Matplotlibで折れ線グラフを簡単に作成！初心者向け完全マニュアル

※本サイトにはプロモーション・広告が含まれています。

（最終更新月: 2024年11月）

✔こんな方におすすめの記事です

「Pythonで折れ線グラフを作りたいけど、Matplotlibの使い方がわからない」
「Matplotlibの折れ線グラフをもっとカッコよく見せたい」
「折れ線グラフの基本から応用までしっかり学びたい」

✔当記事を通じて得られること

  • Matplotlibによる折れ線グラフの基本的な作り方
  • グラフの見た目をカスタマイズする方法
  • 実践的なグラフ作成テクニック

当記事では、Matplotlib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。

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とは：折れ線グラフ作成の第一歩

Matplotlibは、Pythonで最も使われているグラフ作成ライブラリの一つです。
データ分析や可視化において、折れ線グラフは重要な役割を果たすため、基本をしっかり押さえておく必要があります。

  • Matplotlibの概要と特徴
  • インストール方法と基本設定
  • グラフ作成の基本的な流れ

Matplotlibの概要と特徴

Matplotlibは、Pythonでさまざまな種類のグラフを作成できる強力なライブラリです。
特に折れ線グラフの作成において、直感的な操作と豊富なカスタマイズ機能を提供しています。
以下のコマンドでインストールができます。

pip install matplotlib

データ分析に必要な基本的なグラフ機能はすべて備わっているため、初心者でも扱いやすいのが特徴です。
複数のグラフを重ねて表示することもでき、データの比較や分析に非常に便利です。

インストール方法と基本設定

Matplotlibをインストールしたら、まずは基本的な設定を行います。
Pythonファイルの先頭に以下のコードを記述して、Matplotlibを使える状態にします。

import matplotlib.pyplot as plt
import numpy as np  # データ生成用

日本語を使用する場合は、フォントの設定も必要になります。
以下のコードで日本語フォントを設定できます。

plt.rcParams['font.family'] = 'MS Gothic'  # Windows
# plt.rcParams['font.family'] = 'Hiragino Sans'  # Mac

グラフ作成の基本的な流れ

折れ線グラフを作成する基本的な流れは以下のとおりです。
まずはシンプルな例から見ていきましょう。

# 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)
plt.show()

このコードで、最もシンプルな折れ線グラフを作成できます。
より見やすいグラフにするために、タイトルや軸ラベルを追加することをおすすめします。

基本的な折れ線グラフの作成方法

折れ線グラフの基本的な作成方法について、具体的な例を交えて説明します。
初心者の方でも理解しやすいように、段階的に解説していきます。

  • データの準備と基本的なプロット
  • タイトルと軸ラベルの設定
  • グラフスタイルの基本設定

データの準備と基本的なプロット

折れ線グラフを作成するには、まずx軸とy軸のデータを用意する必要があります。
Numpyを使用すると、効率的にデータを生成できます。

# データの生成
x = np.linspace(0, 10, 100)  # 0から10までの100点
y = np.sin(x)  # サイン波の生成

# 基本的なプロット
plt.plot(x, y)
plt.show()

複数のデータを同時にプロットする場合は、plot関数を複数回呼び出します。
それぞれの線に異なる色や線種を指定することもできます。

タイトルと軸ラベルの設定

グラフを見やすくするために、タイトルと軸ラベルを設定することは重要です。
以下のコードで、グラフにタイトルと軸ラベルを追加できます。

plt.plot(x, y)
plt.title('サイン波のグラフ')
plt.xlabel('x軸')
plt.ylabel('y軸')
plt.grid(True)  # グリッド線の表示
plt.show()

タイトルのフォントサイズや位置も調整できます。
より見やすいグラフにするために、適切な設定を選びましょう。

グラフスタイルの基本設定

Matplotlibには、線の色や太さ、スタイルを変更するための多くのオプションがあります。
基本的なスタイル設定は以下のように行います。

plt.plot(x, y, 
         color='red',          # 線の色
         linewidth=2,          # 線の太さ
         linestyle='--',       # 線のスタイル
         marker='o',          # マーカーの形
         markersize=8)        # マーカーのサイズ
plt.show()

これらのパラメータを組み合わせることで、見やすく魅力的なグラフを作成できます。

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解説します。
適切なカスタマイズにより、データの視認性が大幅に向上します。

  • 色とスタイルのカスタマイズ
  • 凡例の追加と配置
  • グリッド線と目盛りの設定

色とスタイルのカスタマイズ

Matplotlibでは、豊富な色とスタイルのオプションが用意されています。
以下のコードで、さまざまな表現が可能です。

# 複数の線を異なるスタイルでプロット
plt.plot(x, np.sin(x), 'r--', label='sin')
plt.plot(x, np.cos(x), 'b:', label='cos')
plt.plot(x, x/5, 'g-.', label='linear')

# スタイル設定
plt.style.use('seaborn')  # プロットスタイルの変更
plt.show()

カラーマップを使用することで、より多くの色の組み合わせも可能です。
データの種類に応じて、適切な色とスタイルを選択することが重要です。

凡例の追加と配置

複数の線を表示する場合、凡例は必須の要素です。
以下のコードで、凡例を追加し、位置を調整できます。

plt.plot(x, np.sin(x), label='sin')
plt.plot(x, np.cos(x), label='cos')

# 凡例の追加
plt.legend(loc='upper right',    # 位置
          bbox_to_anchor=(1.2, 1),  # 詳細な位置調整
          frameon=True,          # 枠の表示
          shadow=True)           # 影の追加
plt.show()

凡例の位置は’best’を指定すると、最適な位置に自動配置されます。
データと重ならない位置を選ぶことが重要です。

グリッド線と目盛りの設定

グリッド線と目盛りの適切な設定により、データの読み取りが容易になります。
以下のコードで、詳細な設定が可能です。

plt.plot(x, y)

# グリッド設定
plt.grid(True, 
         linestyle='--',     # グリッド線のスタイル
         alpha=0.7,          # 透明度
         color='gray')       # 色

# 目盛り設定
plt.xticks(np.arange(0, 11, 2))  # x軸の目盛り
plt.yticks(np.arange(-1, 1.1, 0.5))  # y軸の目盛り
plt.show()

実践的なグラフ作成テクニック

実際のデータ分析でよく使用される、実践的なテクニックを紹介します。
これらのテクニックを使いこなすことで、プロフェッショナルなグラフが作成できます。

  • 複数のサブプロットの作成
  • データポイントの強調表示
  • グラフの保存と出力

複数のサブプロットの作成

複数のグラフを並べて表示することで、データの比較が容易になります。
以下のコードで、サブプロットを作成できます。

# 2×2のサブプロット作成
fig, axes = plt.subplots(2, 2, figsize=(10, 8))

# 各サブプロットにデータをプロット
axes[0, 0].plot(x, np.sin(x), 'r-')
axes[0, 0].set_title('sin')

axes[0, 1].plot(x, np.cos(x), 'b-')
axes[0, 1].set_title('cos')

axes[1, 0].plot(x, np.tan(x), 'g-')
axes[1, 0].set_title('tan')

axes[1, 1].plot(x, x**2, 'k-')
axes[1, 1].set_title('square')

plt.tight_layout()  # レイアウトの自動調整
plt.show()

サブプロットのサイズや配置も自由に調整できます。
データの特性に応じて、適切なレイアウトを選択しましょう。

データポイントの強調表示

特定のデータポイントを強調表示することで、重要な情報を伝えることができます。
以下のコードで、データポイントの強調表示が可能です。

x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 1, 6, 3])

plt.plot(x, y, 'b-', label='データ')

# 最大値の強調表示
max_index = np.argmax(y)
plt.plot(x[max_index], y[max_index], 'ro', 
         markersize=10, 
         label='最大値')

# 特定ポイントにテキスト追加
plt.annotate(f'最大値: {y[max_index]}',
            xy=(x[max_index], y[max_index]),
            xytext=(x[max_index]+0.5, y[max_index]+0.5),
            arrowprops=dict(facecolor='black', shrink=0.05))

plt.legend()
plt.show()

グラフの保存と出力

作成したグラフを画像ファイルとして保存することができます。
以下のコードで、さまざまな形式での保存が可能です。

plt.plot(x, y)
plt.title('保存するグラフ')

# さまざまな形式で保存
plt.savefig('graph.png', dpi=300, bbox_inches='tight')  # PNG形式
plt.savefig('graph.pdf', bbox_inches='tight')  # PDF形式
plt.savefig('graph.svg', bbox_inches='tight')  # SVG形式

plt.close()  # メモリの解放

まとめ

当記事では、Matplotlibを使用した折れ線グラフの作成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応用的なテクニックまで
  • グラフのカスタマイズによる視認性の向上方法
  • 実践的なグラフ作成のためのさまざまなテクニック

これらの知識を活かして、ぜひ自分だけのオリジナルなグラフを作成してみてください。
最初は基本的な機能から始めて、徐々に高度な機能を使っていくことをおすすめします。
グラフ作成の技術を磨くことで、データ分析の幅が大きく広がることでしょう。

タイトルとURLをコピーしました