Pythonのさまざまなグラフでデータを可視化する方法

Pythonには、初心者でも手軽に扱えるデータ可視化ライブラリが数多く用意されています。これらのライブラリは、小規模なデータセットから大規模なデータセットまで幅広く対応できる点が大きな魅力です。

データ可視化で特に広く使われているPythonライブラリは以下のとおりです。

• Matplotlib
• Pandas
• Plotly
• Seaborn

本記事では、1つの固定データセットを題材に、さまざまな種類のグラフを描画することで、データを多角的に分析する方法を解説します。

今回使用するのは、インドの2019年における人口推計（単位：千人）に関する次のデータセットです。

基本的なプロット

まずは、折れ線グラフ・散布図・ヒストグラムという3つの基本プロットを作成してみましょう。

折れ線グラフ（Line Plots）

折れ線グラフは、x値とy値の対応関係を線で結んで表現するグラフです。年ごとの人口推移のように、時系列データの変化を視覚的に把握したい場合に最適です。

import matplotlib.pyplot as plt
Year = [2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019]
India_Population = [1173108018,1189172906,1205073612,1220800359,1266344631,1309053980,1324171354,1339180127,1354051854,1368737513]
plt.plot(Year, India_Population)
plt.show()

出力結果

散布図（Scatter Plots）

個々のデータポイントとして2つの数量の関係をプロットしたい場合は、散布図が便利です。先ほどの折れ線グラフと同じデータを使用し、コードを1行変更するだけで作成できます。

plt.plot(Year, India_Population,'o')

出力結果

ヒストグラム（Histogram）

ヒストグラムは科学技術分野で非常によく使われるグラフで、データの分布を可視化するのに非常に有効です。ここではPandasのDataFrameから直接ヒストグラムを描画してみます。

import pandas as pd
import matplotlib.pyplot as plt
data = [
['India', 2019, 'Medium', 1368737.513],
['India', 2019, 'High', 1378419.072],
['India', 2019, 'Low', 1359043.965],
['India', 2019, 'Constant fertility', 1373707.838],
['India', 2019,'Instant replacement', 1366687.871],
['India', 2019, 'Zero migration', 1370868.782],
['India', 2019,'Constant mortality', 1366282.778],
['India', 2019, 'No change', 1371221.64],
['India', 2019, 'Momentum', 1367400.614]]
df = pd.DataFrame(data, columns = ([ 'Country or Area', 'Year(s)', 'Variant', 'Value']))
df.hist()
plt.show()

出力結果

円グラフ（Pie Charts）

構成比を表現したい場合に便利なのが円グラフです。matplotlibでは、explodeオプションでセグメントを強調表示したり、枠線の色をカスタマイズしたりできます。

import numpy as np
import matplotlib.pyplot as plt

n = 25
Z = np.ones(n)
Z[-1] *= 2.5

plt.axes([0.05, 0.05, 0.95, 0.95])
plt.pie(Z, explode = Z*.05, colors = ['%f' % (i/float(n)) for i in range(n)],
   wedgeprops = {"linewidth": 1, "edgecolor": "green"})
plt.gca().set_aspect('equal')
plt.xticks([]), plt.yticks([])
plt.show()

出力結果

極座標プロット（Polar Plot）

極座標系を使ったプロットも、matplotlibなら簡単に描画できます。角度と半径を組み合わせたデータを、レーダーチャートのような形で表現できます。

import numpy as np
import matplotlib.pyplot as plt

ax = plt.axes([0.5,0.05,0.95,0.95], polar=True)

N = 25
theta = np.arange(0.0, 2.5*np.pi, 2.5*np.pi/N)
radii = 10*np.random.rand(N)
width = np.pi/4*np.random.rand(N)
bars = plt.bar(theta, radii, width=width, bottom=0.0)

for r,bar in zip(radii, bars):
    bar.set_facecolor( plt.cm.jet(r/10.))
    bar.set_alpha(0.5)

ax.set_xticklabels([])
ax.set_yticklabels([])

plt.show()

出力結果

まとめ

このように、matplotlibをはじめとするPythonの可視化ライブラリを使えば、わずか数行のコードで折れ線グラフ・散布図・ヒストグラム・円グラフ・極座標プロットなど多彩なグラフを描画できます。データの性質や分析目的に応じてグラフを使い分けることで、傾向や分布をより深く理解できるようになります。より高度なインタラクティブな可視化が必要な場合は、PlotlyやSeabornの活用も検討してみてください。