✨ STEP 18: Plotly入門

マウスで操作できるインタラクティブなグラフを作れるPlotlyを始めよう!

📋 このステップで学ぶこと

Plotlyとは何か（インタラクティブグラフの威力）
graph_objects と Plotly Express の違いと使い分け
基本的なグラフの作成方法
Jupyter Notebook / Google Colabでの表示設定
HTMLファイルへのエクスポート
MatplotlibとPlotlyの使い分け

✨ 1. Plotlyとは

なぜPlotlyを学ぶのか

これまで学んできたMatplotlibやSeabornは、静的な画像としてグラフを出力します。印刷物や論文には最適ですが、Webサイトやプレゼンテーションでは物足りないことがあります。

例えば、「このデータポイントの詳細を知りたい」「特定の部分を拡大したい」と思っても、静的な画像では不可能です。

Plotly（プロットリー）は、この問題を解決します。マウスでホバーすればデータの詳細が表示され、ドラッグでズームでき、クリックでデータの表示/非表示を切り替えられます。

    ✨ Plotlyの3大特徴
    
                特徴
                説明
                メリット
            
                インタラクティブ
                ズーム、パン、ホバー、データ切替が可能
                見る人が自分で探索できる
            
                Web対応
                HTMLファイルとして保存・共有できる
                ブラウザがあれば誰でも見られる
            
                美しいデザイン
                デフォルトで洗練された見た目
                カスタマイズなしでも見栄えが良い

特徴	説明	メリット
インタラクティブ	ズーム、パン、ホバー、データ切替が可能	見る人が自分で探索できる
Web対応	HTMLファイルとして保存・共有できる	ブラウザがあれば誰でも見られる
美しいデザイン	デフォルトで洗練された見た目	カスタマイズなしでも見栄えが良い

Plotlyでできること

Plotlyのグラフには、以下の機能が自動的に追加されます。特別なコードを書く必要はありません。

【Plotlyの自動機能一覧】 ✅ ホバーでデータ値を表示 → マウスをデータポイントに乗せると、数値が表示される ✅ ズームイン・ズームアウト → マウスホイールで拡大・縮小 ✅ ドラッグで視点移動（パン） → マウスドラッグで表示範囲を移動 ✅ 凡例クリックでデータの表示/非表示切替 → 凡例をクリックすると、そのデータが消える/現れる ✅ ツールバーでリセット、保存 → 右上のアイコンで操作 ✅ HTMLで共有・埋め込み → Webページにそのまま埋め込める

Matplotlib vs Plotly

どちらのライブラリを使うべきかは、目的によって決まります。以下の表を参考にしてください。

💡 Matplotlib vs Plotly 比較表

項目	Matplotlib	Plotly
インタラクティブ	❌ 静的画像	✅ 操作可能
出力形式	PNG、PDF、SVG	HTML、PNG
コードの簡潔さ	やや長い	簡潔（Expressの場合）
カスタマイズ性	非常に高い	高い
おすすめ用途	論文、印刷物、静的レポート	Webサイト、プレゼン、ダッシュボード

📦 2. インストールとインポート

インストール方法

Plotlyは、pipコマンドで簡単にインストールできます。Google Colabでは最初からインストールされているため、この手順は不要です。

【インストールコマンドの意味】 pip install plotly ↑ ├─ pip : Pythonのパッケージ管理ツール ├─ install : インストールするコマンド └─ plotly : インストールするライブラリ名【実行する場所】・Windows: コマンドプロンプトまたは PowerShell ・Mac/Linux: ターミナル・Jupyter: セルに !pip install plotly と入力【Google Colabの場合】最初からインストール済みなので、何もしなくてOK!

▼ 入力するコマンド（ターミナル/コマンドプロンプトで実行）

pip install plotly

インポート方法

Plotlyには2つのAPIがあります。Plotly Express（px）とgraph_objects（go）です。まずは両方をインポートしましょう。

【インポートの意味】 import plotly.graph_objects as go ↑ 低レベルAPI（細かい制御が可能） ↑ 「go」という短い名前で使えるようにする import plotly.express as px ↑ 高レベルAPI（コードが簡潔、推奨） ↑ 「px」という短い名前で使えるようにする【どちらを使うべきか】基本的には px（Plotly Express）を使いましょう。 1行で美しいグラフが作れます。細かい調整が必要な場合だけ go を使います。

▼ 入力するコード

import plotly.graph_objects as go  # 低レベルAPI
import plotly.express as px          # 高レベルAPI（推奨）

# バージョン確認
import plotly
print(f”Plotly バージョン: {plotly.__version__}”)
print(“インポート成功!”)

▼ 実行結果

Plotly バージョン: 5.18.0 インポート成功!

Jupyter Notebookでの設定

Jupyter NotebookやGoogle Colabでグラフを表示するには、レンダラーを設定する必要があります。

【レンダラーとは】レンダラー = グラフをどこに表示するかを決める設定【設定方法】 pio.renderers.default = ‘notebook’ # Jupyter Notebook用 pio.renderers.default = ‘colab’ # Google Colab用 pio.renderers.default = ‘browser’ # ブラウザで開く【設定しないとどうなる？】グラフが表示されない場合があります。特にJupyter Notebookでは設定が必要です。

▼ 入力するコード

import plotly.io as pio

# Jupyter Notebook用の設定
pio.renderers.default = ‘notebook’

# Google Colabの場合は以下に変更
# pio.renderers.default = ‘colab’

print(“レンダラー設定完了!”)

💡 graph_objects vs Plotly Express

API	特徴	使う場面
Plotly Express (px)	コードが簡潔、1行でグラフ完成	ほとんどの場面（推奨）
graph_objects (go)	細かい制御が可能	複雑なカスタマイズ、複合グラフ

📊 3. Plotly Expressで簡単グラフ作成

散布図（たった1行！）

Plotly Expressを使うと、たった1行でインタラクティブな散布図が作れます。Matplotlibで同じことをしようとすると、何行もコードが必要です。

【px.scatter()のパラメータ解説】 fig = px.scatter( iris, # 使用するデータフレーム x=’sepal_length’, # X軸に使う列名 y=’sepal_width’, # Y軸に使う列名 color=’species’, # この列の値で色分け size=’petal_length’, # この列の値でマーカーサイズを変える hover_data=[‘petal_width’], # ホバー時に追加表示する列 title=’アヤメのがくの長さと幅’ # グラフタイトル ) 【自動で追加される機能】・ホバーツールチップ（データ値の表示）・ズーム・パン機能・凡例の表示/非表示切替・ツールバー（ダウンロード、リセット） fig.show() # グラフを表示

▼ 入力するコード

import plotly.express as px

# サンプルデータ（Plotlyに内蔵されているアヤメデータ）
iris = px.data.iris()

# インタラクティブな散布図（1行で完成！）
fig = px.scatter(
    iris,
    x=’sepal_length’,
    y=’sepal_width’,
    color=’species’,        # 種類で色分け
    size=’petal_length’,    # 花びらの長さでサイズ変更
    hover_data=[‘petal_width’],  # ホバー時に表示
    title=’アヤメのがくの長さと幅’
)

fig.show()

💡 試してみよう！

上のコードを実行したら、以下の操作を試してください：

ホバー：マウスをデータポイントに乗せると、詳細が表示される
ズーム：マウスホイールで拡大・縮小
凡例クリック：species名をクリックすると、その種類が消える/現れる
ダブルクリック：グラフ上でダブルクリックすると、ズームがリセット

折れ線グラフ

時系列データの可視化には折れ線グラフが最適です。Plotly Expressなら、px.line()で簡単に作成できます。

【px.line()のパラメータ解説】 fig = px.line( japan, # 使用するデータフレーム x=’year’, # X軸に使う列名 y=’gdpPercap’, # Y軸に使う列名 markers=True, # 各点にマーカーを表示（True/False） title=’日本の一人当たりGDP推移’ ) 【update_layout()でカスタマイズ】 fig.update_layout( xaxis_title=’年’, # X軸のラベル yaxis_title=’一人当たりGDP（ドル）’ # Y軸のラベル )

▼ 入力するコード

import plotly.express as px

# Gapminderデータ（世界各国の統計データ）
gapminder = px.data.gapminder()

# 日本のデータのみ抽出
japan = gapminder[gapminder[‘country’] == ‘Japan’]

# 折れ線グラフ
fig = px.line(
    japan,
    x=’year’,
    y=’gdpPercap’,
    markers=True,           # マーカーを表示
    title=’日本の一人当たりGDP推移’
)

# 軸ラベルを日本語に
fig.update_layout(
    xaxis_title=’年’,
    yaxis_title=’一人当たりGDP（ドル）’
)

fig.show()

棒グラフ

カテゴリ別の比較には棒グラフが適しています。px.bar()で作成できます。

【px.bar()のパラメータ解説】 fig = px.bar( data, # 使用するデータフレーム x=’商品’, # X軸に使う列名 y=’売上’, # Y軸に使う列名 color=’売上’, # この値で色を変える color_continuous_scale=’Blues’, # カラースケール（Blues, Reds, Viridisなど） title=’商品別売上’ ) 【カラースケールの種類】・’Blues’ → 青のグラデーション・’Reds’ → 赤のグラデーション・’Viridis’ → 紫から黄色のグラデーション・’Rainbow’ → 虹色

▼ 入力するコード

import plotly.express as px
import pandas as pd

# サンプルデータを作成
data = pd.DataFrame({
    ‘商品’: [‘A商品’, ‘B商品’, ‘C商品’, ‘D商品’, ‘E商品’],
    ‘売上’: [100, 120, 80, 150, 90]
})

# 棒グラフ
fig = px.bar(
    data,
    x=’商品’,
    y=’売上’,
    color=’売上’,           # 売上で色分け
    color_continuous_scale=’Blues’,  # カラースケール
    title=’商品別売上’
)

fig.show()

🎨 4. グラフのカスタマイズ

レイアウトの調整

update_layout()メソッドを使うと、グラフの見た目を細かくカスタマイズできます。

【update_layout()の主なパラメータ】 fig.update_layout( # タイトルの設定 title={ ‘text’: ‘グラフのタイトル’, # タイトル文字列 ‘font’: {‘size’: 24, ‘color’: ‘darkblue’}, # フォント ‘x’: 0.5, # 位置（0=左端、0.5=中央、1=右端） ‘xanchor’: ‘center’ # アンカー位置 }, # 軸ラベル xaxis_title=’X軸のラベル’, yaxis_title=’Y軸のラベル’, # フォント font=dict(size=14), # 背景色 plot_bgcolor=’white’, # グラフ領域の背景 paper_bgcolor=’lightgray’, # 図全体の背景 # サイズ width=1000, # 幅（ピクセル） height=600 # 高さ（ピクセル） )

▼ 入力するコード

import plotly.express as px

iris = px.data.iris()

fig = px.scatter(
    iris,
    x=’sepal_length’,
    y=’sepal_width’,
    color=’species’,
    title=’アヤメデータ’
)

# レイアウトをカスタマイズ
fig.update_layout(
    title={
        ‘text’: ‘アヤメのがくの長さと幅’,
        ‘font’: {‘size’: 24, ‘color’: ‘darkblue’},
        ‘x’: 0.5,           # 中央揃え
        ‘xanchor’: ‘center’
    },
    xaxis_title=’がくの長さ（cm）’,
    yaxis_title=’がくの幅（cm）’,
    font=dict(size=14),
    plot_bgcolor=’white’,   # 背景色
    width=1000,             # 幅
    height=600              # 高さ
)

# グリッドの設定
fig.update_xaxes(
    showgrid=True,          # グリッド表示
    gridcolor=’lightgray’,
    gridwidth=1
)

fig.update_yaxes(
    showgrid=True,
    gridcolor=’lightgray’,
    gridwidth=1
)

fig.show()

マーカーのカスタマイズ

update_traces()メソッドを使うと、マーカーの見た目を変更できます。

【update_traces()のパラメータ】 fig.update_traces( marker=dict( size=12, # マーカーサイズ opacity=0.7, # 透明度（0〜1） line=dict( # 縁取りの設定 width=2, # 縁取りの太さ color=’white’ # 縁取りの色 ) ) ) 【なぜ縁取りを入れるのか】データポイントが重なっている場合、縁取りがあると個々の点が見やすくなります。

▼ 入力するコード

import plotly.express as px

iris = px.data.iris()

fig = px.scatter(
    iris,
    x=’sepal_length’,
    y=’sepal_width’,
    color=’species’
)

# マーカーをカスタマイズ
fig.update_traces(
    marker=dict(
        size=12,            # マーカーサイズ
        opacity=0.7,        # 透明度
        line=dict(          # 縁取り
            width=2,
            color=’white’
        )
    )
)

fig.show()

色のカスタマイズ

color_discrete_mapパラメータを使うと、カテゴリごとに好きな色を指定できます。

【カスタムカラーの指定方法】 # 辞書形式でカテゴリ名と色を対応付ける custom_colors = { ‘setosa’: ‘#FF6B6B’, # 赤系 ‘versicolor’: ‘#4ECDC4’, # 緑系 ‘virginica’: ‘#45B7D1′ # 青系 } fig = px.scatter( iris, x=’sepal_length’, y=’sepal_width’, color=’species’, color_discrete_map=custom_colors # ここで指定 ) 【色の指定方法】・カラーコード: ‘#FF6B6B’ ・色名: ‘red’, ‘blue’, ‘green’ ・RGB: ‘rgb(255, 107, 107)’

▼ 入力するコード

import plotly.express as px

iris = px.data.iris()

# カスタムカラーパレット
custom_colors = {
    ‘setosa’: ‘#FF6B6B’,
    ‘versicolor’: ‘#4ECDC4’,
    ‘virginica’: ‘#45B7D1′
}

fig = px.scatter(
    iris,
    x=’sepal_length’,
    y=’sepal_width’,
    color=’species’,
    color_discrete_map=custom_colors,  # カスタムカラー
    title=’カスタムカラーの散布図’
)

fig.show()

💾 5. HTMLファイルへのエクスポート

HTMLとして保存

Plotlyの最大のメリットは、グラフをHTMLファイルとして保存できることです。HTMLファイルはブラウザで開くだけで、インタラクティブな操作が可能です。

【write_html()の使い方】 fig.write_html(‘ファイル名.html’) 【メリット】・ブラウザで開くだけで操作可能・Pythonがなくても閲覧できる・Webサイトに埋め込める・メールで共有できる【注意点】・ファイルサイズが大きくなることがある・オフラインでも動作する（Plotlyライブラリが埋め込まれる）

▼ 入力するコード

import plotly.express as px

iris = px.data.iris()

fig = px.scatter(
    iris,
    x=’sepal_length’,
    y=’sepal_width’,
    color=’species’,
    title=’アヤメデータ（インタラクティブ）’
)

# HTMLファイルとして保存
fig.write_html(‘iris_interactive.html’)

print(“✅ HTMLファイルとして保存されました！”)
print(“ブラウザで開いてマウス操作を試してください。”)

▼ 実行結果

✅ HTMLファイルとして保存されました！ブラウザで開いてマウス操作を試してください。

静的画像として保存

レポートや論文に使う場合は、PNG画像として保存することもできます。ただし、追加のパッケージ（kaleido）が必要です。

【静的画像として保存する方法】 # まず kaleido をインストール pip install kaleido # PNG画像として保存 fig.write_image(‘ファイル名.png’, width=1200, height=800) # PDFとして保存 fig.write_image(‘ファイル名.pdf’) # SVGとして保存 fig.write_image(‘ファイル名.svg’)

▼ 入力するコード

# 注: kaleido パッケージが必要
# pip install kaleido

import plotly.express as px

iris = px.data.iris()

fig = px.scatter(
    iris,
    x=’sepal_length’,
    y=’sepal_width’,
    color=’species’
)

# PNG画像として保存
fig.write_image(‘iris_static.png’, width=1200, height=800)

print(“✅ PNG画像として保存されました！”)

💡 保存形式の使い分け

形式	特徴	おすすめ用途
HTML	インタラクティブ、ブラウザで表示	Webサイト、プレゼン、共有
PNG	静的画像、高解像度	レポート、ドキュメント
PDF	ベクター形式、拡大しても綺麗	印刷物、論文
SVG	ベクター形式、編集可能	Webサイト、デザイン作業

🎯 6. graph_objects（低レベルAPI）

graph_objectsを使う場面

Plotly Expressでは実現できない細かい制御が必要な場合、graph_objects (go)を使います。例えば、棒グラフと折れ線グラフを同じグラフに重ねる場合などです。

【graph_objectsの基本構造】 # 1. 空のFigureを作成 fig = go.Figure() # 2. トレース（データ系列）を追加 fig.add_trace(go.Scatter(…)) # 折れ線/散布図 fig.add_trace(go.Bar(…)) # 棒グラフ fig.add_trace(go.Pie(…)) # 円グラフ # 3. レイアウトを設定 fig.update_layout(…) # 4. 表示 fig.show() 【トレースとは】グラフ上に描画されるデータの1系列のこと。複数のトレースを追加すると、重ね合わせができる。

▼ 入力するコード

import plotly.graph_objects as go

# データ
x = [1, 2, 3, 4, 5]
y1 = [10, 15, 13, 17, 20]
y2 = [8, 12, 15, 14, 18]

# 空のFigureオブジェクトを作成
fig = go.Figure()

# トレース1を追加（折れ線グラフ）
fig.add_trace(go.Scatter(
    x=x,
    y=y1,
    mode=’lines+markers’,   # 線とマーカーの両方を表示
    name=’2023年’,          # 凡例に表示する名前
    line=dict(color=’steelblue’, width=3),
    marker=dict(size=10)
))

# トレース2を追加
fig.add_trace(go.Scatter(
    x=x,
    y=y2,
    mode=’lines+markers’,
    name=’2024年’,
    line=dict(color=’coral’, width=3),
    marker=dict(size=10)
))

# レイアウトを設定
fig.update_layout(
    title=’年度別売上推移’,
    xaxis_title=’月’,
    yaxis_title=’売上（万円）’,
    hovermode=’x unified’  # ホバー時に全トレースを表示
)

fig.show()

複数のグラフタイプを組み合わせ

graph_objectsを使うと、棒グラフと折れ線グラフを同じグラフに重ねることができます。実績と目標の比較などに便利です。

【複合グラフの作り方】 fig = go.Figure() # 棒グラフを追加 fig.add_trace(go.Bar( x=x, y=sales, name=’実績’, marker_color=’lightblue’ )) # 折れ線グラフを追加（同じグラフに重ねる） fig.add_trace(go.Scatter( x=x, y=target, name=’目標’, mode=’lines+markers’, line=dict(dash=’dash’) # 破線 )) 【ポイント】棒グラフ（go.Bar）と折れ線（go.Scatter）を同じFigureに追加するだけ！

▼ 入力するコード

import plotly.graph_objects as go

x = [‘1月’, ‘2月’, ‘3月’, ‘4月’, ‘5月’]
sales = [100, 120, 150, 130, 160]   # 実績
target = [110, 115, 140, 135, 155]  # 目標

fig = go.Figure()

# 棒グラフ（実績）
fig.add_trace(go.Bar(
    x=x,
    y=sales,
    name=’実績’,
    marker_color=’lightblue’
))

# 折れ線グラフ（目標）
fig.add_trace(go.Scatter(
    x=x,
    y=target,
    name=’目標’,
    mode=’lines+markers’,
    line=dict(color=’red’, width=3, dash=’dash’),
    marker=dict(size=10, symbol=’diamond’)
))

fig.update_layout(
    title=’月別売上 実績vs目標’,
    xaxis_title=’月’,
    yaxis_title=’売上（万円）’,
    barmode=’group’
)

fig.show()

🎨 7. Plotlyのサンプルデータセット

利用可能なデータセット

Plotlyには練習用のサンプルデータセットが内蔵されています。自分でデータを用意しなくても、すぐにグラフ作成の練習ができます。

【サンプルデータの取得方法】 import plotly.express as px # アヤメデータ（分類の定番） iris = px.data.iris() # チップデータ（レストランのチップ記録） tips = px.data.tips() # ギャップマインダーデータ（世界各国の統計） gapminder = px.data.gapminder() # 株価データ stocks = px.data.stocks() 【データの中身を確認】 print(iris.head()) # 最初の5行を表示 print(iris.columns) # 列名を表示

▼ 入力するコード

import plotly.express as px

# 利用可能なデータセット一覧を取得
datasets = dir(px.data)
datasets = [d for d in datasets if not d.startswith(‘_’)]

print(“📊 Plotlyのサンプルデータセット:”)
for dataset in datasets[:10]:  # 最初の10個を表示
    print(f”  – {dataset}”)

print(“\n使用例:”)
print(“iris = px.data.iris()”)
print(“tips = px.data.tips()”)
print(“gapminder = px.data.gapminder()”)

▼ 実行結果

📊 Plotlyのサンプルデータセット: – carshare – election – gapminder – iris – tips – wind – stocks – medals – experiment – medals_long 使用例: iris = px.data.iris() tips = px.data.tips() gapminder = px.data.gapminder()

バブルチャートの例

Gapminderデータを使って、バブルチャートを作成してみましょう。バブルチャートは、3つの変数（X軸、Y軸、バブルサイズ）を同時に表現できます。

▼ 入力するコード

import plotly.express as px

# Gapminder データ（世界各国の統計）
gapminder = px.data.gapminder()

# 2007年のデータのみ抽出
data_2007 = gapminder[gapminder[‘year’] == 2007]

# バブルチャート
fig = px.scatter(
    data_2007,
    x=’gdpPercap’,          # X軸: 一人当たりGDP
    y=’lifeExp’,            # Y軸: 平均寿命
    size=’pop’,             # バブルサイズ: 人口
    color=’continent’,      # 色: 大陸
    hover_name=’country’,   # ホバー時に国名を表示
    size_max=60,            # 最大バブルサイズ
    title=’2007年 世界各国の経済と寿命’,
    labels={
        ‘gdpPercap’: ‘一人当たりGDP（ドル）’,
        ‘lifeExp’: ‘平均寿命（歳）’,
        ‘pop’: ‘人口’
    }
)

# X軸を対数スケールに（GDPの差が大きいため）
fig.update_xaxes(type=’log’)

fig.show()

📝 STEP 18 のまとめ

    ✅ このステップで学んだこと
    
                トピック
                重要ポイント
            
                Plotlyとは
                インタラクティブなグラフ作成ライブラリ
            
                Plotly Express
                簡潔なコードで美しいグラフ（推奨）
            
                graph_objects
                細かい制御が可能な低レベルAPI
            
                インタラクティブ機能
                ホバー、ズーム、パン、表示切替
            
                HTMLエクスポート
                write_html()でWebで共有可能
            
                サンプルデータ
                px.data.iris()などで練習

トピック	重要ポイント
Plotlyとは	インタラクティブなグラフ作成ライブラリ
Plotly Express	簡潔なコードで美しいグラフ（推奨）
graph_objects	細かい制御が可能な低レベルAPI
インタラクティブ機能	ホバー、ズーム、パン、表示切替
HTMLエクスポート	write_html()でWebで共有可能
サンプルデータ	px.data.iris()などで練習

💡 最重要ポイント

PlotlyはWeb向けのインタラクティブグラフに最適です。

基本的にPlotly Express (px)を使い、簡潔なコードで美しいグラフを作成しましょう。HTMLファイルとして保存すれば、Webサイトやプレゼンでマウス操作可能なグラフを共有できます。

次のステップでは、さらに高度なインタラクティブ機能を学びます！

📝 実践演習

演習 1 基礎

irisデータセットで、petal_lengthとpetal_widthの散布図を作成してください（色分けなし）。

【解答】

px.scatter()でX軸とY軸を指定するだけで完成です。

import plotly.express as px

iris = px.data.iris()

fig = px.scatter(
    iris,
    x=’petal_length’,
    y=’petal_width’,
    title=’花びらの長さと幅’
)

fig.show()

演習 2 応用

irisデータで、種類別（color=’species’）に色分けした散布図を作成し、HTMLファイルとして保存してください。

【解答】

color=’species’を追加し、write_html()で保存します。

import plotly.express as px

iris = px.data.iris()

fig = px.scatter(
    iris,
    x=’petal_length’,
    y=’petal_width’,
    color=’species’,
    title=’花びらの長さと幅（種類別）’
)

# HTMLとして保存
fig.write_html(‘iris_scatter.html’)

fig.show()

print(“✅ iris_scatter.htmlとして保存されました！”)

演習 3 発展

gapminder データで、2007年の各国の一人当たりGDPを棒グラフで表示してください（上位10カ国のみ）。

【解答】

データを抽出し、nlargest()で上位10カ国を取得してからpx.bar()で描画します。

import plotly.express as px

gapminder = px.data.gapminder()

# 2007年のデータを抽出
data_2007 = gapminder[gapminder[‘year’] == 2007]

# GDPでソートして上位10カ国
top_10 = data_2007.nlargest(10, ‘gdpPercap’)

# 棒グラフ
fig = px.bar(
    top_10,
    x=’country’,
    y=’gdpPercap’,
    color=’gdpPercap’,
    color_continuous_scale=’Viridis’,
    title=’2007年 一人当たりGDP上位10カ国’
)

fig.update_layout(
    xaxis_title=’国’,
    yaxis_title=’一人当たりGDP（ドル）’
)

fig.show()

❓ よくある質問

Q1: Plotly ExpressとMatplotlibはどう使い分けるべきですか?

用途で使い分けましょう。Web・プレゼンで操作可能なグラフを作りたい→Plotly、論文・印刷物で静的な画像が必要→Matplotlib。両方使える場合は、Plotlyの方がコードが簡潔で見た目も美しいです。ただし、カスタマイズの自由度はMatplotlibの方が高いです。

Q2: Jupyter NotebookでPlotlyが表示されません。どうすればいいですか?

レンダラーを設定しましょう。pio.renderers.default = 'notebook'を実行してください。Google Colabの場合は'colab'に設定します。それでも表示されない場合は、fig.write_html()でHTMLファイルとして保存してブラウザで開きましょう。

Q3: graph_objectsとPlotly Expressはどちらを使うべきですか?

基本的にPlotly Expressを使いましょう。コードが簡潔で、ほとんどの用途に対応できます。複数のグラフタイプを組み合わせたり（棒グラフ+折れ線など）、非常に細かいカスタマイズが必要な場合のみgraph_objectsを使います。

Q4: HTMLファイルのサイズが大きすぎます。どうすればいいですか?

CDN版を使いましょう。fig.write_html('file.html', include_plotlyjs='cdn')とすると、Plotlyライブラリを外部から読み込むため、ファイルサイズが大幅に小さくなります。ただし、オフライン環境では動作しないので注意してください。

Q5: Plotlyで作ったグラフをWordPressに埋め込めますか?

可能ですが、いくつかの方法があります。①HTMLファイルをサーバーにアップロードしてiframeで埋め込む、②Plotlyのオンラインサービス（Plotly Chart Studio）を使う、③プラグインを使う。最も簡単なのは、HTMLをiframeで読み込む方法です。

📝

学習メモ

データ可視化マスター - Step 18

📋 過去のメモ一覧 ▼