【はじめに】

Pythonライブラリの「Matplotlib」には、描画できるグラフの種類がいくつかあります。

どのグラフを使った方が良いのか分からない方のために、利用用途に応じたグラフの種類を紹介していきます。

本記事の内容

グラフの種類と利用用途
Matplotlibをインポート
使用するデータを読み込む
棒グラフを作成する | bar/barh
散布図を作成する | scatter
ヒストグラムを作成する | hist
箱ひげ図を作成する | boxplot

【グラフの種類と利用用途】

統計では得られた結果を、その目的に合わせて上手に使うことが重要です
自分が伝えたい目的に応じて、適切なグラフを使うことにより、説明力が高まります。
グラフの種類と利用用途については次のURLが参考になると思います。

今回は、次のグラフについて紹介します。

種類	利用用途	利用シーンの例
棒グラフ	データ間の数量の大きさの比較	部門別の売上の比較
散布図	2種類のデータの相関の確認	商品の売上と気温の関係
ヒストグラム	データのばらつき（分布）の確認	製品の品質の確認
箱ひげ図	データのばらつき（分布）の確認	製品の品質の確認

【Matplotlibをインポート】

Matplotlibの中のpyplotを読み込みます。
また、Jupyter Notebook内にグラフを出力させるために%matplotlib inlineを記述します。
日本語に対応できるようにjapanize_matplotlibも読み込みます。

import matplotlib.pyplot as plt
%matplotlib inline
import japanize_matplotlib

【使用するデータを読み込む】

Pythonライブラリである「Pandas」をインポートしてcsvファイルをDataFrameとして読み込みます。

import pandas as pd

【棒グラフを作成する | bar/barh】

plt.bar()の引数にX軸とY軸とするカラムを指定します。
plt.show()とすることで、グラフを表示します。
使用するデータは、「1920年から2015年までの全国の人口推移のデータ」とします。

私のGitHubに「data.csv」としてアップロードしてあるので、下記コマンドでダウンロードすれば簡単に準備できます。

$ curl https://raw.githubusercontent.com/nakachan-ing/python-references/master/Matplotlib&Seaborn/data.csv -O

df = pd.read_csv('data.csv', encoding='shift-jis')
df.head()

都道府県コード	都道府県名	元号	和暦（年）	西暦（年）	人口（総数）	人口（男）	人口（女）
0	1	北海道	大正	9.0	1920.0	2359183	1244322
1	2	青森県	大正	9.0	1920.0	756454	381293
2	3	岩手県	大正	9.0	1920.0	845540	421069
3	4	宮城県	大正	9.0	1920.0	961768	485309
4	5	秋田県	大正	9.0	1920.0	898537	453682

「平成27年」の各都道府県の「人口（総数）」を抽出して、新たなDataFrameにします。

X軸に「都道府県名」、Y軸に「人口（総数）」を指定して、各都道府県の人口（総数）をグラフにしてみます。

df_bar = df[df['西暦（年）']==2015.0]
df_bar.head(10)

	都道府県コード	都道府県名	元号	和暦（年）	西暦（年）	人口（総数）	人口（男）	人口（女）
892	1	北海道	平成	27	2015	5381733	2537089	2844644
893	2	青森県	平成	27	2015	1308265	614694	693571
894	3	岩手県	平成	27	2015	1279594	615584	664010
895	4	宮城県	平成	27	2015	2333899	1140167	1193732
896	5	秋田県	平成	27	2015	1023119	480336	542783
897	6	山形県	平成	27	2015	1123891	540226	583665
898	7	福島県	平成	27	2015	1914039	945660	968379
899	8	茨城県	平成	27	2015	2916976	1453594	1463382
900	9	栃木県	平成	27	2015	1974255	981626	992629
901	10	群馬県	平成	27	2015	1973115	973283	999832

x = df_bar['都道府県名']
y = df_bar['人口（総数）']

plt.figure(figsize=(16,10))
plt.bar(x, y)
plt.title('2015年の各都道府県の人口比較')
plt.xlabel('都道府県名')
plt.ylabel('人口（総数）')
plt.xticks(rotation=90)
plt.show()

ポイント

plt.xticks()の引数rotationに90を指定することで、X軸の都道府県を縦書きにすることが出来ます。
plt.bar()の代わりにplt.barh()とすることで、横棒グラフにします。

plt.figure(figsize=(16,10))
plt.barh(x, y)
plt.title('2015年の各都道府県の人口比較')
plt.xlabel('都道府県名')
plt.ylabel('人口（総数）')
plt.xticks(rotation=90)
plt.show()

【散布図を作成する | scatter】

plt.scatter()の引数にX軸とY軸とするカラムを指定します。
plt.show()とすることで、グラフを表示します。
使用データは「2021年の東京都豊島区の不動産の取引価格情報」とします。

私のGitHubに「data2.csv」としてアップロードしてあるので、下記コマンドでダウンロードすれば簡単に準備できます。

$ curl https://raw.githubusercontent.com/nakachan-ing/python-references/master/Matplotlib&Seaborn/data2.csv -O

df_house = pd.read_csv('data2.csv', encoding='utf-8', index_col=0)
df_house.head()

	種類	地区名	最寄駅	最寄駅からの距離（分）	取引価格（総額）	面積（㎡）	建築年
0	宅地(土地と建物)	池袋	池袋	8	1200000000	440	1997
1	中古マンション等	池袋	池袋	11	18000000	15	1991
2	中古マンション等	池袋	池袋	11	24000000	20	2011
3	中古マンション等	池袋	池袋	11	25000000	30	1991
4	中古マンション等	池袋	池袋	11	24000000	20	2011

「面積（㎡）」が広いほど、「取引価格（総額）」が高くなるのか、散布図にしてみます。

x = df_house['面積（㎡）']
y = df_house['取引価格（総額）']

plt.figure(figsize=(16,10))
plt.scatter(x, y)
plt.xlabel('面積（㎡）')
plt.ylabel('取引価格（総額）')
plt.title('面積と取引価格の相関')
plt.show()

面積に開きがあまりがみられませんが、面積が広いと取引価格が高いことは見て分かります。

次に「建築年」が新しいほど、「取引価格（総額）」が高くなるのか、散布図にしてみます。

x = df_house['建築年']
y = df_house['取引価格（総額）']

plt.figure(figsize=(16,10))
plt.scatter(x, y)
plt.xlabel('建築年')
plt.ylabel('取引価格（総額）')
plt.title('建築年と取引価格の相関')
plt.show()

築年数は特に取引価格にあまり影響しないことが分かりますね。

次に、「最寄駅からの距離（分）」が近いほど、取引価格が高くなるのか、散布図にしてみます。

x = df_house['最寄駅からの距離（分）']
y = df_house['取引価格（総額）']

plt.figure(figsize=(16,10))
plt.scatter(x, y)
plt.xlabel('最寄駅からの距離（分）')
plt.ylabel('取引価格（総額）')
plt.title('最寄駅からの距離と取引価格の相関')
plt.show()

築年数と同様に、最寄駅からに距離も特に取引価格にあまり影響しないことが分かりますね。

【ヒストグラムを作成する | hist】

plt.hist()の引数にX軸とするカラムを指定します。
plt.show()とすることで、グラフを表示します。
使用データは「2021年の東京都豊島区の不動産の取引価格情報」とします。

X軸に「面積（㎡）」の階級を、Y軸にその階級に含まれるデータの数をとって棒グラフで表します。

df_house.head()

	種類	地区名	最寄駅	最寄駅からの距離（分）	取引価格（総額）	面積（㎡）	建築年
0	宅地(土地と建物)	池袋	池袋	8	1200000000	440	1997
1	中古マンション等	池袋	池袋	11	18000000	15	1991
2	中古マンション等	池袋	池袋	11	24000000	20	2011
3	中古マンション等	池袋	池袋	11	25000000	30	1991
4	中古マンション等	池袋	池袋	11	24000000	20	2011

x = df_house['最寄駅']
x.value_counts()

20    225
15     50
50     44
25     40
65     37
Name: 面積（㎡）, dtype: int64

plt.figure(figsize=(16,10))
plt.hist(x, bins=50)
plt.xlabel('面積')
plt.ylabel('不動産数')
plt.xticks(rotation=90)
plt.title('面積と不動産数')
plt.show()

ポイント

ヒストグラムを作成する場合は、データの階級に対して含まれるデータ数をグラフにするため「x軸」の指定のみとなります。

【箱ひげ図を作成する | boxplot】

plt.boxplot()の引数にカラムを指定します。
plt.show()とすることで、グラフを表示します。

一番上の横線を最大値、一番下の横線を最小値、中央の線を中央値といいます。
また、箱の両端は、それぞれ上の中央値・下の中央値を示します。
なお、丸は外れ値といって、値に含まれません。

使用データは「2021年の東京都豊島区の不動産の取引価格情報」とします。
「最寄駅」に対して、「取引価格（総額）」の分布を箱ひげ図にしてみます。

x1 = df_house[df_house['最寄駅']=='池袋']
x2 = df_house[df_house['最寄駅']=='大塚(東京)']
x1 =x1['取引価格（総額）']
x2 =x2['取引価格（総額）']

plt.ylim(10000000, 100000000)

plt.boxplot([x1, x2])
plt.show()

ポイント

箱ひげ図は同一の条件に含まれるデータに対しての範囲を表します。
※1日に対する、「始値」、「最高値」、「最安値」、「終値」、など、株価などによく使われます。

今回のデータではあまり有効なグラフではなさそうです。

【おわりに】

今回は、「棒グラフ」、「散布図」、「ヒストグラム」、「箱ひげ図」の描画方法を紹介しました。
どのグラフでデータを可視化すれば良いかは、実際にデータに触れながらで出ないと覚えられません。

次のサイトは公式のデータセットが多くありますので、ダウンロードしてデータ加工から練習してみるのも良いと多います。

また、使用したCSVファイルやJupyter NotebookはGitHubに公開しています。
Jupyter Notebookは下記コマンドでダウンロードできるので、自由に使って是非練習してみてください。

$ curl https://raw.githubusercontent.com/nakachan-ing/python-references/master/Matplotlib%26Seaborn/Matplotlibで色々なグラフを描画する.ipynb -O