3.4.1 可視化ロードマップ：スタイルより先にグラフを選ぶ

可視化は飾りではありません。分析結果を、他の人がすぐ理解できる形に変える作業です。

まずグラフ選択マップを見る

最初はこの判断で十分です。

見せたいこと	まず使うグラフ
時間による変化	折れ線グラフ
カテゴリ比較	棒グラフ
分布	ヒストグラムまたは箱ひげ図
2つの数値の関係	散布図
相関行列	ヒートマップ

グラフの種類が合ってから、タイトル、軸、凡例、色、注釈を整えます。

グラフを一度作る

visual_first_loop.py を作り、pandas と matplotlib をインストールしてから実行します。

import pandas as pd
import matplotlib.pyplot as plt

sales = pd.DataFrame(
    {
        "month": ["2026-01", "2026-02", "2026-03", "2026-04"],
        "amount": [120, 180, 160, 220],
    }
)

ax = sales.plot(x="month", y="amount", marker="o", legend=False)
ax.set_title("Monthly sales")
ax.set_xlabel("Month")
ax.set_ylabel("Amount")
plt.tight_layout()
plt.savefig("sales_trend.png", dpi=150)

print("saved: sales_trend.png")

出力：

saved: sales_trend.png

画像を開いて、1つだけ確認します。読者は3秒以内に傾向を理解できますか。

残す証拠

このページを終えたら、この evidence card を残します。

質問

このグラフが答える比較、分布、傾向、または関係

グラフ選択

折れ線、棒、散布図、ヒストグラム、箱ひげ図、ヒートマップ、またはインタラクティブダッシュボード

成果物

保存した chart 画像/html と、そのデータスライス

失敗確認

誤解を招くスケール、情報過多のグラフ、誤った集計、またはラベル不足

期待される成果

1文で示唆を説明するチャートのアーティファクト

この順番で学ぶ

順番	読む	練習すること
1	3.4.2 Matplotlib 基礎	Figure、Axes、折れ線/棒/散布図
2	3.4.3 Seaborn 統計可視化	探索用グラフを素早く作る
3	3.4.5 可視化ベストプラクティス	グラフ選択、ラベル、色、誤解を招く表現
4	3.4.4 Plotly インタラクティブ可視化	プロジェクトで必要なときだけ使う

合格ライン

1つのデータセットから有用なグラフを4つ作り、それぞれのグラフを選んだ理由を説明できれば合格です。

確認の考え方と解説

1. 合格レベルの答えでは、問いを先に定義し、必要な table、DataFrame、または SQL query と、再現できるクリーニング手順を示します。
2. 証拠には、小さな出力例、必要に応じた図表や query 結果、そして結果を解釈する一文を残します。
3. 欠損値、重複行、誤った join、集計の誤解、読みにくい可視化など、少なくとも1つのデータ品質リスクを説明できれば十分です。