折れ線グラフ | 用語解説

💡 30秒で分かる結論

時系列の推移を線で表現

分野：可視化 — 📚 1変量の可視化
用途：分析・前処理・モデル構築・解釈支援などの場面で使われます
注意：適用条件と限界を理解してから使うのが鉄則

🎨 直感で掴む

グラフの目的は「データを分かりやすく伝える」こと。軸・凡例・出典・スケールを必ず明示してください。

本ページでは 折れ線グラフ を、定義・前提条件・使い方・落とし穴の順に整理して解説します。厳密な定義より、まず何を、いつ、どう使うかを理解することを優先してください。

📐 定義

時系列の推移を線で表現

英語名 Line Chart。

🎯 いつ・どこで使うか

「可視化」分野の標準的な道具として、多くの分析で登場します。
📚 1変量の可視化を学ぶときに必ず通過する基本概念です。
論文・実務レポートで頻出する用語なので、 1 度はちゃんと理解しておくと後が楽です。

📋 前提条件・適用範囲

この用語を理解・使用するときは、次のような前提を意識してください：

データの性質：尺度（名義/順序/間隔/比例）と分布を確認
サンプル数：手法によって最低限のサンプル数が異なります
独立性：観測が独立であるかを確認（時系列・パネル等では別の手法が必要）
欠損・外れ値：前処理の方針を明確に

⚠️ よくある落とし穴

❌ 軸の切り取り

原点を切ると差が誇張されます。

❌ 色覚多様性

赤緑の組合せは識別困難な人がいます。 ColorBrewer のセットを推奨。

❌ 面積の誤解

半径を 2 倍にすると面積は 4 倍。視覚的に強調されすぎる。

🐍 Python での扱い

SSDSE-B-2026 のような公的統計データを Python で扱う際の基本パターン：

import pandas as pd
import numpy as np

# データ読み込み
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='utf-8', skiprows=1)
print(df.shape)
print(df.dtypes)
print(df.describe())

# 「折れ線グラフ」の文脈で扱う場合の例：
# 分野: 可視化
# 関連手法は同カテゴリの他用語を参照してください。

具体的なコードは 1変量の可視化を参照してください。

📝 レポートでの報告

分析結果を報告するときに含めるべき情報：

使ったデータ：出典・期間・サンプル数
適用条件の確認：前提が満たされているか
計算結果：数値だけでなく不確実性（CI・SE）も
解釈：何を意味するか、何を意味しないか
限界：適用範囲外への拡張は避ける

✅ チェックリスト

□ 「折れ線グラフ」を使う場面か再確認したか
□ データの尺度・分布・サンプル数を確認したか
□ 前提条件を満たしているか
□ 計算した値だけでなく不確実性も把握したか
□ 解釈と限界を区別したか
□ 関連グループ教材で全体像を確認したか

🔎 折れ線グラフ ── 深掘り解説

折れ線グラフ（Line Chart） は、時間軸を持つデータの推移を表す代表的なグラフ。連続性のあるデータの傾向把握、比較、予測の前段階分析で必須。

🔖 キーワード索引（拡張）

折れ線グラフLine Chartmatplotlibplotlyseaborn可視化データ可視化SSDSE-B都道府県色覚多様性凡例軸ラベルタイトルアクセシビリティ

📐 適用判断式

$$ \text{slope}(t) = \frac{y_{t+1} - y_{t}}{x_{t+1} - x_{t}} $$

🧮 他可視化との比較

用途	折れ線適	代替
時系列推移	○	面積グラフ
カテゴリ比較	×	棒グラフ
構成比	×	円/ツリーマップ
分布	×	ヒストグラム

🐍 Python 実装

# 折れ線グラフ : 日本の高齢化率の推移
import pandas as pd, matplotlib.pyplot as plt
years   = [1970, 1980, 1990, 2000, 2010, 2020, 2023]
rates   = [7.1, 9.1, 12.1, 17.4, 23.0, 28.6, 29.1]
plt.plot(years, rates, marker='o', color='#00897B')
plt.xlabel('年'); plt.ylabel('高齢化率(%)'); plt.grid(alpha=0.3)
plt.tight_layout(); plt.savefig('line.png', dpi=150)

# 多系列折れ線 : 5 都道府県の高齢化率推移（仮想例）
import numpy as np
for pref, base in zip(['秋田県','東京都','沖縄県','大阪府','北海道'],
                       [25,18,17,20,22]):
    plt.plot(years, [base + 0.04*(y-1970) for y in years], marker='o', label=pref)
plt.legend(); plt.tight_layout(); plt.savefig('multi_line.png', dpi=150)

# 季節調整なしの月次データ例（pandasの resample 例）
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='utf-8', skiprows=1)
ts = pd.Series([100, 110, 130, 95, 120, 140, 160],
               index=pd.date_range('2026-01', periods=7, freq='M'))
ts.plot(); plt.savefig('ts.png', dpi=150)

# Plotly インタラクティブ
import plotly.express as px
fig = px.line(x=years, y=rates, markers=True,
              labels=dict(x='年', y='高齢化率(%)'))
fig.write_html('line.html')

⚠️ 落とし穴（折れ線グラフ固有）

❌ 軸の範囲を恣意的に切る

「ゼロ起点でない棒グラフ」のような誤誘導につながります。必ず範囲を明示。

❌ 色を増やしすぎる

5 色を超えると識別が困難になります。グループ化やパターンを併用。

❌ 凡例・タイトル不足

情報の出典・期間・単位を必ず記載。

❌ 印刷・モノクロでの崩壊

デジタル前提のカラーパレットが印刷で識別不能になることがあります。

📚 補足資料 — FAQ／追加コード／背景

FAQハンズオンSSDSE-BPython事例研究データ駆動教育

❓ よくある質問 (FAQ)

折れ線グラフはいつ使うのが最適？

時系列推移、順序付き軸での値の変化を示したい時。

色の選び方は？

色覚多様性を考え viridis、 cividis、 ColorBrewer の colorblind-safe スキームを推奨。

matplotlib と Plotly どちらで描く？

静的論文は matplotlib、探索/ダッシュボードは Plotly。同じデータで両方残すと再利用可。

軸ラベル・凡例の必須情報は？

単位・出典・期間・サンプル数を必ず付ける。

印刷時のサイズは？

図の高さ・幅は 6×4 inch 程度を基本に。 dpi=150 以上で印刷品質。

🧪 SSDSE-B-2026 を使った追加計算例

用途	折れ線	代替	SSDSE 例
時系列	○	面積	高齢化率推移
複数系列比較	○	小数	都道府県比較
分布	×	ヒストグラム	人口分布
構成比	×	円/積上	年齢構成
相関	×	散布図	2変数関係

🐍 さらにコードを書く

複数系列を異なる線種で

import matplotlib.pyplot as plt
years = [2000,2005,2010,2015,2020,2023]
japan = [17.4, 20.2, 23.0, 26.6, 28.6, 29.1]
korea = [7.2, 9.1, 11.0, 13.1, 15.7, 17.5]
us    = [12.4, 12.4, 13.0, 14.9, 16.5, 17.3]
plt.plot(years, japan, marker='o', label='Japan')
plt.plot(years, korea, marker='s', label='Korea', linestyle='--')
plt.plot(years, us,    marker='^', label='US',    linestyle=':')
plt.legend(); plt.savefig('line_compare.png', dpi=150)

移動平均

import pandas as pd, matplotlib.pyplot as plt
ts = pd.Series([1,2,3,5,2,6,7,8,5,9,10])
plt.plot(ts, label='raw')
plt.plot(ts.rolling(3).mean(), label='MA3')
plt.legend(); plt.savefig('ma.png', dpi=150)

注釈付き折れ線

fig, ax = plt.subplots()
years = [1970,1994,2007,2023]; rate = [7.1,14.1,21.5,29.1]
ax.plot(years, rate, marker='o')
ax.annotate('超高齢社会', (2007,21.5), xytext=(1980,25),
  arrowprops=dict(arrowstyle='->'))
plt.savefig('annot.png', dpi=150)

💡 実務的アドバイス

1 図 1 メッセージ。詰め込みすぎない。
キャプションに発見を 1 文で書く。
軸の起点を明示（ゼロでない場合は理由を）。
カラー・形状はカテゴリ間で一貫させる。

🕰 歴史的背景・発展経緯

折れ線グラフは古典的可視化手法の一つで、統計可視化の標準教科書 (Tufte, Cleveland) でも扱われます。

matplotlib (2003-) は MATLAB ライクな API で広く普及。 ggplot2 (R, 2007) で文法 of graphics が確立。 Vega-Lite / Altair (2017) が宣言型表現を Web に持ち込みました。

近年は SVG/Canvas/WebGL の多層実装が普及し、大規模データでもブラウザ可視化が可能に。 GPU 利用の Datashader, deck.gl が研究機関で活躍。