Python初心者のためのデータ可視化入門｜グラフ作成で上司に評価される資料術

「会議資料の説得力をもっと上げたい」「Excelグラフに限界を感じる」—そんな方へ。
本記事では、Pandas・Matplotlib・Seabornを使って、初心者でも短時間で見やすいグラフを作る方法を
実例コード付きで解説します。プレゼンやレポートで「伝わる」資料に仕上げましょう。

• ✅ 対象データ：売上・アンケート結果・顧客属性
• ✅ 作るグラフ：折れ線グラフ／ヒストグラム ほか
• ✅ ねらい：上司に評価される“読みやすい”レイアウト＆色分け

なぜ「Pythonで可視化」なのか

Excelは手軽ですが、データが増えると管理やデザインが大変。Pythonなら、

• Pandasでデータ抽出・加工が楽（CSV/Excel/DBから読み込み）
• Matplotlib / Seabornで美しく再現性のあるグラフを作成
• コード化により同じ手順を何度でも即再現（月次更新が一瞬）

「データ準備 → 可視化 → 出力」を一気通貫で自動化でき、会議直前の差し替えにも強いのが魅力です。

データの前提：売上・アンケート・顧客属性

この記事では下記のシンプルな例を扱います。

• 売上データ：月別の売上推移
• アンケート：1〜5点の満足度スコア
• 顧客属性：年代・地域など（割合の可視化に応用）

※ 実データでは前処理（欠損値・外れ値・異常値の確認）を先に行うと精度が上がります。

まずは基礎：環境準備と最短コード

必要ライブラリをインストール

# 必要であれば
pip install pandas matplotlib seaborn

売上の折れ線グラフ（Matplotlib）

import pandas as pd
import matplotlib.pyplot as plt

# サンプル売上データ
df = pd.DataFrame({
    "月": ["1月","2月","3月","4月","5月","6月"],
    "売上": [120, 150, 180, 130, 200, 240]  # 単位：万円
})

# 折れ線グラフ
plt.plot(df["月"], df["売上"], marker="o")   # ※色はデフォルトでOK（社内規定色があれば指定）
plt.title("月別売上推移")
plt.xlabel("月")
plt.ylabel("売上（万円）")
plt.tight_layout()
plt.savefig("sales_line.png", dpi=150)
plt.show()

アンケートのヒストグラム（Seaborn）

import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(0)
survey = np.random.randint(1, 6, 300)  # 1〜5点のダミーデータ

sns.histplot(survey, bins=[1,2,3,4,5,6], discrete=True)
plt.title("顧客満足度スコア分布（1〜5）")
plt.xlabel("スコア")
plt.ylabel("人数")
plt.tight_layout()
plt.savefig("survey_hist.png", dpi=150)
plt.show()

見やすいレイアウト＆色分けのコツ（初心者向け）

• 1スライド＝1メッセージ：伝えたい主語を明確に（例：「売上は右肩上がり」）
• 色は役割ごとに固定：売上＝青、満足度＝オレンジ、警告＝赤 など
• ラベルと単位を必ず入れる：軸・凡例・単位（円/件/％）
• 読み順を意識：タイトル → グラフ → 注釈（結論）
• フォントサイズ：会議室の後方でも読める大きさに

応用：顧客属性の割合を可視化（棒グラフ）

import pandas as pd
import matplotlib.pyplot as plt

df_attr = pd.DataFrame({
    "年代": ["10代","20代","30代","40代","50代以上"],
    "割合": [5, 25, 35, 22, 13]  # 単位：%
})

plt.bar(df_attr["年代"], df_attr["割合"])
plt.title("顧客年代構成比")
plt.xlabel("年代")
plt.ylabel("割合（%）")
# ％表示の注釈（バー上）
for x, y in zip(df_attr["年代"], df_attr["割合"]):
    plt.text(x, y + 1, f"{y}%", ha="center")
plt.ylim(0, max(df_attr["割合"]) + 10)
plt.tight_layout()
plt.savefig("customer_age_bar.png", dpi=150)
plt.show()

社内で配色ガイドラインがある場合は色を指定。なければデフォルトで十分（見出しと注釈で“意図”を補強）。

よくあるつまずきと回避策

• 日本語が豆腐（□）になる：OSに合った日本語フォントを指定（例：Noto Sans CJK）。
• 数値の桁や単位が伝わりにくい：「千円」「万円」「%」を必ず明示。桁区切り表示も。
• 色が多すぎる：意味がない色分けは避ける。2〜3色に抑える。
• グラフが小さく読みにくい：図のサイズ（figsize）やフォントサイズを上げる。

成果：資料の説得力が上がり、評価も向上

実際にこれらのグラフを会議資料に盛り込むと、上司からは「数字の羅列より断然わかりやすい」「意思決定が早くなる」と好評でした。とくにヒストグラムで満足度の分布を見せた場面では、「改善すべき層」が明確になり、施策の議論が進みました。

まとめ：最小構成で“伝わる”資料を

• Pythonなら数行のコードで再現性のあるグラフが作れる
• Pandas＋Matplotlib＋Seabornが初心者の最短ルート
• 色・ラベル・注釈を整えるだけで説得力が段違い

まずは折れ線グラフとヒストグラムから。月次の更新も楽になり、会議の“質”が変わります。