【第3回】初心者必見！「何を伝えたいか」で選ぶPythonグラフ選びの黄金ルール【Pythonでグラフを作る短期連載】

第2回では、グラフにタイトルや日本語ラベルを付けて「資料」として整える方法を学びました。 しかし、どんなデータでも折れ線グラフにすれば良いというわけではありません。

今回は、データの性質に合わせて最適な見せ方を選ぶための「棒グラフ・散布図・円グラフ」の作り方を解説します。 これらを使い分けるだけで、データの説得力は劇的に向上します！

第3回：使い分けが肝心！棒グラフ・散布図・円グラフの作り方【Pythonでグラフを作る短期連載】

1. 比較に最適！「棒グラフ」を作ろう

アンケートの結果や商品の売上など、カテゴリーごとの大きさを比較したいときは「棒グラフ」の出番です。 Matplotlibでは plt.bar() を使います。

Copy

import matplotlib.pyplot as plt
import japanize_matplotlib

labels = ['リンゴ', 'バナナ', 'ミカン', 'ブドウ']
values = [120, 80, 150, 50]

plt.bar(labels, values, color='skyblue') # 棒グラフを作成
plt.title('果物の販売数比較')
plt.ylabel('販売個数')
plt.show()

棒グラフのコード実行結果

グラフ画像

2. 関係性を見抜く！「散布図」を作ろう

「気温が高いとアイスが売れる」といった、2つのデータの相関関係を見たいときは「散布図」が最強です。 plt.scatter() を使い、点を打っていきます。

Copy

import matplotlib.pyplot as plt

# 気温と売上の例
temp = [25, 28, 32, 35, 30, 26, 33]
sales = [100, 150, 220, 300, 180, 120, 250]

plt.scatter(temp, sales, color='red', marker='o') # 散布図を作成
plt.title('気温と売上の相関')
plt.xlabel('最高気温（℃）')
plt.ylabel('売上（円）')
plt.grid(True) # グリッド線を表示して見やすく
plt.show()

コード実行結果

グラフ画像

3. 内訳を可視化！「円グラフ」を作ろう

アンケートの回答比率など、全体に対する割合を示したいときは「円グラフ」を使います。 plt.pie() を使い、autopct という設定でパーセントを表示するのが定番です。

Copy

import matplotlib.pyplot as plt
import japanize_matplotlib

labels = ['A社', 'B社', 'C社', 'その他']
sizes = [45, 30, 15, 10]

# 円グラフを作成（開始位置やパーセント表示を設定）
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90, counterclock=False)
plt.title('市場シェアの内訳')
plt.show()

コード実行結果

グラフ画像

4. まとめ：グラフ選びの「黄金ルール」

エンジニアとしてデータを扱う際、どのグラフを選ぶかは「何を伝えたいか」で決まります。

• 推移を見たい：折れ線グラフ（第1回・第2回）
• 大きさを比べたい：棒グラフ
• 関係性を探したい：散布図
• 割合を見せたい：円グラフ

主要4種のグラフとコマンドの対応表です。迷った時の参考にしてください。

グラフの種類	Matplotlibコマンド	主な用途
折れ線グラフ	plt.plot()	時系列の推移・変化
棒グラフ	plt.bar()	項目別の大きさ比較
散布図	plt.scatter()	2つのデータの相関関係
円グラフ	plt.pie()	全体に対する割合・内訳

---

← 前回の記事

第2回：タイトル・ラベル・日本語対応

シリーズ全体を見る

【連載目次】Pythonグラフ作成入門

第3回はここまでです。これで主要なグラフは一通り描けるようになりましたね！

次回は、もっと少ないコードで「プロ級」のオシャレなデザインが作れる「Seaborn」ライブラリの世界に足を踏み入れてみましょう。