Matplotlibで表(テーブル)を描画する方法！初心者でもわかる完全ガイド

（最終更新月: 2024年11月）

✔こんな方におすすめの記事です

「Matplotlibで表を作りたいけど、方法がわからない」
「Matplotlibのtableメソッドの使い方を知りたい」
「より見やすい表の作り方を学びたい」

✔当記事を通じて得られること

Matplotlibで表を作成する基本的な方法
表のカスタマイズ方法とデザインテクニック
実践的な表の作成例とコツ

当記事では、Matplotlibでの表の作り方の基礎から応用まで、実例を交えて詳し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

【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のtableとは？

Matplotlibのtableは、グラフや図と一緒に表形式のデータを表示できる機能です。

データの視覚化において、表は重要な役割を果たしています。

tableメソッドの基本概念
表の基本構造
tableメソッドのメリット

tableメソッドの基本概念

Matplotlibのtableメソッドは、データを行と列で整理して表示するための機能です。

このメソッドを使うことで、数値やテキストを見やすい表形式で表現できます。

基本的な使い方は以下のとおりです。

import matplotlib.pyplot as plt

data = [['A', 'B', 'C'],
        [1, 2, 3],
        [4, 5, 6]]

fig, ax = plt.subplots()
table = ax.table(cellText=data)
plt.show()

表の基本構造

Matplotlibの表は、セル、行、列という3つの要素で構成されています。

各要素は個別にカスタマイズが可能なため、柔軟な表現が可能になるのです。

表の基本構造は以下のようになっています。

セル：データを格納する最小単位
行：横方向に並ぶセルの集まり
列：縦方向に並ぶセルの集まり

tableメソッドのメリット

Matplotlibのtableメソッドには、いくつかの大きな利点があります。

グラフと一緒に表示できることが最大の特徴といえるでしょう。

以下のような場面で特に効果を発揮します。

データの詳細な数値を表示したい場合
グラフと対応する数値を示したい場合
データの比較や分析結果をまとめる場合

基本的な表の作成方法

Matplotlibで表を作成する基本的な方法について説明していきます。

初めて使う方でも簡単に始められる方法から紹介していきましょう。

データの準備方法
表の基本的な作成手順
よく使うパラメータの説明

データの準備方法

表を作成する前に、適切なデータ形式に整理する必要があります。

Matplotlibの表では、2次元のリストやNumPy配列が一般的に使用されます。

以下は、データ準備の例です。

# リストを使用する場合
data = [['Name', 'Age', 'City'],
        ['John', 25, 'Tokyo'],
        ['Mary', 30, 'Osaka']]

# NumPy配列を使用する場合
import numpy as np
data = np.array([['Name', 'Age', 'City'],
                 ['John', 25, 'Tokyo'],
                 ['Mary', 30, 'Osaka']])

表の基本的な作成手順

表を作成する基本的な手順は、非常にシンプルです。

必要なのは、わずか数行のコードだけです。

以下が基本的な作成手順になります。

import matplotlib.pyplot as plt

# データの準備
data = [['A', 'B', 'C'],
        [1, 2, 3],
        [4, 5, 6]]

# プロットエリアの作成
fig, ax = plt.subplots()

# 表の作成
table = ax.table(cellText=data, loc='center')

# 軸を非表示に
ax.axis('off')

# 表示
plt.show()

よく使うパラメータの説明

tableメソッドには、表示をカスタマイズするための様々なパラメータが用意されています。

これらを使いこなすことで、より見やすい表を作成できます。

主要なパラメータは以下のとおりです。

table = ax.table(
    cellText=data,          # セルのテキスト
    cellLoc='center',       # セル内のテキスト位置
    loc='center',           # 表全体の位置
    colWidths=[0.2]*3,      # 列の幅
    cellColours=None,       # セルの背景色
    colLabels=['A', 'B', 'C']  # 列のラベル
)

表のカスタマイズ方法

より見やすく、魅力的な表を作成するためのカスタマイズ方法を説明します。

デザインの調整により、情報をより効果的に伝えることができます。

セルの色や背景の設定
フォントサイズと配置の調整
罫線のスタイル設定

セルの色や背景の設定

セルの色や背景を設定することで、重要な情報を強調できます。

色の使い分けにより、データの区分けや強調がしやすくなります。

以下のコードで、セルの色を設定できます。

import matplotlib.pyplot as plt
import numpy as np

data = [['A', 'B', 'C'],
        [1, 2, 3],
        [4, 5, 6]]

fig, ax = plt.subplots()

# 背景色の設定
colors = [['lightblue']*3,
         ['lightgreen']*3,
         ['lightyellow']*3]

table = ax.table(cellText=data,
                cellColours=colors,
                loc='center')
ax.axis('off')
plt.show()

フォントサイズと配置の調整

フォントサイズと配置を適切に設定することで、可読性が向上します。

テキストが長い場合や数値の桁数が異なる場合に特に重要になります。

以下のコードで調整が可能です。

import matplotlib.pyplot as plt

data = [['Title 1', 'Title 2'],
        ['Data 1', 'Data 2']]

fig, ax = plt.subplots(figsize=(8, 4))
table = ax.table(cellText=data, loc='center')

# フォントサイズの調整
table.auto_set_font_size(False)
table.set_fontsize(12)

# セル内のテキスト位置調整
for cell in table._cells.values():
    cell.set_text_props(ha='center', va='center')

ax.axis('off')
plt.show()

罫線のスタイル設定

罫線のスタイルを調整することで、表の見た目を大きく改善できます。

太さや色を変更することで、情報の区切りをより明確にできます。

以下のコードで罫線の設定が可能です。

import matplotlib.pyplot as plt

data = [['A', 'B'], [1, 2]]
fig, ax = plt.subplots()
table = ax.table(cellText=data, loc='center')

# 罫線の設定
for cell in table._cells.values():
    cell.set_edgecolor('black')  # 罫線の色
    cell.set_linewidth(2)        # 罫線の太さ

ax.axis('off')
plt.show()

実践的な表の作成例

実際の使用シーンを想定した、より実践的な表の作成方法を紹介します。

現場でよく使用される例を基に解説していきましょう。

データ分析結果の表示
複数の表の組み合わせ
グラフとの連携

データ分析結果の表示

データ分析の結果を効果的に表示する方法を説明します。

数値データを見やすく整理することで、分析結果をより伝わりやすくできます。

以下は売上データを表示する例です。

import matplotlib.pyplot as plt
import numpy as np

# 売上データ
data = [['商品', '1月', '2月', '3月'],
        ['A商品', 1200, 1500, 1800],
        ['B商品', 800, 900, 1100],
        ['C商品', 2000, 2200, 2500]]

fig, ax = plt.subplots(figsize=(10, 6))

# ヘッダー行の色を設定
colors = [['lightgray']*4]
colors.extend([['white']*4 for _ in range(len(data)-1)])

table = ax.table(cellText=data,
                cellColours=colors,
                loc='center',
                cellLoc='center')

# フォントサイズの調整
table.auto_set_font_size(False)
table.set_fontsize(10)

ax.axis('off')
plt.title('四半期売上表')
plt.show()

複数の表の組み合わせ

複数の表を1つの図に効果的に配置する方法を紹介します。

関連するデータを並べて表示することで、比較がしやすくなります。

以下のコードで実現できます。

import matplotlib.pyplot as plt
import numpy as np

# 2つのデータセット
data1 = [['部門A', '売上'],
         ['1月', 1000],
         ['2月', 1200]]

data2 = [['部門B', '売上'],
         ['1月', 800],
         ['2月', 900]]

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 4))

# 左側の表
table1 = ax1.table(cellText=data1,
                  loc='center',
                  cellLoc='center')

# 右側の表
table2 = ax2.table(cellText=data2,
                  loc='center',
                  cellLoc='center')

ax1.axis('off')
ax2.axis('off')

plt.show()

グラフとの連携

表とグラフを組み合わせて表示する方法を説明します。

視覚的な情報と数値データを組み合わせることで、より分かりやすい資料を作成できます。

以下は棒グラフと表を組み合わせた例です。

import matplotlib.pyplot as plt
import numpy as np

# データ
categories = ['A', 'B', 'C']
values = [30, 45, 25]
table_data = [['カテゴリ', '値']]
for c, v in zip(categories, values):
    table_data.append([c, v])

# サブプロットの作成
fig, (ax1, ax2) = plt.subplots(2, 1, height_ratios=[2, 1], figsize=(8, 8))

# 棒グラフの描画
ax1.bar(categories, values)
ax1.set_title('データの可視化')

# 表の作成
table = ax2.table(cellText=table_data,
                 loc='center',
                 cellLoc='center')
ax2.axis('off')

plt.tight_layout()
plt.show()