data-visualization

データ可視化のベストプラクティス

出版品質の科学的な可視化を作成し、よくある落とし穴を回避して、図の明瞭さを最適化するための専門的なガイダンスです。

このスキルを使用する場面

• 科学論文向けの図を作成するとき
• 誤解を招く、または歪んだ可視化をデバッグするとき
• 図のレイアウトや要素のサイズを最適化するとき
• データの特性に適したプロットの種類を選ぶとき
• 統計的注釈が適切に収まるようにするとき
• Claude やほかの AI ツールと共有する画像を生成するとき

関連ファイル

このスキルは、用途ごとに特化した参考ファイルで構成されています。必要に応じて読み込んでください。

• pitfalls-and-troubleshooting.md - 対数スケールによる歪み、座標変換のバグ、外れ値の扱い方針、軸範囲の最適化、浮動小数点形式の年ラベル
• chart-recipes.md - 時系列の傾向、箱ひげ図、散布図、カテゴリの割合、積み上げ面グラフ、サンプルサイズの凡例、出版用図で外れ値を扱う二重アプローチのコードレシピ
• color-palettes.md - 岡部・伊藤カラーパレット、Paul Tol カラーパレット、連続・発散スキーム、matplotlib/seaborn での色覚バリアフリーな実装
• claude-image-constraints.md - Claude API の 8000px 制限、安全な図サイズのプリセット、リサイズ用ヘルパー、Jupyter Notebook の巨大画像に関する修正方法
• figure-descriptions.md - 適切な統計報告を含む、出版品質の図の説明文を作成するためのテンプレート
• itol-reference.md - iTOL のデータセット形式（DATASET_STYLE、DATASET_BINARY、DATASET_COLORSTRIP）、種名の同期、トラブルシューティング
• journal-requirements.md - 学術誌ごとの図の仕様（Nature、Science、Cell、PLOS、ACS、IEEE、Elsevier、BMC）：寸法、DPI、形式、パネルのラベル付け、ファイル名

アセット（ノートブック／スクリプトでインポート可能）

• assets/publication.mplstyle - 一般的な出版向けスタイル：plt.style.use('path/to/publication.mplstyle')
• assets/nature.mplstyle - Nature 誌向けスタイル（単段組み 89mm、フォント 7pt、600 DPI）
• assets/presentation.mplstyle - ポスターやスライド向けの大きなフォントと線
• assets/color_palettes.py - インポート可能なパレット定義（岡部・伊藤、Wong、Paul Tol）、apply_palette() ヘルパー、DNA 塩基の色

スクリプト（ヘルパーユーティリティ）

• scripts/figure_export.py - save_publication_figure()、save_for_journal()、check_figure_size()：学術誌ごとの DPI／形式設定で複数の形式にエクスポート
• scripts/style_presets.py - apply_publication_style()、configure_for_journal()、set_color_palette()：学術誌向けの設定をワンコマンドで適用

基本原則

1. 対数スケールのプロットは必ず確認する

対数軸上の KDE ベースのプロット（バイオリンプロット、リッジプロット）は、形状が歪みます。箱ひげ図を使うか、データを先に対数変換してから線形軸でプロットしてください。詳しくは pitfalls-and-troubleshooting.md を参照してください。

2. まずすべてのデータを表示し、フィルタリングは後から行う

最初の可視化では、すべてのデータ点を表示する（showfliers=True）ことを基本とします。外れ値は生物学的に重要な意味を持つ可能性があります。分野の専門家と確認した後にのみフィルタリングし、除外したデータは必ず記録してください。

3. 色覚バリアフリーのパレットを使用する

カテゴリデータには、Nature が推奨する岡部・伊藤カラーパレットを使用してください。色だけでなくマーカーの形も併用し、情報を重複して伝えましょう。赤と緑の組み合わせは使用しないでください。16 進数コードと実装方法については color-palettes.md を参照してください。

4. Claude の画像サイズ制限を守る

Claude と共有する画像は、どちらの寸法も 8000 ピクセル を超えてはいけません。安全な図サイズのプリセットと save_figure() ヘルパーを使用してください。詳しくは claude-image-constraints.md を参照してください。

5. 注釈は慎重に配置する

テキストの配置には、純粋なデータ座標または ax.transAxes（0～1の範囲）を使用します。座標系を混在させないでください（例：ax.get_xaxis_transform() とデータスケールの y 値を組み合わせる）。詳しくは、pitfalls-and-troubleshooting.md を参照してください。

グラフ選択のクイックガイド

データの種類	推奨されるグラフ	使用する場面
分布の比較	箱ひげ図	大規模なデータセット、対数スケール、複数グループ
分布の形状	ヒストグラム	対数スケールでも常に機能し、実際の頻度を表示
時系列の傾向（点が少ない場合）	散布図＋回帰	各時点あたり 50 点未満、連続時間
時系列の傾向（点が多い場合）	年ごとの箱ひげ図	点が重なっている場合、離散的な時点
時間経過に伴うカテゴリの割合	積み上げ面グラフ＋積み上げ棒グラフ（2 パネル）	相対的な傾向と絶対的な傾向の両方を表示
カテゴリの比較	棒グラフ、バイオリンプロット（線形スケールのみ）	グループの平均値または分布
系統樹の注釈	iTOL データセット	メタデータを使った系統樹の可視化

論文掲載用の図のチェックリスト

作成前

• 色覚バリアフリーの配色を選ぶ（岡部-伊藤カラーパレットを推奨）
• Claude の上限である 8000px 以内に図の寸法を設定する
• パネルのレイアウト（横並びか縦積みか）を決める

作成中

• 凡例にサンプルサイズを記載する：Category (n=123)
• 年のラベルに整数を使用する：ax.xaxis.set_major_locator(plt.MaxNLocator(integer=True))
• 注釈を追加する場合は、軸の範囲を明示的に設定する
• データが密集している場合は、要素のサイズを小さくする（s=25, alpha=0.5）
• 保存時に bbox_inches='tight' を使用する

作成後

• 画像の寸法を確認する（Claude の場合、最大 7999x7999）
• 注釈がプロット範囲内にあることを確認する
• 色覚バリアフリーに対応しているか確認する
• 論文掲載用には最低 300 DPI で保存する

時系列分析の場合

• 全データ版とクリーニング済み版の両方を作成する
• 統計量はクリーニングしていない全データセットで算出する
• 外れ値の除去方法とデータ保持率を記録する
• 分かりやすいファイル名を使用する：figure.png と figure_clean.png

クイックリファレンス：安全な図のサイズ（300 DPI）

FIG_SIZES = {
    'single_column': (3.5, 4),      # 1050x1200 px
    'double_column': (7, 5),        # 2100x1500 px
    'full_page': (7, 9),            # 2100x2700 px
    'poster': (20, 15),             # 6000x4500 px
    'max_claude': (26, 26),         # 7800x7800 px
}

クイックリファレンス：岡部-伊藤カラー（3 カテゴリ）

colors = {
    'Category_A': '#0072B2',    # Blue
    'Category_B': '#E69F00',    # Orange
    'Category_C': '#CC79A7'     # Reddish Purple
}

ベストプラクティスのまとめ

1. 対数スケールのプロットは必ず確認する - KDE ベースのプロットをヒストグラムと照合する
2. 要素のサイズをテストする - 最適な見やすさになるよう、異なるサイズで再生成する
3. 軸の範囲を明示する - 注釈を追加する場合、自動範囲に頼らない
4. スタイルを統一する - 論文掲載用の一貫性を保つため、seaborn のコンテキストとスタイルを使用する
5. 高 DPI にする - 最低 300 DPI で保存する（dpi=300, bbox_inches='tight'）
6. 軸の範囲を最適化する - 分布が圧縮されている場合は、データの範囲にズームする
7. 画像の寸法を確認する - Claude と共有する前にサイズを確認する（最大 7999x7999）
8. サイズ制約を設定する - プログラムで画像を生成する場合は、安全な図のサイズを使用する
9. 外れ値を含む時系列の傾向 - クリーニング済み（論文掲載用）と全データ（検証用）の両方を作成する
10. サンプルサイズを記載する - 比較用の図では、必ず凡例に n= を表示する

参考資料

• Matplotlib のドキュメント：https://matplotlib.org/
• Seaborn の可視化：https://seaborn.pydata.org/
• iTOL のドキュメント：https://itol.embl.de/help.cgi
• 岡部-伊藤カラーパレット：https://jfly.uni-koeln.de/color/
• ColorBrewer：https://colorbrewer2.org