10  データ可視化応用 - ggplot2発展

前章でggplot2の基本的なグラフ作成を学びました。この章では、より高度なテクニックを使って、プレゼンテーションやレポートで使える洗練されたグラフを作成する方法を学びます。

10.1 学習内容

この章を読み終えると、以下ができるようになります。

• ファセット機能で複数のグラフを並べて表示する
• 色や塗りつぶしでデータをグループ化する
• 軸のスケールを調整する
• テーマを細かくカスタマイズする
• patchworkで異なるグラフを組み合わせる
• グラフを保存して共有する

10.2 ファセット: 複数グラフの並べて表示

ファセット機能を使うと、カテゴリごとにグラフを分割して表示できます。

10.2.1 facet_wrap()

1つの変数でグラフを分割します。facet_wrap(~ 変数)で、指定した変数のカテゴリごとにグラフが作成されます。

library(tidyverse)
data(iris)

# 品種ごとにグラフを分割
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
  geom_point() +
  facet_wrap(~ Species) +
  labs(title = "品種別のがく片の長さと幅")

10.2.2 分割数の調整

ncol引数を使って、列数を指定できます。

# 列数を指定（2列で表示）
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
  geom_point() +
  facet_wrap(~ Species, ncol = 2)

また、nrow引数を使って行数を指定することもできます。

# 行数を指定（1行で表示）
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
  geom_point() +
  facet_wrap(~ Species, nrow = 3)

10.2.3 facet_grid()

2つの変数で行と列に分割します。facet_grid(行の変数 ~ 列の変数)で、指定した2つの変数の組み合わせごとにグラフが作成されます。

# サンプルデータの作成
sales_data <- data.frame(
  四半期 = rep(c("Q1", "Q2", "Q3", "Q4"), each = 6),
  地域 = rep(c("東日本", "西日本"), times = 12),
  商品 = rep(c("商品A", "商品B", "商品C"), times = 8),
  売上 = sample(100:500, 24)
)

# 四半期（行）× 地域（列）でグラフを分割
ggplot(sales_data, aes(x = 商品, y = 売上)) +
  geom_col() +
  facet_grid(四半期 ~ 地域)

10.3 色と塗りつぶしの活用

10.3.1 color vs fill

• color: 点や線の色
• fill: 棒や領域の塗りつぶし色

# 棒グラフでfillを使用
iris_summary <- iris |>
  group_by(Species) |>
  summarize(平均 = mean(Sepal.Length))

ggplot(iris_summary, aes(x = Species, y = 平均, fill = Species)) +
  geom_col() +
  labs(title = "品種別平均がく片長")

10.3.2 手動で色を指定

手動で色を指定するには、scale_color_manual()やscale_fill_manual()を使います。

選び方として、colorを指定している場合はscale_color_manual()、fillを指定している場合はscale_fill_manual()を使います。

関数内のvalues引数に、カテゴリごとの色を指定します。

# 色を手動で指定
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
  geom_point(size = 3) +
  scale_color_manual(
    values = c(
      "setosa" = "red",
      "versicolor" = "blue",
      "virginica" = "green"
    )
  )

10.3.3 カラーパレットの使用

既に用意されているカラーパレットを使うこともできます。RColorBrewerパッケージのカラーパレットを利用するには、scale_color_brewer()やscale_fill_brewer()を使います。

# Brewerカラーパレットを使用
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
  geom_point(size = 3) +
  scale_color_brewer(palette = "Set1")

“Set1”の他にも、“Set2”, “Set3”, “Pastel1”, “Dark2”など、様々なカラーパレットが用意されています。

参考：R Color Brewer’s palettes

10.4 軸のスケール調整

10.4.1 軸の範囲を指定

xlim()やylim()を使って、軸の表示範囲を指定できます。

ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
  geom_point() +
  xlim(4, 8) +  # x軸の範囲を4〜8に
  ylim(2, 5)    # y軸の範囲を2〜5に

10.4.2 軸の目盛りをカスタマイズ

scale_x_continuous()やscale_y_continuous()を使って、軸の目盛りをカスタマイズできます。breaks引数で目盛りの位置を指定します。byを使うと、指定した幅で等間隔の目盛りを振ることができます。

ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
  geom_point() +
  scale_x_continuous(breaks = seq(4, 8, by = 0.5)) +
  scale_y_continuous(breaks = seq(2, 4.5, by = 0.5))

10.5 テーマのカスタマイズ

theme()関数を使うと、グラフの細部まで調整できます。

10.5.1 フォントサイズの調整

theme()には様々な要素があり、タイトルや軸ラベル、凡例のフォントサイズを調整できます。axis.*は軸のテキスト、legend.*は凡例のテキストを調整するための要素です。

element_text()はテキストのスタイルを指定するための関数で、face引数で文字のスタイル（例: “bold”, “italic”）を指定できます。size引数でフォントサイズを指定します。

ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
  geom_point() +
  labs(title = "がく片の長さと幅", x = "長さ (cm)", y = "幅 (cm)") +
  theme_minimal() +
  theme(
    plot.title = element_text(face = "bold", size = 18),
    axis.title = element_text(size = 14),
    axis.text = element_text(size = 12),
    legend.title = element_text(size = 14),
    legend.text = element_text(size = 12)
  )

10.5.2 凡例の位置を変更

legend.positionで凡例の位置を変更できます。指定できる値は、“top”, “bottom”, “left”, “right”, “none”（凡例を表示しない）などがあります。

ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
  geom_point() +
  theme_minimal() +
  theme(
    legend.position = "top"  # "bottom", "left", "right", "none"も可
  )

10.5.3 背景色の変更

グラフの背景色を変更するには、panel.backgroundやplot.backgroundを調整します。panel.backgroundはグラフの背景、plot.backgroundはグラフ全体の背景を指定します。

element_rect()は矩形のスタイルを指定するための関数で、fill引数で背景色を指定します。

ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
  geom_point() +
  theme_minimal() +
  theme(
    panel.background = element_rect(fill = "lightgray"),
    plot.background = element_rect(fill = "gray")
  )

10.6 patchwork: 複数グラフの配置

patchworkパッケージを使うと、複数のggplot2グラフを自由にレイアウトして配置できます。ファセット機能では同じデータから自動的に分割しますが、patchworkでは異なるグラフを組み合わせることができます。

10.6.1 patchworkのインストール

# パッケージのインストール（初回のみ）
install.packages("patchwork")

# パッケージの読み込み
library(patchwork)

10.6.2 基本的な配置

グラフを変数に保存してから、演算子を使って配置します。

library(patchwork)

# 複数のグラフを作成
p1 <- ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
  geom_point(color = "steelblue") +
  labs(title = "がく片")

p2 <- ggplot(iris, aes(x = Petal.Length, y = Petal.Width)) +
  geom_point(color = "coral") +
  labs(title = "花弁")

p3 <- ggplot(iris, aes(x = Species, fill = Species)) +
  geom_bar() +
  labs(title = "品種別データ数") +
  theme(legend.position = "none")

p4 <- ggplot(iris, aes(x = Sepal.Length, fill = Species)) +
  geom_histogram(bins = 15, alpha = 0.7) +
  labs(title = "がく片長の分布")

10.6.3 横に並べる（+演算子）

+演算子を使うと、グラフを横に並べることができます。

# 横に並べる
p1 + p2

10.6.4 縦に並べる（/演算子）

/演算子を使うと、グラフを縦に並べることができます。

# 縦に並べる
p1 / p2

10.6.5 2行2列に配置

括弧を使って配置を制御できます。

# 2行2列に配置
(p1 + p2) / (p3 + p4)

10.6.6 1つのグラフを大きく配置

|演算子を使うと、垂直方向の配置をより細かく制御できます。

# 左に大きなグラフ、右に2つのグラフを縦に配置
p1 | (p2 / p3)

10.6.7 レイアウトの制御

plot_layout()で列数や行数、サイズ比を指定できます。

# 列数を指定
p1 + p2 + p3 + plot_layout(ncol = 2)

# サイズ比を指定（左のグラフを2倍の幅に）
p1 + p2 + plot_layout(widths = c(2, 1))

10.6.8 共通のタイトルと凡例

plot_annotation()で全体のタイトルを追加できます。

# 共通のタイトルを追加
(p1 + p2) / (p3 + p4) +
  plot_annotation(
    title = "アヤメデータの総合分析",
    subtitle = "4つの観点からの可視化",
    caption = "データ: iris dataset"
  )

10.6.9 凡例の統一

複数のグラフで共通の凡例を使う場合、plot_layout(guides = "collect")で凡例をまとめることができます。

# 品種で色分けしたグラフを作成
p_sepal <- ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
  geom_point() +
  labs(title = "がく片")

p_petal <- ggplot(iris, aes(x = Petal.Length, y = Petal.Width, color = Species)) +
  geom_point() +
  labs(title = "花弁")

# 凡例を1つにまとめる
p_sepal + p_petal + plot_layout(guides = "collect")

10.7 グラフの保存

10.7.1 基本的な保存方法

# 最後に表示したグラフを保存
ggsave("outputs/my_plot.png")

# サイズを指定（インチ単位）
ggsave("outputs/my_plot.png", width = 8, height = 6)

# 解像度を指定（dpi）
ggsave("outputs/my_plot.png", width = 8, height = 6, dpi = 300)

10.7.2 複数のファイル形式で保存

# PNG形式
ggsave("outputs/plot.png", width = 8, height = 6)

# PDF形式（ベクター形式、拡大しても綺麗）
ggsave("outputs/plot.pdf", width = 8, height = 6)

# JPEG形式
ggsave("outputs/plot.jpg", width = 8, height = 6)

10.7.3 グラフを変数に保存してから保存

# グラフを変数に保存
my_plot <- ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
  geom_point() +
  labs(title = "がく片の長さと幅")

# 変数からグラフを保存
ggsave("outputs/iris_plot.png", plot = my_plot, width = 8, height = 6)

10.8 実践例：完成度の高いグラフ

これまで学んだテクニックを組み合わせて、レポートやプレゼンで使える完成度の高いグラフを作成してみましょう。

# データの準備
sales_summary <- data.frame(
  月 = rep(1:12, times = 3),
  商品 = rep(c("商品A", "商品B", "商品C"), each = 12),
  売上 = c(
    # 商品A
    120, 135, 150, 145, 160, 175, 190, 185, 200, 210, 230, 250,
    # 商品B
    100, 110, 125, 130, 140, 155, 160, 165, 175, 185, 195, 210,
    # 商品C
    80, 90, 95, 100, 110, 120, 125, 130, 140, 150, 160, 175
  )
)

# グラフの作成
final_plot <- ggplot(sales_summary, aes(x = 月, y = 売上, color = 商品)) +
  geom_line(linewidth = 1.2) +
  geom_point(size = 3) +
  scale_x_continuous(breaks = 1:12) +
  scale_color_brewer(palette = "Set1") +
  labs(
    title = "2025年 商品別月次売上推移",
    subtitle = "全店舗合計",
    x = "月",
    y = "売上（万円）",
    color = "商品カテゴリ",
    caption = "データ：社内売上システムより"
  ) +
  theme_minimal() +
  theme(
    plot.title = element_text(size = 18, face = "bold"),
    plot.subtitle = element_text(size = 14, color = "gray40"),
    axis.title = element_text(size = 14),
    axis.text = element_text(size = 12),
    legend.position = "top",
    legend.title = element_text(size = 12),
    legend.text = element_text(size = 11),
    panel.grid.minor = element_blank(),  # 細かい補助線を削除
    plot.caption = element_text(size = 10, hjust = 0, color = "gray50")
  )

print(final_plot)

10.9 練習問題

ヒント問題1: ファセットグラフの作成

irisデータで、品種ごとにヒストグラムをファセット表示してください。x軸はSepal.Lengthです。

解答例

ggplot(iris, aes(x = Sepal.Length)) +
  geom_histogram(bins = 15, fill = "steelblue") +
  facet_wrap(~ Species) +
  labs(title = "品種別がく片長の分布")

ヒント問題2: カスタマイズされた散布図

irisデータで以下の条件を満たす散布図を作成してください。

• x軸: Petal.Length, y軸: Petal.Width
• 品種ごとに色分け
• タイトル、軸ラベルを日本語で追加
• テーマをtheme_classic()に設定
• 凡例を下に配置

解答例

ggplot(iris, aes(x = Petal.Length, y = Petal.Width, color = Species)) +
  geom_point(size = 3) +
  labs(
    title = "花弁の長さと幅の関係",
    x = "花弁の長さ (cm)",
    y = "花弁の幅 (cm)",
    color = "品種"
  ) +
  theme_classic() +
  theme(legend.position = "bottom")

10.10 まとめ

この章では、ggplot2の発展的なテクニックを学びました。

• ✅ ファセット（facet_wrap(), facet_grid()）で複数グラフを並べて表示
• ✅ 色とカラーパレットの活用
• ✅ 軸のスケール調整
• ✅ theme()による細かいカスタマイズ
• ✅ patchworkで異なるグラフを自由に配置
• ✅ ggsave()によるグラフの保存

これで、プレゼンテーションやレポートで使える、洗練されたグラフを作成できるようになりました。

ノートデータ分析の流れ

ここまでで、データ分析の基本的な流れを習得しました。

1. データの読み込み（data_io.qmd）
2. データの加工（data_wrangling_basic.qmd, data_wrangling_advanced.qmd）
3. データの可視化（visualization_basic.qmd, visualization_advanced.qmd）

2026年2月現在、作成済みの章はここまでですが、今後内容の拡充を予定しています。特に、データの加工や再現可能な研究の章を充実させていく予定です。