Python初学者向け：折れ線グラフの描き方を基本から解説（matplotlib/seaborn/pandasのplotメソッド）

この記事はこんな方におススメです

データ分析をはじめたいが、どのように学習を進めればよいかわからない方
データ分析の基本的な部分の全体像を把握しておきたい方
データ分析の勉強を始めたが、進め方に迷っている方

▶ 初学者向けにPythonを使ったデータ分析に役立つ記事を書いています

Python初心者の方向けに、データ分析の基礎知識を身につけるための学習ステップをご紹介します。最初は細部にこだわらず、概要を把握したら実際にデータを扱ってみるのがよいです。とにかく実際のデータに触れるために、大前提となる最低限の知識を身につけるのが一番です。

▶ matplotlibによる可視化を基本から解説しています。以下の投稿も合わせてご覧ください。

Python初学者向け：matplotlibによる可視化を基本から解説

データの可視化を基本から解説していきます。まずはデータの可視化ライブラリmatplotlibの使い方からみていきます。今回は第一回目なので一番ベーシックな折れ線グラフの書き方から始めることにしましょう。

はじめに
環境
折れ線グラフを描く
まとめ

はじめに

今回は折れ線グラフの描き方を基本から解説します。折れ線グラフはデータがどのように変化していくかを確認する際に使う最も基本的なグラフです。時系列データの変化を見るときには、必ず描くことになるでしょう。データの推移をみるときに、まず折れ線グラフを描く、ということが当たり前にできるようになりましょう。

環境

Windows11
Python 3.11.4
pandas 2.0.3
numpy: 1.25.0
matplotlib: 3.7.1
seaborn: 0.12.2

折れ線グラフを描く

サンプルデータ

折れ線グラフは散布図の一種で、プロットされた点を直線でつないだものです。通常は時間の経過を軸とします。まずサンプルデータを用意しましょう。今回はseabornライブラリにあらかじめ用意されている「fmri」というデータを使うことにしましょう。

# ライブラリのインポート
import pandas as pd
import seaborn as sns


# データのロード
fmri=sns.load_dataset('fmri')
fmri.head()

これは、脳の活動を測定する技術であるfMRI（機能的磁気共鳴画像法）のデータだそうです。各カラムの意味は以下となります。

subject：被験者のID
timepoint：実験の時間点（0~18）
event：刺激の種類（cue, stimulus, response）
region：脳の領域（frontal, parietal）
signal：fMRIの信号強度
experiment：実験の番号（1, 2）

matplotlibを使って描く

まずは基本構文を確認しておきましょう。

plt.plot(x, y)

xはindexを利用する場合は省略することもできます。さっそく見てみましょう。

# 折れ線グラフ：matplotlib
plt.plot(fmri.index, fmri['signal'])

xにはindexを指定しているので、これは次のように省略することもできます。（結果は同じなので割愛します）

# xの指定を省略
plt.plot(fmri['signal'])

非常にシンプルですね。次にseabornを使った折れ線グラフの描画についても見ていきましょう。

seabornを使って折れ線グラフを描画

こちらもまずは基本構文を確認しておきましょう。

sns.relplot(x, y, data, kind=’line’,row, col, hue)
sns.lineplot(x, y, hue)

relplotとlineplotの違いは、figureレベルかaxesレベルかの違いがあります。relplotはfigureレベル、lineplotはaxesレベルです。figureレベル・axesレベルについては以下のブログに詳しく書いているのでこちらもご参照ください。

seabornの細かい見た目調整をあきらめない - Qiita

はじめにseabornの洗練されたスタイルで作ったグラフはとてもきれいです。見た目だけでなく、列の多いデータの全体像を把握するのにも威力を発揮します^1。特に適切に整形されたデータフレームを渡せば…

ここではrelplotで描いていきましょう。

# seabornで折れ線グラフを描画
sns.relplot(x=fmri.index, y='signal', data=fmri,kind='line')

先ほどのmatplotlibで描いた場合と同じですね。次にxに「timepoint」を指定した折れ線グラフを描いてみましょう。

# xに「timepoint」を指定：信頼区間がついた折れ線グラフ
sns.relplot(x='timepoint', y='signal', data=fmri,kind='line')

折れ線の周りに帯が表示されていますね。これは信頼区間を表します。でもこれってどういう意味でしょうか？kind=’scatter’として散布図を描いてみることにしましょう。

# xに「timepoint」を指定：散布図の描画
sns.relplot(x='timepoint', y='signal', data=fmri,kind='scatter')

X値に対して複数Y値が存在ありますね。これを折れ線で表す場合はxに対するyの値は平均値で代表されます。そのため、先ほどの折れ線グラフでは信頼区間が表示されている、のです。信頼区間を非表示にしたい場合には、errorbar=[‘ci’,False]を指定します。

# xに「timepoint」を指定：信頼区間を非表示
sns.relplot(x='timepoint', y='signal', data=fmri,kind='line',errorbar=['ci',False])

層別に描画するときにはhueを指定します。ここでは「event」を指定してみましょう。

# seabornで折れ線グラフ:hueにeventを指定
sns.relplot(x='timepoint', y='signal', data=fmri, kind='line', hue='event')

reloplotなので、折れ線グラフ描画時にもcolやrowにより変数ごとに違いがあるかの比較をすることができます。

# seabornで折れ線グラフを描画:colにregionを指定
sns.relplot(x='timepoint', y='signal', data=fmri, kind='line', hue='event',col='region')

これは散布図の時と同じ動きですね！最後にpandasのplot関数による描画も見ておきましょう。

pandasのplotを使って描く

基本構文は以下となります。

df.plot()

indexがx軸となり、y軸はデータフレームに含まれる量的変数となります。やってみましょう。

# pandasのplot関数で描く
fmri.plot()

pandasのplot関数を使うと、簡単なコードで一気に可視化ができるから便利ですね。ただ、このグラフちょっと見づらいですよね。分離してみましょう。

# subplotsで分離
fmri.plot(subplots=True)

上のグラフはseabornで散布図を描いて見せたように、x軸に対してyの値が複数ある場合です。これをそのまま折れ線グラフで描くのは適切ではないですね。ただ、データ分析のはじめにパっとデータを確認するときにpandasのplotでこのように可視化すると、x軸に対してyの値が複数あるな、と気づけるのでよいですね！