Pythonのグラフ作成ライブラリ「matplotlib」でよく使われる手法をまとめたので、グラフ作成に役立ててください。また最後に、データ分析の流れを経験できるオススメ学習コンテンツを紹介したので、ご参考ください。

ライブラリのインポート

import matplotlib.pyplot as plt

jupyter notebook上で表示させるようにする

%matplotlib inline

折れ線グラフ

x = [1,2,3]
y = [2,4,6]
plt.plot(x, y)

plotの第1引数がX軸、第2引数がY軸
引数で線の色(color='')やマーカーの種類(marker='')、インデックス(index='')なども指定できる
指定しない場合は自動で保管される

散布図

x = [1,2,3]
y = [2,4,6]
plt.scatter(x, y)

scatterの第1引数がX軸、第2引数がY軸
引数で線の色(color='')やマーカーの種類(marker='')、インデックス(index='')なども指定できる
指定しない場合は自動で保管される

棒グラフ

left = [1, 2, 3]
height = [100, 200, 300]
plt.bar(left, height)

barの第1引数が棒グラフの左からの順序、第2引数がグラフの高さ
引数で棒の色(color='')や太さ(width='')、各棒下のラベル(index='tick_label')なども指定できる
指定しない場合は自動で保管される

グラフタイトルの追加

plt.title('グラフタイトル')

X軸ラベル、Y軸ラベルの追加

plt.xlabel('X軸ラベル')
plt.ylabel('Y軸ラベル')

X軸、Y軸の表示範囲

plt.xlim(Xの最小値, Xの最大値)
plt.ylim(Yの最小値, Yの最大値)

指定しなければ自動で判断される

罫線の追加

plt.grid()

引数で色(color='')や太さ(linewidth=)なども指定できる
指定しなければ自動で判断される

凡例の追加

plt.legend()

散布図や折れ線データにindexが付与されていれば(plt.scatter(x, y, index = 'ラベル1')など)、凡例として表示される
legendの引数で場所などを指定できる
legendの引数を指定しなければ自動で場所が判断される

グラフの複数配置

plt.figure(figsize=(6,4))
 
# 左上
plt.subplot(2,2,1)
plt.plot(x1, y1)
 
# 右上
plt.subplot(2,2,2)
plt.plot(x2, y2)
 
# 左下
plt.subplot(2,2,3)
plt.plot(x3, y3)
 
# 右下
plt.subplot(2,2,4)
plt.plot(x4, y4)
 
plt.show()

まずplt.figure(figsize=(〇,〇))でグラフ領域全体の大きさを決める
plt.subplot(グラフの縦並び数,グラフの横並び数,その中で何番目か)を指定したのちplt.plot(x, y)でグラフをプロットする ※もちろんscatterでもbarでも可
最後にplt.show()

【最後に】データ分析手法の習得にオススメのコンテンツ（私が制作したもの）

私が制作したものですが、初心者向けのPythonデータ分析学習コンテンツです。データの取り込み、前処理から可視化の流れを学習できる教材です。考察イメージまで記載されているのでオススメです。一部無料公開されているので、ご興味あればお試しください。