可視化

どのグラフを選ぶ？ #

棒グラフでカテゴリ比較 #

基本の縦型棒グラフ	積み上げ棒グラフ	ワッフルチャート

地域別の売上や商品別の件数など、カテゴリどうしの大小比較や構成比を示したいときの定番です。plt.bar の縦棒を並べれば順位が、積み上げ棒にすれば合計と内訳が、ワッフルチャートにすれば 100 マス中の割合が一目で読めます。

折れ線でトレンドを追う #

複数系列の折れ線	ローリング平均	スパークライン

日次・月次の推移や 12 か月周期の季節性を確認するときに使います。複数系列を sns.lineplot で重ねれば系列間の差が、rolling(7).mean() の移動平均を重ねればノイズの下のトレンドが読め、表のセルに収まるスパークラインは KPI ダッシュボードの 1 行に推移を添える用途に向きます。

散布図で関係性を探る #

基本の散布図	バブル散布図	周辺ヒスト付き散布図

身長と体重、広告費と売上のような 2 変数の関係と外れ値を目で確かめる図です。点のサイズ（s=）や色（c=）に 3 つ目の属性を割り当てたバブル散布図なら 1 枚で 3 変数を表せ、sns.jointplot の周辺ヒストグラム付きなら各変数の分布も同時に見られます。

分布の形を理解する #

ヒストグラム	バイオリンプロット	ECDF

年収や待ち時間のように、値のばらつきや裾の厚さをヒストグラムで確認するときに使います。plt.hist の bins を 10〜50 で変えると山の数が見え、バイオリンプロットはカテゴリごとの分布の形を横に並べて比べられ、ECDF（経験分布関数）は「上位 10% の境目はいくらか」をビン幅に左右されずに読めます。

相関と関係性の整理 #

相関ヒートマップ	散布図行列

df.corr() の相関係数行列を sns.heatmap で色にすると、10 本以上の指標のつながりを 1 枚で俯瞰でき、相関 0.9 超の列の組は特徴量選択やリッジ回帰の多重共線性チェックの候補になります。散布図行列（pd.plotting.scatter_matrix）は相関係数では見えない曲がった関係や外れ値まで確認できます。

カテゴリ構成を俯瞰する #

ツリーマップ	ドーナツチャート	地域別マップ

地域やカテゴリの構成比を俯瞰するチャートです。ツリーマップは「部門 > 商品」のような階層構造を面積で、ドーナツチャートは 5 分類以下の割合を角度で、都道府県の塗り分けマップは 47 地域の偏りを地図上で、それぞれ会議で共有しやすい形にします。

ニッチで便利な応用チャート #

カレンダーヒートマップ	スロープグラフ	サンキーダイアグラム

カレンダーヒートマップは 365 日の曜日・週ごとの季節性を、スロープグラフは 2 時点間の順位の入れ替わりを、サンキーダイアグラムは流入から流出へのフローの分岐を表す、ニッチだけれど押さえておきたいチャートです。plt.bar や plt.plot で描く定番の図から一歩踏み込みたいときに活用してください。

各ギャラリー項目から詳細ページに移動すると、実際に動かせる Python コードと出力例が用意されています。pip install matplotlib seaborn plotly の環境で手元のデータに差し替えて試しつつ、レポートやダッシュボードに組み込んでみましょう。