Excelでいちいちグラフを作る手間がなくなり、Pythonのコードを実行した瞬間に折れ線グラフ・棒グラフ・散布図が画面に現れる——matplotlibを使いこなせば、データ分析・研究・業務レポートのあらゆる場面で、数字を一瞬でビジュアル化できます。
グラフを描き始める前に、matplotlibの構造を理解しておくとコードが格段に読みやすくなります。全部を暗記する必要はなく、「こういうパーツがあるんだな」と知っておくだけで十分です。
matplotlibはpipでインストールできます。Jupyter Notebookと組み合わせるとグラフをノートブック内にインライン表示でき、試行錯誤がしやすくなります。
pip install matplotlib
pip install notebookJupyter Notebookを起動してノートブックを新規作成したら、最初のセルで以下の2行を実行しておきます。
import matplotlib.pyplot as plt
import japanize_matplotlib # 日本語フォント対応（pip install japanize-matplotlib）Shift + Enter でセルを実行できます。japanize_matplotlib をインポートしておくことで、グラフ内の日本語テキストが文字化けなく表示されます。
plt.subplots() を呼び出すと、FigureオブジェクトとAxesオブジェクトが同時に返ってきます。Axesオブジェクトを使ってグラフを描いていくのが基本の流れです。
fig, ax = plt.subplots(facecolor="white")
# facecolor="white" でキャンバスの背景を白に設定axオブジェクトの plot() メソッドを使います。第1引数にX軸の値リスト、第2引数にY軸の値リストを指定します。
days = ["月", "火", "水", "木", "金", "土", "日"]
max_temp = [19, 22, 24, 21, 22, 12, 20] # 最高気温
ax.plot(days, max_temp, label="最高気温", marker="o")
# 軸ラベル・タイトル・凡例の設定
ax.set_xlabel("曜日")
ax.set_ylabel("気温（℃）")
ax.set_title("1週間の気温変化")
ax.legend()
plt.show()同じAxesオブジェクトに対して plot() を複数回呼び出すだけで、グラフを重ねて描けます。それぞれに label を設定し、最後に ax.legend() を呼び出すと凡例が表示されます。
min_temp = [10, 13, 13, 12, 11, 8, 9] # 最低気温
ax.plot(days, max_temp, label="最高気温", marker="o")
ax.plot(days, min_temp, label="最低気温", marker="s")
ax.legend()Y軸の目盛りを任意の値リストに変更したいときは set_yticks() を使います。
import numpy as np
ax.set_yticks(range(0, 31, 5)) # 0〜30を5刻みで設定ax.bar() でシンプルな棒グラフが作れます。
subjects = ["国語", "算数", "理科", "社会", "英語"]
scores = [85, 72, 90, 68, 78]
fig, ax = plt.subplots(facecolor="white")
ax.bar(subjects, scores)
ax.set_xlabel("科目")
ax.set_ylabel("点数")
ax.set_title("テスト結果")
plt.show()ax.pie() で円グラフが作れます。labels で各要素の名前を、autopct でパーセンテージの表示形式を指定します。
sizes = [40, 30, 20, 10]
labels = ["Python", "JavaScript", "Java", "その他"]
fig, ax = plt.subplots(facecolor="white")
ax.pie(sizes, labels=labels, autopct="%1.1f%%")
ax.set_title("プログラミング言語シェア")
plt.show()2つの変数の関係を視覚化するには ax.scatter() を使います。X軸・Y軸にそれぞれ別の数値リストを渡します。
height = [120, 122, 118, 125, 130] # 身長（cm）
weight = [21, 23, 22, 24, 28] # 体重（kg）
fig, ax = plt.subplots(facecolor="white")
ax.scatter(height, weight)
ax.set_xlabel("身長（cm）")
ax.set_ylabel("体重（kg）", rotation="horizontal", labelpad=40)
ax.set_title("身長・体重の散布図")
plt.show()データの分布を確認するにはヒストグラムが便利です。ax.hist() にデータのリストを渡すだけで描画できます。bins でバーの数（階級数）を指定できます。
import random
data = [random.gauss(50, 10) for _ in range(1000)]
fig, ax = plt.subplots(facecolor="white")
ax.hist(data, bins=30)
ax.set_xlabel("値")
ax.set_ylabel("頻度")
ax.set_title("データ分布（ヒストグラム）")
plt.show()データ可視化は「描いて → 確認して → 修正する」の繰り返しです。大きなモニターと使いやすいキーボードがあると、作業効率が大幅にアップします🚀
japanize-matplotlib ライブラリを使うのが最も手軽です。pip install japanize-matplotlib でインストールし、スクリプトの冒頭に import japanize_matplotlib を追記するだけで日本語フォントが自動設定されます。
Figure は「額縁（キャンバス全体）」、Axes は「その中に貼られた1枚の絵（グラフ描画エリア）」のイメージです。plt.subplots() を使えば両方を一度に作れるので、まずは fig, ax = plt.subplots() の形を覚えておけば十分です。
plt.subplots(行数, 列数) で複数のAxesを作れます。例えば fig, axes = plt.subplots(1, 2) と書くと横に2つのグラフエリアが並び、axes[0]・axes[1] でそれぞれを個別に操作できます。
plt.show() の代わりに（または前に）plt.savefig("graph.png") を呼び出すと、PNG形式でファイルに保存できます。dpi=300 を指定すると高解像度で出力できます。
できます。同じ ax オブジェクトに対して ax.plot() と ax.bar() をそれぞれ呼び出すだけです。気温の折れ線と降水量の棒グラフを重ねるような複合グラフも作れます。
matplotlibの基本の流れは「plt.subplots() でキャンバスを作成 → ax.plot/bar/pie/scatter/hist() でグラフを描画 → ラベル・タイトル・凡例を設定 → plt.show() で表示」の4ステップです。グラフの種類を変えても構造は同じなので、一度マスターすれば応用が利きます。データを「見える化」することで、数字だけでは気づけなかった傾向や異常値がくっきり浮かび上がります。ぜひ自分のデータを使って試してみてください📊✨