【Matplotlib】折れ線グラフの線の色をデータインデックスに応じて変化させる方法

Matplotlibで折れ線グラフを描く際、データのインデックス（位置）に応じて線の色を変えたいケースはよくあります。例えば、sin波の傾き（微分値）によって色を変化させれば、グラフの変化の様子をひと目で把握できます。

このような「多色折れ線」を実現するには、LineCollectionを使用します。以下に具体的な手順とサンプルコードを紹介します。

実装手順

1. 図のサイズを設定し、サブプロット間・周囲の余白（パディング）を調整します。
2. NumPyを使ってx座標とy座標のデータポイントを作成します。
3. 隣接点の中間値からdydx（傾きに相当する値）を計算します。
4. NumPyを使ってpoints（各点の座標）とsegments（線分の始点・終点）を作成します。
5. 図とサブプロットのセットを作成します。
6. データを指定した範囲に線形正規化するためのノーマライザー（Normalize）を設定します。
7. LineCollectionにカラーマップとノームを渡し、set_array()で色の基準となる配列を設定します。
8. set_linewidth()で線の太さを指定します。
9. fig.colorbar()でカラーバーを追加し、色と数値の対応を可視化します。
10. 色リスト（赤・緑・青など）からListedColormapオブジェクトを生成し、別の配色パターンでも同様の処理を行います。
11. X軸・Y軸の表示範囲を設定します。
12. show()メソッドで図を表示します。

サンプルコード

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.collections import LineCollection
from matplotlib.colors import ListedColormap, BoundaryNorm

plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True

x = np.linspace(0, 3 * np.pi, 500)
y = np.sin(x)

dydx = np.cos(0.5 * (x[:-1] + x[1:]))
points = np.array([x, y]).T.reshape(-1, 1, 2)
segments = np.concatenate([points[:-1], points[1:]], axis=1)

fig, axs = plt.subplots(2, 1, sharex=True, sharey=True)
norm = plt.Normalize(dydx.min(), dydx.max())

lc = LineCollection(segments, cmap='viridis', norm=norm)
lc.set_array(dydx)
lc.set_linewidth(2)

line = axs[0].add_collection(lc)
fig.colorbar(line, ax=axs[0])
cmap = ListedColormap(['r', 'g', 'b'])
norm = BoundaryNorm([-1, -0.5, 0.5, 1], cmap.N)

lc = LineCollection(segments, cmap=cmap, norm=norm)
lc.set_array(dydx)
lc.set_linewidth(2)

line = axs[1].add_collection(lc)
fig.colorbar(line, ax=axs[1])

axs[0].set_xlim(x.min(), x.max())
axs[0].set_ylim(-1.1, 1.1)

plt.show()

実行結果

上記のコードを実行すると、次のような出力が得られます。

• 上段のグラフ： viridisカラーマップを使用し、dydxの値に応じて連続的に色が変化します。カラーバーで数値との対応が確認できます。
• 下段のグラフ： 赤・緑・青の3色をBoundaryNormで区切ることで、dydxの範囲ごとに離散的な色分けが行われます。

ポイント解説

通常のplt.plot()では1つのplot呼び出しに対して単一の色しか指定できませんが、LineCollectionを使えば線分ごとに異なる色を割り当てられます。set_array()に渡す配列の値がカラーマップを通じて色に変換される仕組みです。

また、ListedColormapとBoundaryNormを組み合わせると、「一定の閾値ごとに色を切り替える」といった離散的な色分けも簡単に実装できます。データの変化率や特定条件の可視化にぜひ活用してください。