Matplotlib plotの完全ガイド：基礎から実践まで

※本サイトにはプロモーション・広告が含まれています。

（最終更新日：2024年11月）

✔こんな方におすすめの記事です

「Pythonでグラフを作りたいけど、どうすればいいかわからない」
「Matplotlibの基本的な使い方を学びたい」
「実践的なグラフの作り方を知りたい」

✔当記事で得られること

  • Matplotlibを使った基本的なグラフの作り方
  • さまざまなグラフの種類と適切な使い分け方
  • プロフェッショナルなグラフ作成のためのカスタマイズ方法

当記事では、Matplotlibの基礎から応用的なグラフ作成テクニックまで、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。

筆者プロフィール

筆者プロフィールアイコン

【現職】プロダクトマネージャー

【副業】ブログ（月間20万PV）/YouTube/Web・アプリ制作

「プログラミング × ライティング × 営業」の経験を活かし、30後半からのIT系職へシフト。現在はプロダクトマネージャーとして、さまざまな関係者の間に入り奮闘してます。当サイトでは、実際に手を動かせるWebアプリの開発を通じて、プログラミングはもちろん、IT職に必要な情報を提供していきます。

【当ブログで紹介しているサイト】

当サイトチュートリアルで作成したデモ版日報アプリ

Django × Reactで開発したツール系Webアプリ

✔人に見せても恥ずかしくないコードを書こう

「リーダブルコード」は、わかりやすく良いコードの定義を教えてくれる本です。

  • 見るからにきれいなコードの書き方
  • コードの分割方法
  • 変数や関数の命名規則

エンジニアのスタンダートとすべき基準を一から解説しています。

何回も読むのに値する本なので、ぜひ手にとって読んでみてください。

リーダブルコード ―より良いコードを書くためのシンプルで実践的なテクニック
created by Rinker

Matplotlib plotとは

Matplotlibは、Pythonで最も人気のあるグラフ作成ライブラリです。
データ分析やビジュアライゼーションには欠かせないツールとなっています。
以下の内容について、順を追って説明していきます。

  • Matplotlibの概要と特徴
  • plotメソッドの基本
  • インストール方法と基本設定

当記事ではこういったのを理解していきましょう。

例）Matplotlib基本のプロットコード

import matplotlib.pyplot as plt
import numpy as np

# データの準備
x = np.linspace(0, 10, 100)  # 0から10まで100点のデータを生成
y = np.sin(x)  # サイン波を生成

# プロットの作成
plt.plot(x, y)
plt.title('基本的な折れ線グラフ')  # タイトルの設定
plt.xlabel('x軸')  # x軸のラベル
plt.ylabel('y軸')  # y軸のラベル
plt.grid(True)  # グリッドの表示
plt.show()  # グラフの表示

# 複数のデータを一つのグラフに表示
y2 = np.cos(x)  # コサイン波を生成
plt.plot(x, y, label='sin(x)')  # ラベルを付けて描画
plt.plot(x, y2, label='cos(x)')  # 2つ目のデータを追加
plt.legend()  # 凡例の表示
plt.title('複数データの表示')
plt.show()

Matplotlibの概要と特徴

Matplotlibは、科学技術計算やデータ分析で広く使用されているPythonのグラフ作成ライブラリです。
MATLABのような使い勝手の良さを目指して開発されました。
主な特徴は以下の通りです。

  • さまざまな種類のグラフ作成が可能
  • 細かいカスタマイズが可能
  • 他のPythonライブラリとの連携が容易
  • 豊富なドキュメントとコミュニティサポート

plotメソッドの基本

plotメソッドは、Matplotlibの中で最も基本的なグラフ作成メソッドです。
2次元の折れ線グラフやドットプロットを簡単に作成できます。
基本的な使い方は以下のとおりです。

plt.plot(x, y)  # x軸とy軸のデータを指定

カスタマイズオプションも豊富で、線の色や太さ、マーカーの種類なども指定できます。

インストール方法と基本設定

Matplotlibのインストールは、pipコマンドで簡単に行えます。
以下のコマンドを実行してください。

pip install matplotlib

Jupyterノートブックを使用する場合は、以下のマジックコマンドを実行することで、グラフをノートブック内に表示できます。

%matplotlib inline

グラフの種類と使い分け

データの性質や目的に応じて、適切なグラフを選択することが重要です。
Matplotlibでは、多様なグラフタイプをサポートしています。

  • 基本的な折れ線グラフ
  • 散布図とドットプロット
  • 棒グラフとヒストグラム

基本的な折れ線グラフ

折れ線グラフは、時系列データや連続的な変化を表現するのに適しています。
Matplotlibでは、plotメソッドを使って簡単に作成できます。
以下のコードで、基本的な折れ線グラフを作成できます。

import matplotlib.pyplot as plt
import numpy as np

# データの準備
x = np.linspace(0, 10, 50)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)

# 基本的な折れ線グラフ
plt.figure(figsize=(10, 6))  # グラフサイズの設定
plt.plot(x, y1, 'r-', label='sin(x)')  # 赤い実線
plt.plot(x, y2, 'b--', label='cos(x)')  # 青い破線
plt.plot(x, y3, 'g:', label='tan(x)')  # 緑の点線

# グラフの装飾
plt.title('三角関数のグラフ')
plt.xlabel('x値')
plt.ylabel('y値')
plt.grid(True)
plt.legend()
plt.show()

# スタイルを変えた例
plt.style.use('seaborn')  # スタイルの変更
plt.figure(figsize=(10, 6))
plt.plot(x, y1, marker='o', linestyle='-', markersize=4, label='sin(x)')
plt.plot(x, y2, marker='s', linestyle='--', markersize=4, label='cos(x)')
plt.title('マーカー付きの折れ線グラフ')
plt.legend()
plt.grid(True)
plt.show()

散布図とドットプロット

散布図は、2つの変数間の関係を視覚化するのに最適です。
相関関係やパターンを見つけるのに役立ちます。
以下のような場合に使用することをおすすめします。

  • データポイント間の相関を確認したいとき
  • 外れ値を見つけたいとき
  • データの分布を把握したいとき

棒グラフとヒストグラム

棒グラフは、カテゴリーごとの比較に適しています。
ヒストグラムは、データの分布を表現するのに使用します。
それぞれの特徴と使い分けについて、以下で詳しく説明します。

グラフのカスタマイズ方法

グラフの見た目を改善することで、データをより効果的に伝えられます。
Matplotlibには、豊富なカスタマイズオプションが用意されてるのです。

  • タイトルとラベルの設定
  • 色とスタイルの調整
  • 軸の設定とスケール

タイトルとラベルの設定

グラフのタイトルや軸ラベルは、データの内容を理解する上で重要な要素です。
日本語を使用する場合は、フォントの設定にも注意が必要です。
以下のコードで、タイトルや軸ラベルを設定できます。

import matplotlib.pyplot as plt
import numpy as np

# 日本語フォントの設定
plt.rcParams['font.family'] = 'MS Gothic'  # Windows
# plt.rcParams['font.family'] = 'Hiragino Sans'  # Mac
# plt.rcParams['font.family'] = 'IPAGothic'  # Linux

# データの準備
x = np.linspace(0, 10, 50)
y = np.sin(x)

# グラフの作成
plt.figure(figsize=(10, 6))
plt.plot(x, y)

# タイトルとラベルの設定
plt.title('サイン波のグラフ', fontsize=16, pad=15)
plt.xlabel('時間（秒）', fontsize=12)
plt.ylabel('振幅', fontsize=12)

# グリッドの追加
plt.grid(True, linestyle='--', alpha=0.7)

# 軸の範囲設定
plt.xlim(0, 10)
plt.ylim(-1.5, 1.5)

# 目盛りの設定
plt.xticks(np.arange(0, 11, 2))
plt.yticks(np.arange(-1.5, 1.6, 0.5))

plt.show()

色とスタイルの調整

グラフの色やスタイルを適切に選択することで、データの視認性が向上します。
Matplotlibに用意されている、多くのプリセットスタイルを使いましょう。
カラーマップを使用することで、データの値に応じた色付けもできます。

軸の設定とスケール

データの特性に応じて、適切な軸の設定とスケールを選択することが重要です。
対数スケールや正規化など、さまざまなオプションが利用できます。
以下のような場合に、軸の設定を変更することをおすすめします。

  • データの範囲が広い場合
  • 比率の変化を見たい場合
  • 特定の範囲に注目したい場合

サブプロットとレイアウト

複数のグラフをひとつの図に配置することで、データを効果的に比較が可能。
サブプロットを使用することで、レイアウトを自由にカスタマイズできます。

  • 基本的なサブプロットの作成方法
  • グリッドレイアウトの活用
  • 複雑なレイアウトの実現

基本的なサブプロットの作成方法

サブプロットを使うと、ひとつの図に複数のグラフを配置できます。
subplot()関数を使用することで、グラフの位置や大きさを指定でるのです。
以下のコードで、基本的なサブプロットを作成できます。

import matplotlib.pyplot as plt
import numpy as np

# データの準備
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.exp(-x/2)
y4 = x**2

# 2x2のサブプロットを作成
plt.figure(figsize=(12, 10))

# 1番目のサブプロット
plt.subplot(2, 2, 1)  # 2行2列の1番目
plt.plot(x, y1, 'b-')
plt.title('サイン波')
plt.grid(True)

# 2番目のサブプロット
plt.subplot(2, 2, 2)  # 2行2列の2番目
plt.plot(x, y2, 'r-')
plt.title('コサイン波')
plt.grid(True)

# 3番目のサブプロット
plt.subplot(2, 2, 3)  # 2行2列の3番目
plt.plot(x, y3, 'g-')
plt.title('指数関数')
plt.grid(True)

# 4番目のサブプロット
plt.subplot(2, 2, 4)  # 2行2列の4番目
plt.plot(x, y4, 'm-')
plt.title('二次関数')
plt.grid(True)

# レイアウトの調整
plt.tight_layout()
plt.show()

# 異なるサイズのサブプロット
plt.figure(figsize=(12, 8))

# 左側に大きなプロット
plt.subplot(1, 2, 1)  # 1行2列の1番目
plt.plot(x, y1, 'b-', label='sin(x)')
plt.plot(x, y2, 'r--', label='cos(x)')
plt.title('三角関数')
plt.legend()
plt.grid(True)

# 右側に2つの小さなプロット
plt.subplot(2, 2, 2)  # 2行2列の2番目
plt.plot(x, y3, 'g-')
plt.title('指数関数')
plt.grid(True)

plt.subplot(2, 2, 4)  # 2行2列の4番目
plt.plot(x, y4, 'm-')
plt.title('二次関数')
plt.grid(True)

plt.tight_layout()
plt.show()

グリッドレイアウトの活用

GridSpecを使用すると、より柔軟なレイアウトが可能です。
グラフのサイズを個別に調整したり、間隔を設定したりできます。
以下のような場合にGridSpecを使用すると良いでしょう。

  • 異なるサイズのグラフを配置したいとき
  • 複雑なレイアウトが必要なとき
  • グラフ間の間隔を細かく調整したいとき

複雑なレイアウトの実現

複数のグラフを組み合わせて、より複雑なレイアウトを作成。
図の中に図を入れ子にしたり、異なる種類のグラフを組み合わせたりできます。
以下の点に気をつけましょう。

  • グラフ同士の重なりを避ける
  • 適切な間隔を設定する
  • 全体のバランスを考慮する

アニメーションとインタラクティブ機能

Matplotlibでは、動的なグラフやインタラクティブな機能も実現できます。
データの変化や時系列での変化を表現するのに役立つでしょう。

  • アニメーションの基本
  • インタラクティブ機能の実装
  • リアルタイムプロットの作成

アニメーションの基本

アニメーションを使うと、データの時間変化を視覚的に表現できます。
animation関数を使用し、簡単にアニメーションが作成できるからです。
以下のコードで、基本的なアニメーションを実装できます。

import matplotlib.pyplot as plt
import matplotlib.animation as animation
import numpy as np

# アニメーションの作成
fig, ax = plt.subplots()
x = np.linspace(0, 2*np.pi, 100)
line, = ax.plot(x, np.sin(x))

def animate(i):
    line.set_ydata(np.sin(x + i/10))  # iはフレーム番号
    return line,

# アニメーションの設定
ani = animation.FuncAnimation(
    fig, animate, interval=50, blit=True, 
    frames=100, repeat=True
)

plt.title('サイン波のアニメーション')
plt.grid(True)
plt.show()

# リアルタイムプロットの例
plt.figure(figsize=(10, 6))
plt.ion()  # インタラクティブモードをオン

x_data = []
y_data = []

for i in range(50):
    x_data.append(i)
    y_data.append(np.sin(i/5))

    plt.clf()  # 前のプロットをクリア
    plt.plot(x_data, y_data, 'b-')
    plt.title('リアルタイムプロット')
    plt.grid(True)
    plt.pause(0.1)  # 更新間隔

plt.ioff()  # インタラクティブモードをオフ
plt.show()

インタラクティブ機能の実装

マウスクリックやキーボード入力に反応するインタラクティブな機能の実装も可能です。
ユーザーがグラフを操作して、データを探索できるようになります。
主な機能は以下のようなものです。

  • ズームイン・アウト
  • パン（視点の移動）
  • データ点の選択
  • ツールチップの表示

リアルタイムプロットの作成

リアルタイムでデータを更新しながら、グラフを描画できます。
センサーデータの可視化やモニタリングシステムなどに活用が可能。
実装時は以下の点に注意が必要です。

  • 更新頻度の設定
  • メモリ使用量の管理
  • パフォーマンスの最適化

まとめ

当記事では、Matplotlib plotについて学習してきました。

  • 基本的なグラフの作成方法から高度なカスタマイズまでマスター
  • さまざまなグラフタイプの特徴と適切な使い分けを理解
  • アニメーションやインタラクティブ機能による動的な可視化の実現

これらの知識を活かして、ぜひ自分のデータを可視化してみてください。
始めは基本的なプロットから始めて、徐々に機能を追加していくことをおすすめします。
最終的には、自分のニーズに合った、魅力的なデータビジュアライゼーションが作成できるようになるはずです。

タイトルとURLをコピーしました