More than 5 years have passed since last update.

よく使う図とmarkdown、pythonでの作り方

Last updated at 2019-08-03Posted at 2019-06-01

イントロダクション

図と言っても、用途や見せ方によって多くの種類があり、世の中には自分の知らないものがあるものです。
そこでよく使われる図をまとめ、議事録やプログラムでも使えるように、pythonやmermaid(markdownエディタでよくサポートされているjavascriptライブラリ)のコードも作りました。
こちらの記事をベースに一部内容を編集して共有します。

一覧

サンプル : pはpython(主にmatplotlibで作成した図), mはmermaidで作ったサンプルを載せています。

名前	用途	サンプル	備考
折れ線グラフ	時系列データ、スペクトル	p
棒グラフ	量の比較	p
円グラフ	割合	p
ヒストグラム	データの分布	p
レーダーチャート	項目の評価	p
散布図	離散データ	p
パレート図	重要な項目抽出	p
クラス図	モデルを表す	m	UML
シーケンス図	オブジェクト間のやり取り	m	UML
フローチャート	流れ	m
ガントチャート	進捗確認	m
樹形図	枝分かれ	m
箱ひげ図	誤差	p
等値線図	天気図	p
アローダイアグラム	矢印で工期	m
サイクル図	ループ	m
流線図	矢印でベクトルを示す	p
テーブル	表	-

mermaidはデスクトップエディタならTypora、vscodeで書くならMarkdown Preview Mermaid Support、ブラウザならmermaid live editorで読み込むことができます。
mermaidについては以前の記事も参考にしてください。

Typoraでシーケンス図、フローチャート、ガントチャートを描くための書き方まとめ

折れ線グラフ

時系列データ、スペクトル、運行ダイヤグラムを示す
必ずしも軸は線形でなくてもよい(片対数、両対数グラフ等)

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(5)
y = x**2

plt.plot(x, y)
plt.show()

棒グラフ

他者と量を比較

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(3)
y = np.array([100, 30, 70])
plt.bar(x, y)

円グラフ

割合を円で示す

import numpy as np
import matplotlib.pyplot as plt

x = np.array([12, 23, 100])
str_label = ['a', 'b', 'c']
plt.pie(x, labels=str_label, counterclock=False, startangle=90)

ヒストグラム

データの分布を示す

import numpy as np
import matplotlib.pyplot as plt

x = np.random.normal(50, 10, 100)
plt.hist(x)

レーダーチャート

項目を数値で評価するときに使用

import numpy as np
import matplotlib.pyplot as plt

labels = ['a', 'b', 'c', 'd']
values = [10, 20, 30, 40]
angles = np.linspace(0, 2*np.pi, len(labels) + 1, endpoint=True)
values = np.concatenate((values, [values[0]]))

fig = plt.figure()
ax = fig.add_subplot(111, polar=True)
ax.plot(angles, values, 'o-')
ax.fill(angles, values, alpha=0.25)
ax.set_thetagrids(angles[:-1] * 180 / np.pi, labels)

散布図

離散データを示す

import numpy as np
import matplotlib.pyplot as plt

x = np.random.rand(10)
y = np.random.rand(10)
plt.scatter(x, y)

パレート図

重要な項目を抽出

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(4)
y1 = np.array([10, 5, 3, 2])
sum_y1 = np.sum(y1)
y2 = np.cumsum(y1) / sum_y1

fig = plt.figure()
ax1 = fig.add_subplot(111)
ax2 = ax1.twinx()

ax1.bar(x, y1)
ax2.plot(x, y2, c='r')

クラス図

システムの構造を表す
状態遷移図、オブジェクト図、パッケージ図へ応用可
mermaid使用(classDiagramは実験的機能)

シーケンス図

オブジェクト間のやり取りを時系列に沿って表現
mermaid使用

フローチャート

流れを示す
アクティビティ図へ応用可
mermaid使用

ガントチャート

時系列でタスクの進捗を示す
mermaid使用

樹形図

事象の場合分け、家系図で使用
マインドマップ(思考を整理するための図)や特性要因図(問題を洗い出すための図)
mermaidを応用

箱ひげ図

データのばらつきを示す

import numpy as np
import matplotlib.pyplot as plt

spread = np.random.rand(50) * 100
center = np.ones(25) * 50
flier_high = np.random.rand(10) * 100 + 100
flier_low = np.random.rand(10) * -100
data = np.concatenate((spread, center, flier_high, flier_low))

plt.boxplot(data)(self, parameter_list):

等値線図

等高線図や天気図
matplotlibを使用

import numpy as np
import matplotlib.pyplot as plt

delta = 0.025
x = np.arange(-3.0, 3.0, delta)
y = np.arange(-2.0, 2.0, delta)
X, Y = np.meshgrid(x, y)
Z1 = np.exp(-X**2 - Y**2)
Z2 = np.exp(-(X - 1)**2 - (Y - 1)**2)
Z = (Z1 - Z2) * 2

CS = plt.contour(X, Y, Z)

アローダイアグラム

日程計画を決定するための図
mermaid使用

サイクル図

PDCAやリサイクルを示す
要は無限ループ
mermaid使用

流線図

ものや人の流れを矢印で示した図
統計地図、流体解析、電磁界解析へ応用

import numpy as np
import matplotlib.pyplot as plt

X = [1, 3]
Y = [2, 4]
U = [5, 60]
V = [70, 8]
plt.quiver(X, Y, U, V)

テーブル

エクセルなどの表
マトリックス図

a	n
b	1
c	2

終わりに

コードや説明にミスがあればご連絡ください。
また、追加すべき図があればできる範囲で対応します。

参考文献

197

236

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up