを作成できます。

%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np

# データの準備
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 6, 8, 10])

# グラフの作成
plt.plot(x, y, 'b-', label='データ')
plt.xlabel('X軸')
plt.ylabel('Y軸')
plt.title('基本的な折れ線グラフ')
plt.legend()
plt.grid(True)
plt.show()

グラフの色やスタイルを変更することで、より見やすい表現が可能です。

棒グラフの作成方法

棒グラフは、カテゴリごとの比較に適しています。

matplotlib inlineを使用して、以下のように作成できます。

%matplotlib inline
import matplotlib.pyplot as plt

# データの準備
categories = ['A', 'B', 'C', 'D']
values = [4, 3, 2, 5]

# グラフの作成
plt.bar(categories, values)
plt.title('基本的な棒グラフ')
plt.xlabel('カテゴリ')
plt.ylabel('値')
plt.show()

散布図の作成方法

散布図は、2つの変数間の関係を可視化するのに適しています。

以下のコードで、簡単に散布図を作成できます。

%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np

# ランダムデータの生成
np.random.seed(0)
x = np.random.rand(50)
y = 2 * x + np.random.rand(50)

# 散布図の作成
plt.scatter(x, y)
plt.title('散布図の例')
plt.xlabel('X値')
plt.ylabel('Y値')
plt.show()

グラフのカスタマイズ方法

グラフをより見やすく、魅力的にするためのカスタマイズ方法を説明します。
適切なカスタマイズにより、データをより効果的に表現できます。

• グラフの色とスタイル
• タイトルと軸ラベル
• 凡例とグリッド線

グラフの色とスタイル

グラフの色やスタイルを変更することで、より見やすい表現が可能です。

matplotlib inlineでは、多様な色とスタイルオプションが用意されています。

%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.plot(x, y1, 'r--', linewidth=2, label='sin')
plt.plot(x, y2, 'b:', linewidth=2, label='cos')
plt.legend()
plt.show()

タイトルと軸ラベル

グラフのタイトルや軸ラベルを適切に設定することで、情報をより明確に伝えられます。

フォントサイズやスタイルも自由に調整できます。

%matplotlib inline
import matplotlib.pyplot as plt

plt.title('グラフタイトル', fontsize=15)
plt.xlabel('X軸ラベル', fontsize=12)
plt.ylabel('Y軸ラベル', fontsize=12)

凡例とグリッド線

凡例とグリッド線を追加することで、グラフの可読性が向上します。

以下のコードで、これらの要素を追加できます。

plt.legend(loc='best', fontsize=10)
plt.grid(True, linestyle='--', alpha=0.7)

複数グラフの表示テクニック

複数のグラフを効果的に表示する方法を解説します。
データの比較や関係性を示すために、この技術は重要です。

• サブプロットの作成方法
• グラフの配置と調整
• 複数データの重ね合わせ

サブプロットの作成方法

サブプロットを使用すると、複数のグラフを一つの図に配置できます。

以下のコードで、基本的なサブプロットを作成できます。

%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4))

x = np.linspace(0, 10, 100)
ax1.plot(x, np.sin(x))
ax1.set_title('Sin Wave')

ax2.plot(x, np.cos(x))
ax2.set_title('Cos Wave')

plt.tight_layout()
plt.show()

グラフの配置と調整

グラフのサイズや配置を調整することで、より見やすい表示が可能です。

以下のように設定を変更できます。

plt.figure(figsize=(10, 6))
plt.subplot(2, 2, 1)  # 2行2列の1番目

複数データの重ね合わせ

複数のデータセットを1つのグラフに重ねて表示できます。

これにより、データの比較が容易になります。

plt.plot(x1, y1, label='データ1')
plt.plot(x2, y2, label='データ2')
plt.legend()

まとめ

当記事では、matplotlib inlineについて学習してきました。

• Jupyter Notebookでのグラフ表示の基本を理解
• 様々な種類のグラフの作成方法を習得
• グラフのカスタマイズと複数グラフの表示テクニックを習得

これらの知識を活かして、ぜひ自分だけのデータ可視化に挑戦してみてください。

matplotlib inlineを使いこなすことで、データ分析の幅が大きく広がります。

まずは簡単なグラフから始めて、徐々に複雑なグラフにチャレンジしていきましょう。