【Python】一瞬で書けるグラフ作成｜matplotlib

Pythonでグラフを作成する

今回はPythonにおけるグラフ作成をご紹介します。

Pythonでは様々なグラフ作成ライブラリが存在していますが、最も利用されているmatplotlibについて説明します

ただし、このmatplotlibはかなり長いコードになってしまう欠点があります（細かく調整できるのは利点）

そこで初心者向けに今回は1行で書けるグラフ作成の方法をご紹介します

事前準備

「Pandas」というデータ解析を実施できるライブラリをインポートします

またmatplotlibのインストールも行いましょう（日本語版も合わせて）

import pandas as pd 
!pip install japanize-matplotlib
import japanize_matplotlib
%matplotlib inline

※サンプルデータ：東京都の気温

# 本サイトから直接取得する
df = pd.read_html('https://smart-hint.com/tokyo-temperature/')[0].set_index('日付')
df.head()

グラフの作成方法のコツ

matplotlibのグラフを作成する前に、データの事前処理（前処理）を行うことがあります

事前処理なしの場合

まず「事前処理なし」のケースは、時系列のplot折れ線グラフやplot.histヒストグラムなどで、全てのデータを利用して可視化することが多いです

事前処理ありの場合

一方で「事前処理あり」のケースはplot.bar棒グラフやplot.pie円グラフなどで、データ全てではなく集約（平均や合計）したものを可視化することが多いです

グラフの軸をインデックスに

plotの主要なグラフはインデックスが軸になることが多いため、事前に設定しましょう

※サンプルデータでは日付をインデックスに指定しています

「事前処理あり」でpivot_tableを使う場合は、indexに指定するカラムがグラフの軸になります

2021-04-29【Python】Pythonピボットテーブルを完全攻略｜pivot_table

可視化の方法

基本的にはplotをDataFrameの変数の最後に記載することでグラフを作成していきます

またデータの種類はplotの後ろに.ピリオドに続けてグラフの種類を記述します

必要なデータを揃えるために、事前にデータを加工しています

それではさっそくグラフを作成していきましょう

グラフの可視化

★★★：折れ線グラフ（plot）

データに続けてplotを付けるだけで簡単に折れ線グラフを作成することができます

基本的にはindexがx軸となります

df['平均気温'].plot()

複数項目も同様にプロットすることができます

df[['平均気温','最高気温','最低気温']].plot()

★★★：棒グラフ（plot.bar）

plot.barを使うことで棒グラフを作成することができます

「最高気温・平均気温・最低気温」の平均をmeanで抽出したものに対して、棒グラフで可視化します

df[['平均気温','最高気温','最低気温']].mean().plot.bar()

またpivot_tableを使った集計もplot.barで棒グラフにすることができます

「月」というカラムがあるので、平均気温を集計し可視化します

※df_graphの変数に集計結果を代入し、それを可視化します（変数名は何でもOK）

df_graph = df.pivot_table(index='月', values='平均気温')
df_graph.plot.bar()

こちらも同様に複数項目を可視化することもできます

df_graph = df.pivot_table(index='月', values=('最高気温','最低気温'))
df_graph.plot.bar()

複数項目を別々に可視化するのではなく、積み上げ棒グラフとしてプロットすることができます

パラメータのstackedを「True」で設定しましょう

df_graph = df.pivot_table(index='月', values=('最高気温','最低気温'))
df_graph.plot.bar(stacked=True)

★★☆：横棒グラフ（plot.barh）

plot.barhを使うことで横棒グラフを作成することができます

棒グラフのbarに、横という意味のhorizontalのhを付けたものがplot.barhです

df[['平均気温','最高気温','最低気温']].mean().plot.barh()

plot.barではなくplot.barhを使う状況は日本語が見やすいかどうかです

基本的には縦棒グラフを使い、項目が読みにくい場合は横棒グラフを使いましょう

こちらも複数項目可視化が可能です

df_graph = df.pivot_table(index='月', values=('最高気温','最低気温'))
df_graph.plot.barh()

上記同様に積み上げグラフにするには、stackedパラメータを「True」で設定しましょう

df_graph = df.pivot_table(index='月', values=('最高気温','最低気温'))
df_graph.plot.barh(stacked=True)

★☆☆：ヒストグラム（plot.hist）

plot.histを使うとヒストグラムを作成することができます

ヒストグラムはデータの個数をY軸に取るグラフで、事前処理は必要ありません

df['平均気温'].plot.hist()

ヒストグラムも複数項目をプロットすることができます

df[['最高気温','最低気温']].plot.hist()

ヒストグラムは性質上、データが重なることが多いため少し見にくくなってしまいます

そこでalphaパラメータを調整して透明度を上げましょう

「0~1」の間の数値を記載します

df[['最高気温','最低気温']].plot.hist(alpha=0.5)

ヒストグラムのデータ数（ビン）を調整するには、パラメータbinsを利用します

設定する数が多ければ多いほど、棒グラフが多くなります

df[['最高気温','最低気温']].plot.hist(alpha=0.7, bins=50)

★☆☆：面グラフ（plot.area）

plot.areaで面グラフを作成することができます

df['平均気温'].plot.area()

複数のデータを積み上げて可視化できます

※マイナスのデータがあるとエラーになるので注意してください

df[['最高気温','平均気温']].plot.area()

stackedのパラメータを「False」と設定することで、面グラフを重ねて表を作ることができます

※この場合はマイナスのデータがあっても大丈夫

df[['最高気温','最低気温']].plot.area(stacked=False)

★★☆：散布図（plot.scatter）

plot.scatterで散布図を作成することができます

他のplot系のグラフと違い、パラメータとしてx軸やy軸などを指定する必要があります

df.plot.scatter(x='最高気温', y='最低気温')

複数項目を同じ散布図にプロットすることもできます

ただし少し複雑になるので注意してください

1つ目の散布図を作り「ax」という変数に格納した後

2つ目の散布図でパラメータのaxとして指定します

ax = df.query('月==[1,2,3]').plot.scatter(x='最高気温', y='最低気温', color='blue', label='1-3月')
df.query('月==[4,5,6]').plot.scatter(x='最高気温', y='最低気温', color='red', label='4-6月', ax=ax)

色colorやラベルlabelを付けるとキレイに散布図を作成できます

※queryを使って1-3月と4-6月の気温をプロットします

プロットの大きさを指定することで、散布図をバブルプロットにすることができます

パラメータのサイズsを平均気温のデータで指定します

df.plot.scatter(x='最高気温', y='最低気温', s='平均気温')

★★☆：円グラフ（plot.pie）

plot.pieで円グラフを作成することができます

df[['最高気温','最低気温']].mean().plot.pie()

角度やデータラベルを修正します

startangleで円グラフの角度を変更します（90に設定）

autopctで項目のパーセンテージを表示（’%1.1f%%’を記載）

labelでグラフ横のラベルを変更（”空白に設定）

df[['最高気温','最低気温']].mean().plot.pie(startangle=90, autopct='%1.1f%%', label='')

★☆☆：箱ひげ図（plot.box）

普段そこまで利用頻度は高くないですが、箱ひげ図も作成することができます

plot.boxを使います（英語で箱ひげ図はbox plotと言います）

df[['最高気温','最低気温']].plot.box()

共通パラメータ

カラー（color）

colorで色を変更することができます

複数項目の場合は( )カッコでそれぞれ記載します

df.plot.hist(color=('tomato','skyblue'))
df.plot.hist(color=('darkred','navy'))
df.plot.hist(color=('darkorange','limegreen'))
df.plot.hist(color=('silver','gray'))

グラフサイズ（figsize）

figsizeでグラフのサイズを設定することができます

（横のサイズ,縦サイズ）の順で記入しましょう

df.plot.hist(figsize=(2,4))  #縦長
df.plot.hist(figsize=(4,4))  #正方形
df.plot.hist(figsize=(12,4)) #横長

グラフの種類

本記事ではplotに続けてグラフの種類（bar/hist/scatterなど）を記入する方法をご紹介してきました

一方でkindというパラメータでグラフの種類を指定することができます

2つの記述方法は、最終的にはグラフは同じになります

df['平均気温'].plot.hist()
df['平均気温'].plot(kind='hist') #上と同じ結果

まとめ

今回はmatplotlibを使ってグラフを作成する方法をご紹介してきました

非常に簡単に記述することができるので、ぜひ覚えて使ってみてください

またもう一段階キレイなグラフであるseabornを使いたい場合はこちらです

2021-08-07【Python】seabornで綺麗なグラフ作成を！たった1行で書けます