円グラフ | 用語解説

💡 30秒で分かる結論

構成比を扇形で表現

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 円グラフ 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

構成比を扇形で表現

英語名 Pie 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())

# 「円グラフ」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

□ 「円グラフ」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

🔎 円グラフ ── 深掘り解説

円グラフ（Pie Chart） は、全体に対する構成比を扇形で表現するグラフ。 Edward Tufte は「ほとんどの場合、棒グラフのほうが優れる」と批判していますが、 2〜3 項目の構成比であれば直感的です。

🔖 キーワード索引（拡張）

円グラフPie 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

$$ \theta_i = 2\pi \cdot \frac{x_i}{\sum_j x_j} $$

🧮 他可視化との比較

用途	円グラフ適	代替
2〜3 区分の構成比	○	100%積み上げ棒
10 以上の区分	×	棒グラフ／ツリーマップ
時系列構成	×	積み上げ面積
類似値の精密比較	×	棒グラフ

🐍 Python 実装

# matplotlib pie : 関東 6 都県の人口構成
import pandas as pd, matplotlib.pyplot as plt
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='utf-8', skiprows=1)
kanto = ['東京都','神奈川県','埼玉県','千葉県','茨城県','栃木県','群馬県']
sub = df[df['Prefecture'].isin(kanto)].set_index('Prefecture')['A1101']
plt.figure(figsize=(7,7))
plt.pie(sub, labels=sub.index, autopct='%1.1f%%', startangle=90)
plt.tight_layout(); plt.savefig('pie.png', dpi=150)

# plotly Express
import plotly.express as px
fig = px.pie(sub.reset_index(), values='A1101', names='Prefecture')
fig.write_html('pie.html')

# 円グラフより推奨される棒グラフ
fig, ax = plt.subplots(figsize=(7,5))
sub.sort_values().plot.barh(ax=ax, color='#00897B')
ax.set_xlabel('総人口'); plt.tight_layout(); plt.savefig('bar.png', dpi=150)

# ドーナツチャート（中央余白）
plt.figure(figsize=(7,7))
plt.pie(sub, labels=sub.index, wedgeprops=dict(width=0.4))
plt.tight_layout(); plt.savefig('donut.png', dpi=150)

⚠️ 落とし穴（円グラフ固有）

❌ 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)

円グラフはいつ使うのが最適？

2〜3 区分の単純な構成比のみ。多区分や精密比較なら棒グラフ／ツリーマップ。

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	円グラフ	注意点	代替候補
2-3 区分の比	○	ラベル順守	100%積上げ棒
10+ 区分	×	識別困難	ツリーマップ
時系列構成	×	推移見えず	面積/積上げ棒
精密比較	×	角度精度低	棒グラフ
注目強調	△	切離し可	棒+注釈

🐍 さらにコードを書く

人口構成円グラフ

import pandas as pd, matplotlib.pyplot as plt
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='utf-8', skiprows=1)
tokyo = df[df['Prefecture']=='東京都'].iloc[0]
total = tokyo['A1101']
old   = tokyo['A1301']
rest  = total - old
plt.pie([old, rest], labels=['65歳以上','64歳以下'], autopct='%1.1f%%')
plt.savefig('tokyo_pie.png', dpi=150)

ドーナツ + 中央テキスト

import matplotlib.pyplot as plt
fig, ax = plt.subplots()
vals = [29.1, 70.9]
ax.pie(vals, labels=['老年','その他'], wedgeprops=dict(width=0.4))
ax.text(0,0,'29.1%',ha='center',va='center',fontsize=24)
plt.savefig('donut.png', dpi=150)

棒グラフによる代替

plt.figure(figsize=(6,2))
plt.barh([0],[29.1],color='#00897B')
plt.barh([0],[70.9],left=[29.1],color='#B2DFDB')
plt.yticks([]); plt.xlim(0,100); plt.savefig('stack_bar.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

円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。