Matplotlib ベストプラクティス

Matplotlib開発のための専門的ガイドライン。データビジュアライゼーション、プロット作成、出版品質の図形生成に焦点を当てています。

コードスタイルと構造

• 簡潔で技術的なPythonコードと正確なMatplotlibの例を作成する
• 適切なラベル、タイトル、凡例を備えた情報的で視覚的に魅力的なプロットを作成する
• 複雑な図形ではオブジェクト指向APIを使用し、クイックプロットではpyplotを使用する
• PEP 8スタイルガイドラインに従う
• すべてのビジュアライゼーションで色覚異常のアクセシビリティを考慮する

APIアプローチ

オブジェクト指向インターフェース（推奨）

• fig, ax = plt.subplots()を使用して明示的な制御を行う
• 複雑な図形と本番環境コード向けが推奨される
• メソッドはaxesオブジェクト上で呼び出される: ax.plot(), ax.set_xlabel()
• 複数のサブプロットと細粒度のカスタマイズを可能にする

Pyplotインターフェース

• クイックで対話的なプロットにはplt.plot(), plt.xlabel()を使用する
• Jupyter notebooksと探索的分析に適している
• Jupyter notebooksでは%matplotlib inlineを使用する

効果的なビジュアライゼーション作成

プロットタイプと選択

• ラインプロット(ax.plot())は連続データとトレンド向け
• 散布図(ax.scatter())は変数間の関係向け
• 棒グラフ(ax.bar(), ax.barh())はカテゴリ比較向け
• ヒストグラム(ax.hist())は分布向け
• ボックスプロット(ax.boxplot())は統計的要約向け
• ヒートマップ(ax.imshow(), ax.pcolormesh())は2次元データ向け

ラベルと注釈

• 常に軸ラベルに単位を含める
• メッセージを伝える説明的なタイトルを使用する
• 複数のシリーズが存在する場合は凡例を追加する
• 注釈(ax.annotate())を使用して重要なポイントをハイライトする
• 適切な場合はデータソースの帰属を含める

色とスタイル

• 色覚異常対応のカラーパレットを使用する（例：'viridis', 'plasma', 'cividis'）
• アクセシビリティのため赤緑の組み合わせを避ける
• 複数の図形で同じカテゴリに一貫した色を使用する
• データタイプに応じた適切なカラーマップを使用する:
  • Sequential: 連続データには'viridis', 'plasma'
  • Diverging: 意味のある中心を持つデータには'RdBu', 'coolwarm'
  • Qualitative: カテゴリカルデータには'Set1', 'tab10'

図形レイアウトと構成

サブプロット

• グリッドレイアウトにplt.subplots(nrows, ncols)を使用する
• 複雑で不均一なレイアウトにgridspecを使用する
• sharex=True, sharey=Trueで軸を共有して比較する
• constrained_layout=Trueまたはtight_layout()を使用してオーバーラップを防ぐ

図形サイズと解像度

• 図形サイズを明示的に設定する: figsize=(width, height) (インチ単位)
• 目的の出力に適したDPIを使用する（スクリーン72、プリント300以上）
• 標準サイズ: プレゼンテーション用(10, 6)、論文用(8, 6)

カスタマイズ

スタイルシート

• 組み込みスタイルを使用する: plt.style.use('seaborn-v0_8'), 'ggplot'
• 一貫したブランディング用にカスタムスタイルファイルを作成する
• スタイルを組み合わせる: plt.style.use(['seaborn-v0_8', 'custom.mplstyle'])

テキストとフォント

• 数学表記にはLaTeXを使用する: r'$\alpha = \frac{1}{2}$'
• 一貫性のためにフォントファミリーを設定する
• 目的の表示サイズでの読みやすさのためにフォントサイズを調整する

保存とエクスポート

ファイル形式

• 出版用にはベクトル形式(PDF, SVG, EPS)を使用する
• ウェブとプレゼンテーション用には透過性のあるPNGを使用する
• JPEGは写真用のみ（非可逆圧縮）

エクスポート設定

• 余分な空白を削除するためにbbox_inches='tight'を使用する
• 背景色にfacecolorを設定する
• ユースケースに適したdpiを指定する
• オーバーレイ用にtransparent=Trueを使用する

パフォーマンス最適化

• 多くのポイントを含む散布図にはrasterized=Trueを使用する
• ビジュアライゼーション用にデータのダウンサンプリングを検討する
• 保存後にplt.close()で図形を閉じる
• 多くの図形を作成するループではplt.close('all')を使用する

主要な慣例

• import matplotlib.pyplot as pltとしてインポートする
• 本番環境コードではオブジェクト指向APIを使用する
• 常に軸にラベルを付け、単位を含める
• 目的の表示サイズでビジュアライゼーションをテストする
• 色の選択でアクセシビリティを考慮する