サイトアイコン ITC Media

Python Matplotlibでグラフ作成入門！初心者でもわかる完全ガイド

ITC運営

（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」

✔当記事を通じて得られること

当記事では、Matplotlibの基本的なインストール方法から実践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。

Matplotlibとは何か？

Matplotlibは、Pythonで使用できる強力なグラフ作成ライブラリです。
データ分析やプレゼンテーションに欠かせないツールとして、多くのプログラマーに愛用されています。

Matplotlibの概要と特徴

Matplotlibは、Pythonで最も広く使われているグラフ作成ライブラリです。
科学技術計算やデータ分析において、データを視覚的に表現する際の標準的なツールとして認識されています。
以下のような特徴があります。

インストール方法

Matplotlibのインストールは、pipコマンドを使用して簡単におこなえます。
ターミナルやコマンドプロンプトで以下のコマンドを実行します。

pip install matplotlib

インストールが完了したら、Pythonで以下のコードを実行して、正常にインポートできるか確認しましょう。

import matplotlib.pyplot as plt
print(plt.__version__)

基本的な使い方

Matplotlibの基本的な使い方は、以下のような流れになります。
まずは、簡単な折れ線グラフを作成してみましょう。

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)
plt.title('Simple Line Plot')
plt.xlabel('X axis')
plt.ylabel('Y axis')
plt.show()

グラフの種類と基本的な作成方法

Matplotlibでは、様々な種類のグラフを作成できます。
目的に応じて適切なグラフを選択することが、効果的なデータ可視化の鍵となります。

折れ線グラフの作成方法

折れ線グラフは、時系列データの変化を表現するのに適しています。
以下のコードで、複数の線を含む折れ線グラフを作成できます。

import matplotlib.pyplot as plt
import numpy as np

x = np.array([1, 2, 3, 4, 5])
y1 = x * 2
y2 = x ** 2

plt.plot(x, y1, label='Linear')
plt.plot(x, y2, label='Quadratic')
plt.legend()
plt.title('Multiple Line Plot')
plt.show()

棒グラフの作成方法

棒グラフは、カテゴリー別のデータ比較に適しています。
以下のコードで、基本的な棒グラフを作成できます。

categories = ['A', 'B', 'C', 'D']
values = [4, 3, 2, 5]

plt.bar(categories, values)
plt.title('Bar Chart')
plt.show()

散布図の作成方法

散布図は、2つの変数間の関係を視覚化するのに適しています。
以下のコードで、散布図を作成できます。

x = np.random.rand(50)
y = np.random.rand(50)

plt.scatter(x, y)
plt.title('Scatter Plot')
plt.show()

円グラフの作成方法

円グラフは、全体に対する部分の割合を示すのに適しています。
以下のコードで、円グラフを作成できます。

sizes = [30, 20, 25, 15]
labels = ['A', 'B', 'C', 'D']

plt.pie(sizes, labels=labels, autopct='%1.1f%%')
plt.title('Pie Chart')
plt.show()

グラフのカスタマイズ方法

グラフをより見やすく、魅力的にするためには、適切なカスタマイズが重要です。
Matplotlibでは、色やスタイル、サイズなど、様々な要素をカスタマイズできます。

色とスタイルの設定

グラフの色やスタイルを変更することで、より見やすいグラフを作成できます。
以下のコードで、様々な色やスタイルを適用できます。

plt.plot(x, y1, color='red', linestyle='--', linewidth=2)
plt.plot(x, y2, color='blue', linestyle='-', linewidth=1)

軸の設定

軸のラベルやスケール、範囲を設定することで、グラフの見やすさを向上できます。

plt.xlabel('X軸ラベル')
plt.ylabel('Y軸ラベル')
plt.xlim(0, 10)
plt.ylim(0, 20)

凡例の設定

複数のデータを表示する際は、凡例を適切に設定することが重要です。

plt.plot(x, y1, label='データ1')
plt.plot(x, y2, label='データ2')
plt.legend(loc='upper right', fontsize=12)

グリッドの設定

グリッドを表示することで、データの値を読み取りやすくなります。

plt.grid(True, linestyle='--', alpha=0.7)

実践的なグラフ作成テクニック

実際のデータ分析では、より複雑なグラフ作成が必要になることがあります。
ここでは、実践的なグラフ作成テクニックを紹介します。

サブプロットの作成

複数のグラフを1つの図に配置する方法です。

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

ax1.plot(x, y1)
ax1.set_title('グラフ1')

ax2.scatter(x, y2)
ax2.set_title('グラフ2')

plt.tight_layout()
plt.show()

複合グラフの作成

異なる種類のグラフを組み合わせて表示する方法です。

fig, ax1 = plt.subplots()
ax2 = ax1.twinx()

ax1.bar(categories, values, color='blue', alpha=0.5)
ax2.plot(categories, [10, 8, 6, 12], color='red', marker='o')

ax1.set_ylabel('棒グラフの値')
ax2.set_ylabel('折れ線グラフの値')

アニメーションの作成

動的なグラフを作成する方法です。

from matplotlib.animation import FuncAnimation

fig, ax = plt.subplots()

def animate(frame):
    ax.clear()
    x = np.linspace(0, 2*np.pi, 100)
    y = np.sin(x + frame/10.0)
    ax.plot(x, y)

anim = FuncAnimation(fig, animate, frames=100, interval=50)
plt.show()

データの保存と出力

作成したグラフを保存し、再利用することは重要です。
Matplotlibでは、さまざまな形式でグラフを保存できます。

画像形式での保存

グラフを画像ファイルとして保存する方法です。

plt.savefig('graph.png')
plt.savefig('graph.jpg', dpi=300)

PDFでの保存

グラフをPDF形式で保存する方法です。

plt.savefig('graph.pdf', format='pdf', bbox_inches='tight')

解像度の設定

保存時の解像度を設定する方法です。

plt.figure(figsize=(10, 6), dpi=300)
plt.plot(x, y)
plt.savefig('high_resolution_graph.png')

まとめ

当記事では、Python Matplotlibについて学習してきました。

これらの知識を活かして、自分のデータを魅力的に可視化してみましょう。
グラフ作成の練習を重ねることで、より効果的なデータ可視化が可能になります。
Matplotlibの機能を使いこなせば、データ分析の幅が大きく広がることでしょう。

モバイルバージョンを終了