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 スタイル）とオブジェクト指向 API（Figure/Axes）の両方を取り上げ、matplotlib を効果的に使用するためのガイダンスを提供するとともに、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紹介します。

このスキルを使用するタイミング

このスキルは、次のような場合に使用します:

• あらゆる種類のプロットやチャート（折れ線、散布図、棒グラフ、ヒストグラム、ヒートマップ、等高線など）を作成するとき
• 科学的または統計的な可視化を生成するとき
• 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とき
• サブプロットを使ってマルチパネルの図を作成するとき
• 可視化を various 形式（PNG、PDF、SVG など）でエクスポートするとき
• インタラクティブなプロットやアニメーションを構築するとき
• 3D 可視化を扱うとき
• 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とき

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収める最上位のコンテナ
2. Axes - データが表示され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 - Figure 上に表示されるすべてのもの（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 スタイル）

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るのに便利
• 状態を自動的に保持
• インタラクティブな作業や単純なスクリプトに適している

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()

• ほとんどのユースケースに推奨
• Figure と Axes をより明示的に制御可能
• 複数のサブプロットを持つ複雑な図に適している
• 保守とデバッグが容易

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
plt.savefig('plot.png', dpi=300, bbox_inches='tight')
plt.show()

2. 複数のサブプロット

サブプロットレイアウトの作成:

# 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 - 時系列データ、連続データ、トレンド

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 - 2 次元平面上の 3 次元データ

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

箱ひげ図 - 統計的な分布

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

バイオリンプロット - 分布の密度

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

プロットの種類ごとの包括的な例とバリエーションについては、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 進数コード: '#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'))

詳細なスタイルオプションと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
plt.savefig('figure.png', dpi=300, bbox_inches='tight', facecolor='white')

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

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

重要なパラメータ:

• 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
• facecolor='white': 背景を白に設定（透明なテーマを使用する場合に便利）
• transparent=True: 背景を透明にする

6. 3D プロットの扱い

from mpl_toolkits.mplot3d import Axes3D

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

• 本番コードにはオブジェクト指向インターフェース（fig, ax = plt.subplots()）を使用する
• pyplot インターフェースは、手早いインタラクティブな探索専用に留める
• 暗黙的な状態に頼らず、常に Figure を明示的に作成する

2. 図のサイズと DPI

• 作成時に figsize を設定する: fig, ax = plt.subplots(figsize=(10, 6))
• 出力媒体に応じて適切な DPI を使用する:
  • 画面/ノートブック: 72〜100 dpi
  • Web: 150 dpi
  • 印刷/出版: 300 dpi

3. レイアウト管理

• 要素の重なりを防ぐには constrained_layout=True または tight_layout() を使用する
• 自動的な間隔調整には fig, ax = plt.subplots(constrained_layout=True) を推奨する

4. カラーマップの選択

• 連続型（viridis、plasma、inferno）：一貫した変化を持つ順序付きデータ
• 発散型（coolwarm、RdBu）：意味のある中心点（例：ゼロ）を持つデータ
• 定性型（tab10、Set3）：カテゴリカル／名義データ
• rainbow カラーマップ（jet）は避けてください。知覚的に一様ではないためです

5. アクセシビリティ

• 色覚多様性に配慮したカラーマップ（viridis、cividis）を使用してください
• 棒グラフには色に加えてパターンやハッチングを追加してください
• 要素間に十分なコントラストを確保してください
• わかりやすいラベルと凡例を含めてください

6. パフォーマンス

• 大規模データセットでは、ファイルサイズを減らすためにプロット呼び出しで rasterized=True を使用してください
• プロット前に適切なデータ削減を行ってください（例：密な時系列データのダウンサンプリング）
• 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てください

7. コードの構成

# 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')
plt.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示す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ご利用ください。

使用方法：

python scripts/plot_template.py

style_configurator.py

matplotlib のスタイル設定を行い、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：

python scripts/style_configurator.py

詳細リファレンス

包括的な情報については、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 - コード例と使用例を含む、プロットタイプの完全なカタログ
• references/styling_guide.md - スタイルのオプション、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 は以下と良好に連携します。

• NumPy/Pandas - 配列や DataFrame からの直接プロット
• Seaborn - matplotlib 上に構築された高水準の統計可視化
• Jupyter - %matplotlib inline または %matplotlib widget によるインタラクティブなプロット
• GUI フレームワーク - Tkinter、Qt、wxPython アプリケーションへの組み込み

よくある落とし穴

1. 要素の重なり：constrained_layout=True または tight_layout() を使用してください
2. 状態の混乱：pyplot のステートマシンの問題を避けるため、OO インターフェースを使用してください
3. 多数の図による메모리問題：plt.close(fig) で図を明示的に閉じてください
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'] で警告を抑制してください
5. DPI の混同：figsize はピクセルではなくインチ単位であることに注意してください：pixels = dpi * inches

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