matplotlib

Matplotlib

概要

Matplotlib は、静的、アニメーション、インタラクティブなプロットを作成するための、Python の基盤となる可視化ライブラリです。このスキルでは、pyplot インターフェース（MATLAB 形式）とオブジェクト指向 API（Figure/Axes）の両方を取り上げ、出版品質の可視化を作成するためのベストプラクティスを含め、Matplotlib を効果的に使用する方法を説明します。

このスキルを使用する場面

次のような場合に、このスキルを使用してください。

• あらゆる種類のプロットやグラフ（折れ線、散布図、棒グラフ、ヒストグラム、ヒートマップ、等高線図など）を作成する
• 科学的または統計的な可視化を生成する
• プロットの外観（色、スタイル、ラベル、凡例）をカスタマイズする
• サブプロットを使って複数パネルの図を作成する
• 可視化をさまざまな形式（PNG、PDF、SVG など）でエクスポートする
• インタラクティブなプロットやアニメーションを作成する
• 3D 可視化を扱う
• Jupyter ノートブックや GUI アプリケーションにプロットを組み込む

セットアップ

プロジェクトで使用する場合は、uv で Matplotlib をインストールします。

uv add matplotlib

ノートブックでのインタラクティブ機能を有効にする場合：

uv add matplotlib ipympl

次に、Jupyter で %matplotlib widget または %matplotlib ipympl を使ってウィジェットバックエンドを有効にします。

Matplotlib 3.10 には Python 3.10 以降と NumPy 1.23 以降が必要です。非インタラクティブなファイル出力には、Agg、PDF、SVG などのバックエンドを使用できます。GUI ウィンドウの場合、Matplotlib は利用可能なバックエンドを自動選択します。uv で管理されている Python で TkAgg が動作しない場合は、uv self update と uv python upgrade --reinstall で uv と Python ビルドを更新するか、uv add pyside6 で Qt バックエンドをインストールしてください。

基本概念

Matplotlib の階層構造

Matplotlib は、オブジェクトの階層構造を使用します。

1. Figure - すべてのプロット要素を含む最上位のコンテナー
2. Axes - データを表示する実際のプロット領域（1 つの Figure に複数の Axes を含めることができます）
3. Artist - 図上に表示されるすべての要素（線、テキスト、目盛りなど）
4. Axis - 目盛りとラベルを扱う数直線オブジェクト（x 軸、y 軸）

2 つのインターフェース

1. pyplot インターフェース（暗黙的、MATLAB 形式）

import matplotlib.pyplot as plt

plt.plot([1, 2, 3, 4])
plt.ylabel('some numbers')
plt.show()

• 手早くシンプルなプロットを作成するのに便利です
• 状態を自動的に保持します
• インタラクティブな作業やシンプルなスクリプトに適しています

2. オブジェクト指向インターフェース（明示的）

import matplotlib.pyplot as plt

fig, ax = plt.subplots()
ax.plot([1, 2, 3, 4])
ax.set_ylabel('some numbers')
plt.show()

• ほとんどの用途で推奨されます
• Figure と Axes をより明示的に制御できます
• 複数のサブプロットを含む複雑な図に適しています
• 保守やデバッグが容易です

一般的なワークフロー

1. 基本的なプロットの作成

単一プロットのワークフロー：

import matplotlib.pyplot as plt
import numpy as np

# Create figure and axes (OO interface - RECOMMENDED)
fig, ax = plt.subplots(figsize=(10, 6))

# Generate and plot data
x = np.linspace(0, 2*np.pi, 100)
ax.plot(x, np.sin(x), label='sin(x)')
ax.plot(x, np.cos(x), label='cos(x)')

# Customize
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_title('Trigonometric Functions')
ax.legend()
ax.grid(True, alpha=0.3)

# Save and/or display
fig.savefig('plot.png', dpi=300, bbox_inches='tight')
plt.show()

2. 複数のサブプロット

サブプロットのレイアウトを作成する：

# Method 1: Regular grid
fig, axes = plt.subplots(2, 2, figsize=(12, 10))
axes[0, 0].plot(x, y1)
axes[0, 1].scatter(x, y2)
axes[1, 0].bar(categories, values)
axes[1, 1].hist(data, bins=30)

# Method 2: Mosaic layout (more flexible)
fig, axes = plt.subplot_mosaic([['left', 'right_top'],
                                 ['left', 'right_bottom']],
                                figsize=(10, 8))
axes['left'].plot(x, y)
axes['right_top'].scatter(x, y)
axes['right_bottom'].hist(data)

# Method 3: GridSpec (maximum control)
from matplotlib.gridspec import GridSpec
fig = plt.figure(figsize=(12, 8))
gs = GridSpec(3, 3, figure=fig)
ax1 = fig.add_subplot(gs[0, :])  # Top row, all columns
ax2 = fig.add_subplot(gs[1:, 0])  # Bottom two rows, first column
ax3 = fig.add_subplot(gs[1:, 1:])  # Bottom two rows, last two columns

3. プロットの種類と用途

折れ線グラフ - 時系列、連続データ、傾向

ax.plot(x, y, linewidth=2, linestyle='--', marker='o', color='blue')

散布図 - 変数間の関係、相関

ax.scatter(x, y, s=sizes, c=colors, alpha=0.6, cmap='viridis')

棒グラフ - カテゴリ間の比較

ax.bar(categories, values, color='steelblue', edgecolor='black')
# For horizontal bars:
ax.barh(categories, values)

ヒストグラム - 分布

ax.hist(data, bins=30, edgecolor='black', alpha=0.7)

ヒートマップ - 行列データ、相関

im = ax.imshow(matrix, cmap='coolwarm', aspect='auto')
plt.colorbar(im, ax=ax)

等高線図 - 2D 平面上の 3D データ

contour = ax.contour(X, Y, Z, levels=10)
ax.clabel(contour, inline=True, fontsize=8)

箱ひげ図 - 統計的分布

ax.boxplot([data1, data2, data3], tick_labels=['A', 'B', 'C'])

バイオリンプロット - 分布密度

ax.violinplot([data1, data2, data3], positions=[1, 2, 3])

プロットの種類やバリエーションの詳しい例については、references/plot_types.md を参照してください。

4. スタイルとカスタマイズ

色の指定方法：

• 名前付きの色：'red'、'blue'、'steelblue'
• 16 進コード：'#FF5733'
• RGB タプル：(0.1, 0.2, 0.3)
• カラーマップ：cmap='viridis'、cmap='plasma'、cmap='coolwarm'

スタイルシートの使用：

plt.style.use('seaborn-v0_8-darkgrid')  # Apply predefined style
# Available styles: 'ggplot', 'bmh', 'fivethirtyeight', etc.
print(plt.style.available)  # List all available styles

rcParams によるカスタマイズ：

plt.rcParams['font.size'] = 12
plt.rcParams['axes.labelsize'] = 14
plt.rcParams['axes.titlesize'] = 16
plt.rcParams['xtick.labelsize'] = 10
plt.rcParams['ytick.labelsize'] = 10
plt.rcParams['legend.fontsize'] = 12
plt.rcParams['figure.titlesize'] = 18

テキストと注釈：

ax.text(x, y, 'annotation', fontsize=12, ha='center')
ax.annotate('important point', xy=(x, y), xytext=(x+1, y+1),
            arrowprops=dict(arrowstyle='->', color='red'))

スタイルの詳細なオプションやカラーマップのガイドラインについては、references/styling_guide.md を参照してください。

5. 図の保存

さまざまな形式へのエクスポート：

# High-resolution PNG for presentations/papers
fig.savefig('figure.png', dpi=300, bbox_inches='tight', facecolor='white')

# Vector format for publications (scalable)
fig.savefig('figure.pdf', bbox_inches='tight')
fig.savefig('figure.svg', bbox_inches='tight')

# Transparent background
fig.savefig('figure.png', dpi=300, bbox_inches='tight', transparent=True)

重要なパラメーター：

• dpi：解像度（出版用は 300、Web 用は 150、画面用は 72）
• bbox_inches='tight'：余分な余白を削除します
• facecolor='white'：背景を白にします（透明テーマで便利です）
• transparent=True：背景を透明にします

6. 3D プロットの操作

fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection='3d')

# Surface plot
ax.plot_surface(X, Y, Z, cmap='viridis')

# 3D scatter
ax.scatter(x, y, z, c=colors, marker='o')

# 3D line plot
ax.plot(x, y, z, linewidth=2)

# Labels
ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')

ベストプラクティス

1. インターフェースの選択

• 本番コードではオブジェクト指向インターフェース（fig, ax = plt.subplots()）を使用します
• pyplot インターフェースは、簡単な対話的な探索にのみ使用します
• 暗黙の状態に頼らず、図を常に明示的に作成します

2. 図のサイズと DPI

• 作成時に figsize を設定します：fig, ax = plt.subplots(figsize=(10, 6))
• 出力媒体に適した DPI を使用します：
  • 画面／ノートブック：72～100 dpi
  • Web：150 dpi
  • 印刷／出版物：300 dpi

3. レイアウト管理

• 要素が重ならないように、constrained_layout=True または tight_layout() を使用します
• 自動で間隔を調整できるため、fig, ax = plt.subplots(constrained_layout=True) を推奨します

4. カラーマップの選択

• 逐次型（viridis、plasma、inferno）：一貫した推移のある順序データ
• 発散型（coolwarm、RdBu）：意味のある中心点（例：ゼロ）があるデータ
• 定性型（tab10、Set3）：カテゴリデータ／名義データ
• 虹色のカラーマップ（jet）は知覚的に均一ではないため、避けてください

5. アクセシビリティ

• 色覚特性に配慮したカラーマップ（viridis、cividis）を使用します
• 棒グラフでは色に加えて、パターン／ハッチングを追加します
• 要素間に十分なコントラストを確保します
• 説明的なラベルと凡例を含めます

6. パフォーマンス

• 大規模なデータセットでは、プロット呼び出しに rasterized=True を指定してファイルサイズを削減します
• プロットの前に、適切なデータ削減（例：密な時系列データのダウンサンプリング）を行います
• アニメーションでは、パフォーマンス向上のためにブリッティングを使用します

7. コードの整理

# Good practice: Clear structure
def create_analysis_plot(data, title):
    """Create standardized analysis plot."""
    fig, ax = plt.subplots(figsize=(10, 6), constrained_layout=True)

    # Plot data
    ax.plot(data['x'], data['y'], linewidth=2)

    # Customize
    ax.set_xlabel('X Axis Label', fontsize=12)
    ax.set_ylabel('Y Axis Label', fontsize=12)
    ax.set_title(title, fontsize=14, fontweight='bold')
    ax.grid(True, alpha=0.3)

    return fig, ax

# Use the function
fig, ax = create_analysis_plot(my_data, 'My Analysis')
fig.savefig('analysis.png', dpi=300, bbox_inches='tight')

クイックリファレンススクリプト

このスキルには、scripts/ ディレクトリにヘルパースクリプトが含まれています：

plot_template.py

ベストプラクティスに沿ったさまざまなプロットタイプを紹介するテンプレートスクリプトです。新しい可視化を作成する際の出発点として使用してください。

使用方法：

uv run python scripts/plot_template.py

style_configurator.py

matplotlib のスタイル設定を構成し、カスタムスタイルシートを生成するための対話型ユーティリティです。

使用方法：

uv run python scripts/style_configurator.py

詳細なリファレンス

詳細については、以下のリファレンスドキュメントを参照してください：

• references/plot_types.md - コード例とユースケースを含む、プロットタイプの完全な一覧
• references/styling_guide.md - スタイル設定、カラーマップ、カスタマイズの詳細
• references/api_reference.md - コアクラスとメソッドのリファレンス
• references/common_issues.md - よくある問題のトラブルシューティングガイド

他のツールとの連携

Matplotlib は以下のツールとスムーズに連携します：

• NumPy/Pandas - 配列や DataFrame から直接プロット
• Seaborn - matplotlib を基盤とする高水準の統計可視化
• Jupyter - %matplotlib inline または %matplotlib widget による対話型プロット
• GUI フレームワーク - Tkinter、Qt、wxPython アプリケーションへの埋め込み

よくある注意点

1. 要素の重なり：constrained_layout=True または tight_layout() を使用します
2. 状態の混乱：pyplot のステートマシンに関する問題を避けるため、OO インターフェースを使用します
3. 多数の図によるメモリの問題：plt.close(fig) で図を明示的に閉じます
4. フォントの警告：フォントをインストールするか、plt.rcParams['font.sans-serif'] で警告を抑制します
5. DPI の混乱：figsize の単位はピクセルではなくインチです。pixels = dpi * inches を参照してください

追加リソース

• 公式ドキュメント：https://matplotlib.org/
• ギャラリー：https://matplotlib.org/stable/gallery/index.html
• チートシート：https://matplotlib.org/cheatsheets/
• チュートリアル：https://matplotlib.org/stable/tutorials/index.html