Pandasで二次軸を使ったグラフを描画する方法

PandasはPythonでデータ分析を行う上で非常に強力なライブラリです。データフレームと呼ばれる表形式のデータ構造を扱いやすく、データの読み込み、加工、集計など、データ分析に必要な様々な機能を提供しています。

Pandasには、matplotlibというPythonのグラフ描画ライブラリをバックエンドとして利用した、手軽なグラフ描画機能が組み込まれています。これにより、データフレームに格納されたデータを簡単に可視化することができます。

• 手軽さ: データフレームから直接グラフを描画できるため、コードが簡潔になる。
• matplotlibとの連携: matplotlibの機能をフルに活用できるため、自由度の高いカスタマイズが可能。
• データの可視化: データ分析の結果を視覚的に表現し、理解を深めるのに役立つ。

Pandasのplot()メソッドを使うことで、様々な種類のグラフを描画できます。代表的なグラフの種類は以下の通りです。

• 折れ線グラフ: 時系列データの変化などを表現するのに適しています。
• 棒グラフ: カテゴリごとの値を比較するのに適しています。
• ヒストグラム: データの分布を表現するのに適しています。
• 散布図: 2つの変数の関係性を表現するのに適しています。
• 箱ひげ図: データの分布、中央値、四分位範囲などを表現するのに適しています。

この先では、Pandasのplot()メソッドを用いて、さらに高度なグラフである「二次軸グラフ」を描画する方法について詳しく解説していきます。二次軸グラフは、異なるスケールを持つ複数のデータを一つのグラフに表示したい場合に非常に有効です。

二次軸とは、グラフ上に左右両方の軸を持つグラフのことです。通常、グラフは一つのY軸（縦軸）と一つのX軸（横軸）を持ちますが、二次軸グラフではもう一つのY軸を追加し、異なるスケールを持つデータを同じグラフ上に表示できるようになります。

異なるスケールを持つデータを一つのグラフに表示したい場合、通常のグラフでは一方のデータが小さすぎてほとんど見えなくなってしまう、あるいは大きすぎてグラフの範囲を超えてしまうといった問題が発生します。例えば、気温と降水量を同じグラフに表示する場合、気温は通常0度から30度程度の範囲で変化しますが、降水量は0mmから数百mmまで変化することがあります。この場合、通常のグラフでは気温の変化がほとんど見えなくなってしまいます。

このような問題を解決するために、二次軸グラフが用いられます。二次軸を用いることで、それぞれのデータに適したスケールで表示できるため、データの関係性をより正確に把握することができます。

二次軸グラフは、以下のような用途で活用されます。

• 異なる単位のデータを比較: 例えば、売上高（円）と広告費用（円）の関係、人口（人）と出生率（%）の関係など。
• 異なるスケールのデータを比較: 例えば、気温（℃）と降水量（mm）の関係、株価（円）と出来高（株）の関係など。
• 複数の変数の相関関係を把握: 一つのグラフで複数の変数の動きを把握することで、相関関係を見つけやすくなります。
• データの変化を強調: 二次軸を用いることで、特定のデータの変化を強調し、伝えたい情報をより効果的に伝えることができます。

例：

• ある企業の売上高と利益率を同じグラフに表示し、売上高の変化と利益率の変化がどのように関係しているかを分析する。
• 特定の地域の人口と平均年齢を同じグラフに表示し、人口の変化と平均年齢の変化がどのように関係しているかを分析する。
• ある商品の広告費と売上個数を同じグラフに表示し、広告費と売上個数の関係を分析する。

二次軸グラフは強力なツールですが、使い方を誤ると誤解を招く可能性があります。例えば、スケールを意図的に調整することで、データの関係性を歪めてしまう可能性があります。そのため、二次軸グラフを使用する際には、データの種類や目的を考慮し、適切なスケールを設定することが重要です。

Pandasで二次軸グラフを描画するには、plot()メソッドのsecondary_y引数を使用します。secondary_y引数に、二次軸で表示したい列名を指定することで、簡単に二次軸グラフを描画することができます。

import pandas as pd
import matplotlib.pyplot as plt

# サンプルデータの作成
data = {'日付': pd.to_datetime(['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04', '2023-01-05']),
        '売上高': [100, 120, 150, 130, 160],
        '利益率': [0.1, 0.12, 0.15, 0.13, 0.16]}
df = pd.DataFrame(data)

# 二次軸グラフの描画
ax = df.plot(x='日付', y='売上高', label='売上高')
df.plot(x='日付', y='利益率', secondary_y=True, ax=ax, label='利益率', color='red')

# 軸ラベルとタイトルの設定
ax.set_ylabel('売上高')
ax.right_ax.set_ylabel('利益率')  # 二次軸のラベル設定
plt.title('売上高と利益率の推移')

# 凡例の表示
plt.legend()

# グラフの表示
plt.show()

コードの解説:

1. ライブラリのインポート: Pandasとmatplotlib.pyplotをインポートします。
2. サンプルデータの作成: Pandasのデータフレームを作成します。ここでは、日付、売上高、利益率のデータを使用しています。
3. 二次軸グラフの描画:
   • df.plot(x='日付', y='売上高', label='売上高')で、売上高を一次軸で描画します。label引数で凡例に表示するラベルを指定します。
   • df.plot(x='日付', y='利益率', secondary_y=True, ax=ax, label='利益率', color='red')で、利益率を二次軸で描画します。
     • secondary_y=True：利益率を二次軸で表示することを指定します。
     • ax=ax：一次軸のグラフオブジェクトaxを指定することで、同じグラフに重ねて描画します。
     • label='利益率'：凡例に表示するラベルを指定します。
     • color='red'：グラフの色を赤に設定します。
4. 軸ラベルとタイトルの設定:
   • ax.set_ylabel('売上高')：一次軸のラベルを設定します。
   • ax.right_ax.set_ylabel('利益率')：二次軸のラベルを設定します。二次軸のグラフオブジェクトはax.right_axで取得できます。
   • plt.title('売上高と利益率の推移')：グラフのタイトルを設定します。
5. 凡例の表示: plt.legend()で凡例を表示します。
6. グラフの表示: plt.show()でグラフを表示します。

• secondary_y=Trueを指定することで、簡単に二次軸グラフを描画できます。
• ax=axを指定することで、既存のグラフオブジェクトに重ねて描画できます。
• ax.right_axで二次軸のグラフオブジェクトを取得し、軸ラベルやタイトルを設定できます。
• plt.legend()で凡例を表示することができます。

この例では、売上高と利益率という異なるスケールのデータを一つのグラフに表示することで、それぞれのデータの関係性を把握しやすくなっています。

二次軸グラフは、一つのY軸に一つの系列だけでなく、複数の系列を表示することも可能です。これにより、さらに複雑なデータの関係性を表現できます。ここでは、複数の系列を組み合わせて二次軸グラフを描画する方法を解説します。

import pandas as pd
import matplotlib.pyplot as plt

# サンプルデータの作成
data = {'日付': pd.to_datetime(['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04', '2023-01-05']),
        '売上高A': [100, 120, 150, 130, 160],
        '売上高B': [80, 90, 110, 100, 120],
        '利益率A': [0.1, 0.12, 0.15, 0.13, 0.16],
        '利益率B': [0.08, 0.09, 0.11, 0.10, 0.12]}
df = pd.DataFrame(data)

# 二次軸グラフの描画
ax = df.plot(x='日付', y=['売上高A', '売上高B'], label=['売上高A', '売上高B'])
df.plot(x='日付', y=['利益率A', '利益率B'], secondary_y=True, ax=ax, label=['利益率A', '利益率B'], color=['red', 'orange'])

# 軸ラベルとタイトルの設定
ax.set_ylabel('売上高')
ax.right_ax.set_ylabel('利益率')  # 二次軸のラベル設定
plt.title('売上高と利益率の推移（AとBの比較）')

# 凡例の表示
plt.legend(loc='upper left')
ax.right_ax.legend(loc='upper right') # 二次軸側の凡例位置調整

# グラフの表示
plt.show()

コードの解説:

1. ライブラリのインポート: Pandasとmatplotlib.pyplotをインポートします。
2. サンプルデータの作成: Pandasのデータフレームを作成します。ここでは、日付、売上高A、売上高B、利益率A、利益率Bのデータを使用しています。
3. 二次軸グラフの描画:
   • df.plot(x='日付', y=['売上高A', '売上高B'], label=['売上高A', '売上高B'])で、売上高Aと売上高Bを一次軸で描画します。y引数に列名のリストを指定することで、複数の系列を一度に描画できます。label引数で凡例に表示するラベルのリストを指定します。
   • df.plot(x='日付', y=['利益率A', '利益率B'], secondary_y=True, ax=ax, label=['利益率A', '利益率B'], color=['red', 'orange'])で、利益率Aと利益率Bを二次軸で描画します。
     • secondary_y=True：利益率Aと利益率Bを二次軸で表示することを指定します。
     • ax=ax：一次軸のグラフオブジェクトaxを指定することで、同じグラフに重ねて描画します。
     • label=['利益率A', '利益率B']：凡例に表示するラベルのリストを指定します。
     • color=['red', 'orange']：グラフの色をそれぞれ赤とオレンジに設定します。
4. 軸ラベルとタイトルの設定:
   • ax.set_ylabel('売上高')：一次軸のラベルを設定します。
   • ax.right_ax.set_ylabel('利益率')：二次軸のラベルを設定します。二次軸のグラフオブジェクトはax.right_axで取得できます。
   • plt.title('売上高と利益率の推移（AとBの比較）')：グラフのタイトルを設定します。
5. 凡例の表示:
   • plt.legend(loc='upper left'): 一次軸側の凡例の位置を左上に設定します。
   • ax.right_ax.legend(loc='upper right'): 二次軸側の凡例の位置を右上に設定します。 凡例の位置は loc 引数で調整できます。
6. グラフの表示: plt.show()でグラフを表示します。

• y引数に列名のリストを指定することで、複数の系列を一度に描画できます。
• label引数にラベルのリストを指定することで、凡例に適切なラベルを表示できます。
• color引数に色のリストを指定することで、各系列の色を指定できます。
• 凡例の位置が重なる場合は、loc引数で凡例の位置を調整すると見やすくなります。ax.right_ax.legend()で二次軸側の凡例を調整します。

この例では、売上高Aと売上高B、利益率Aと利益率Bという複数の系列を一つのグラフに表示することで、それぞれの系列の比較を容易にしています。

Pandasで描画したグラフは、軸ラベル、タイトル、凡例などをカスタマイズすることで、より見やすく、理解しやすいグラフにすることができます。

• 軸ラベルの設定: ax.set_xlabel()でX軸のラベルを、ax.set_ylabel()で一次Y軸のラベルを、ax.right_ax.set_ylabel()で二次Y軸のラベルを設定します。
• 軸ラベルのフォントサイズ、色、回転などの調整: matplotlibの機能を使って、軸ラベルのフォントサイズ、色、回転などを調整することができます。

import pandas as pd
import matplotlib.pyplot as plt

# サンプルデータの作成 (省略)

# 二次軸グラフの描画 (省略)

# 軸ラベルの設定
ax.set_xlabel('日付', fontsize=12, color='blue')
ax.set_ylabel('売上高', fontsize=12, color='green')
ax.right_ax.set_ylabel('利益率', fontsize=12, color='red', rotation=0)  # 二次軸のラベル設定

# グラフの表示 (省略)

• タイトルの設定: plt.title()でグラフのタイトルを設定します。
• タイトルのフォントサイズ、色、位置などの調整: matplotlibの機能を使って、タイトルのフォントサイズ、色、位置などを調整することができます。

import pandas as pd
import matplotlib.pyplot as plt

# サンプルデータの作成 (省略)

# 二次軸グラフの描画 (省略)

# タイトルの設定
plt.title('売上高と利益率の推移', fontsize=16, fontweight='bold', loc='left')

# グラフの表示 (省略)

• 凡例の表示/非表示: plt.legend()で凡例を表示し、plt.legend(False)で非表示にします。
• 凡例の位置: plt.legend(loc='upper right')などで凡例の位置を指定します。代表的な位置は、’upper right’, ‘upper left’, ‘lower right’, ‘lower left’, ‘center right’, ‘center left’, ‘lower center’, ‘upper center’, ‘center’ などがあります。ax.right_ax.legend() で二次軸側の凡例を調整します。
• 凡例のフォントサイズ、色、枠線などの調整: matplotlibの機能を使って、凡例のフォントサイズ、色、枠線などを調整することができます。

import pandas as pd
import matplotlib.pyplot as plt

# サンプルデータの作成 (省略)

# 二次軸グラフの描画 (省略)

# 凡例の表示と位置
plt.legend(loc='upper left', fontsize=10, frameon=True)  # 一次軸の凡例調整
ax.right_ax.legend(loc='upper right', fontsize=10, frameon=True) # 二次軸の凡例調整

# グラフの表示 (省略)

ポイント:

• matplotlibの機能を活用することで、グラフの様々な要素を細かくカスタマイズできます。
• 軸ラベル、タイトル、凡例を適切に調整することで、グラフの情報をより正確に伝えることができます。
• デザインの原則に従い、見やすいグラフを作成することが重要です。フォントサイズや色、配置などを適切に設定することで、読みやすく、理解しやすいグラフを作成できます。

これらのカスタマイズを組み合わせることで、より効果的なグラフを作成することができます。

二次軸グラフは強力な可視化ツールですが、使い方を誤るとデータの誤解や誤った解釈を招く可能性があります。以下の点に注意して、二次軸グラフを適切に活用しましょう。

• スケール操作による歪曲: 二次軸グラフのスケールを意図的に操作することで、データの関係性を歪めてしまう可能性があります。例えば、一方の軸のスケールを誇張することで、データの相関関係が実際よりも強く見えるようにしたり、弱く見えるようにしたりすることができます。
• 適切なスケールの選択: データの種類や範囲を考慮し、それぞれの軸に適切なスケールを設定することが重要です。スケールを決定する際には、データの分布、最大値、最小値などを参考に、客観的な基準に基づいて設定するように心がけましょう。
• スケール操作の明示: もしスケールを調整する必要がある場合は、その理由を明確に説明し、スケール操作を行ったことを明示的に示すことが重要です。例えば、軸ラベルに「(対数スケール)」と明記するなどの工夫を凝らすと良いでしょう。

• 軸ラベルの重要性: グラフを見た人がどの軸がどのデータを表しているのかを明確に理解できるように、軸ラベルを適切に設定することが重要です。単位も必ず明記しましょう。
• 凡例の重要性: どの線やバーがどのデータを表しているのかを明確にするために、凡例を適切に設定することが重要です。
• 色と記号の一貫性: 複数の系列をグラフに表示する場合には、色や記号を一貫して使用することで、データの識別を容易にすることができます。

• 適切なグラフの選択: 二次軸グラフが、表現したいデータの関係性を最も適切に表現できるグラフの種類であるかを検討することが重要です。
• 代替手段の検討: 二次軸グラフが複雑になりすぎたり、誤解を招く可能性がある場合には、複数のグラフに分割したり、別の種類のグラフを使用するなど、より分かりやすい表現方法を検討することも有効です。例えば、散布図やバブルチャートなどが代替手段として考えられます。

• 専門知識の前提: 二次軸グラフを理解するためには、ある程度の専門知識が必要となる場合があります。グラフの受け手が二次軸グラフの解釈に慣れていない可能性がある場合は、グラフの説明を加えたり、よりシンプルなグラフを使用するなどの配慮が必要です。
• 伝えたいメッセージの明確化: グラフを作成する前に、伝えたいメッセージを明確にし、そのメッセージがグラフを通じて効果的に伝わるように、グラフのデザインを工夫することが重要です。
• 補足情報の提供: グラフだけでは伝えきれない情報がある場合には、テキストや表などの補足情報を提供することで、グラフの理解を助けることができます。

二次軸グラフは、複雑なデータの関係性を視覚的に表現するための強力なツールですが、その使い方には注意が必要です。上記の注意点を守り、データの誤解や誤った解釈を招かないように、適切に活用しましょう。

この記事では、Pandasを用いて二次軸グラフを描画する方法について、基本的な実装から応用的な使い方、そして注意点まで幅広く解説しました。最後に、これまで学んだ内容を踏まえ、効果的な二次軸グラフを活用するためのポイントをまとめます。

1. 目的を明確にする: グラフを作成する前に、何を伝えたいのか、どのような情報を伝えたいのかを明確に定義しましょう。グラフの目的が明確であれば、適切なデータの選択、グラフの種類、軸のスケールなどを適切に決定することができます。

2. データの特性を理解する: グラフに表示するデータの種類、範囲、分布などを十分に理解することが重要です。データの特性を理解することで、適切なスケールを設定し、データの関係性を正しく表現することができます。

3. 軸のスケールを慎重に設定する: 二次軸グラフのスケール設定は、データの解釈に大きな影響を与えます。スケール操作による歪曲を避け、データの種類や範囲を考慮し、客観的な基準に基づいてスケールを設定するように心がけましょう。

4. 軸ラベルと凡例を明確にする: グラフを見た人が、どの軸がどのデータを表しているのか、どの線やバーがどのデータを表しているのかを明確に理解できるように、軸ラベルと凡例を適切に設定することが重要です。単位の明記も忘れずに行いましょう。

5. グラフの種類を適切に選択する: 二次軸グラフが、表現したいデータの関係性を最も適切に表現できるグラフの種類であるかを検討しましょう。二次軸グラフが複雑になりすぎたり、誤解を招く可能性がある場合には、複数のグラフに分割したり、別の種類のグラフを使用するなど、より分かりやすい表現方法を検討することも有効です。

6. 視覚的な要素を効果的に活用する: 色、線種、マーカーなどの視覚的な要素を効果的に活用することで、グラフの見やすさを向上させ、データの関係性をより明確に伝えることができます。ただし、色覚多様性の方にも配慮したカラーパレットを選択するように心がけましょう。

7. 受け手に配慮する: グラフを受け取る人が、二次軸グラフの解釈に慣れていない可能性がある場合は、グラフの説明を加えたり、よりシンプルなグラフを使用するなどの配慮が必要です。

8. 批判的な視点を持つ: 作成したグラフを客観的に評価し、データの誤解や誤った解釈を招く可能性がないかを検証することが重要です。第三者の意見を聞くことも有効です。

二次軸グラフは、適切に活用すれば、複雑なデータの関係性を効果的に表現し、深い洞察を得るための強力なツールとなります。しかし、使い方を誤ると、データの誤解や誤った解釈を招く可能性もあります。上記のポイントを参考に、効果的な二次軸グラフを活用し、データ分析の成果を最大限に引き出しましょう。そして、常に批判的な視点を持って、グラフの解釈に誤りがないかを確認するように心がけましょう。