データ可視化・図表作成ガイド（論文用）
このガイドについて
論文に掲載する図表は、研究結果を効果的に伝える上で極めて重要です。適切なグラフや表の選択、統計的表現、Figure Legendの書き方など、論文に掲載できる高品質な図表を作成する方法を解説します。
対象読者
- 論文執筆中の研究者
- データ可視化の基礎を学びたい方
- 論文の図表を改善したい方
このガイドで学べること
- 適切なグラフの選択: データの種類に応じた最適なグラフの選び方
- 統計的表現: エラーバー、信頼区間、p値の適切な表示
- Figure Legendの書き方: 明確で完全な凡例の作成
- 表の作成: 読みやすく情報量の多い表の作成
- AIツールの活用: 図表作成を効率化するAIツールの活用法
所要時間
- 全体: 15-20分（読了時間）
- 実際の作業: データの種類と図表の数による
前提知識
- 基本的な統計の知識
- データの種類（連続データ、カテゴリカルデータなど）
使用するツール
- Python (Matplotlib, Seaborn): グラフ作成
- R (ggplot2): 統計グラフ作成
- Excel / Google Sheets: 簡単なグラフ作成
- AIツール: グラフの選択や凡例作成の支援
更新日: 2025年12月
ステップ1: データの種類と適切なグラフの選択
このステップの目的
データの種類に応じて、最適なグラフを選択する方法を学びます。適切なグラフの選択は、データを正確に伝える上で重要です。
データの種類
連続データ
数値で測定できるデータです。
例：
- 年齢、体重、血圧
- 検査値、スコア
カテゴリカルデータ
カテゴリに分類されるデータです。
種類：
- 名義尺度: 順序がない（性別、血液型）
- 順序尺度: 順序がある（重症度、グレード）
グラフの選択ガイド
1つの連続変数
ヒストグラム:
- データの分布を表示
- 正規分布かどうか確認
ボックスプロット:
- 四分位数と外れ値を表示
- 複数群の比較
2つの連続変数
散布図:
- 2つの変数の関係を表示
- 相関関係の確認
回帰直線付き散布図:
- 線形関係の可視化
1つのカテゴリカル変数
棒グラフ:
- 各カテゴリの頻度や割合
- 比較が容易
円グラフ:
- 全体に占める割合
- カテゴリが少ない場合（3-5個）
カテゴリカル × 連続
ボックスプロット:
- 各カテゴリでの連続変数の分布
- 複数群の比較
棒グラフ（平均値 + エラーバー）:
- 各カテゴリの平均値と標準誤差
- 比較が明確
時系列データ
折れ線グラフ:
- 時間経過に伴う変化
- トレンドの可視化
AIツールを活用したグラフ選択
ChatGPT / Claude プロンプト例:
以下のデータの種類に基づいて、論文に掲載するのに最適なグラフを提案してください。
データ:
- 変数1: 年齢（連続変数、20-80歳）
- 変数2: 治療群（カテゴリカル、3群: A群、B群、C群）
- 目的: 各治療群での年齢の分布を比較したい
以下の情報を提供してください：
1. 推奨するグラフの種類
2. その理由
3. 代替案（あれば）
4. 作成時の注意点
よくある質問
Q: どのグラフが最も一般的ですか？ A: 論文では、ボックスプロット、棒グラフ（平均値 + エラーバー）、散布図がよく使用されます。
Q: 円グラフは論文で使用できますか？ A: 一般的には推奨されません。棒グラフの方が比較しやすいです。
次のステップ
グラフの種類が決まったら、次は統計的表現の方法を学びます。
更新日: 2025年12月
ステップ2: 統計的表現の方法
このステップの目的
グラフに統計情報を適切に表示する方法を学びます。エラーバー、信頼区間、p値などの統計的表現は、データの解釈に重要です。
エラーバーの種類
標準偏差（SD）
データのばらつきを表します。
- 記号: ±SD
- 用途: データの分布の幅を示す
標準誤差（SE）
平均値の推定精度を表します。
- 記号: ±SE
- 用途: 平均値の信頼性を示す
- 注意: 論文ではSDの方が一般的
信頼区間（CI）
真の値が含まれる可能性が高い範囲です。
- 記号: 95% CI
- 用途: 効果の推定と不確実性を示す
エラーバーの表示方法
棒グラフでの表示
平均値 ± SD（またはSE）
例:
- 血圧: 120 ± 15 mmHg
- グラフ上ではエラーバーで表示
ボックスプロットでの表示
- 四分位数（Q1, 中央値, Q3）
- 外れ値
- 必要に応じて平均値も表示
p値の表示
グラフ上での表示
*: p < 0.05**: p < 0.01***: p < 0.001
表での表示
- 正確なp値を記載
- p < 0.001の場合は「<0.001」と記載
AIツールを活用した統計的表現
ChatGPT / Claude プロンプト例:
以下のデータから、論文用のグラフを作成する際の統計的表現を提案してください。
データ:
- 群A: 平均 = 120, SD = 15, n = 50
- 群B: 平均 = 135, SD = 18, n = 48
- 群C: 平均 = 110, SD = 12, n = 52
- p値: A vs B = 0.02, A vs C = 0.15, B vs C = 0.001
以下の情報を提供してください：
1. エラーバーの種類（SD/SE/CI）とその理由
2. p値の表示方法
3. グラフ上での統計的表現の推奨方法
よくある質問
Q: SDとSEのどちらを使うべきですか？ A: 論文ではSDが一般的です。SEは平均値の推定精度を示すため、用途が限定的です。
Q: 信頼区間はどのように表示しますか？ A: エラーバーで信頼区間を表示するか、表に数値で記載します。
次のステップ
統計的表現が理解できたら、次はFigure Legendの書き方を学びます。
更新日: 2025年12月
ステップ3: Figure Legendの書き方
このステップの目的
明確で完全なFigure Legend（図の凡例）を作成する方法を学びます。良い凡例は、図を独立して理解できるようにします。
Figure Legendの構成要素
必須要素
- 図の説明: 図が何を示しているか
- 方法の説明: データの収集方法や解析方法
- 記号・略語の説明: 使用した記号や略語の説明
- 統計情報: 使用した統計手法、p値の説明
推奨要素
- サンプルサイズ: 各群のn数
- 統計的検定: 使用した検定方法
- スケール: 軸の単位やスケール
良い凡例の例
例1: ボックスプロット
Figure 1. Comparison of blood pressure among three treatment groups.
Data are presented as box plots showing median (line), interquartile range (box),
and 1.5× interquartile range (whiskers). Outliers are shown as individual points.
Group A (n=50), Group B (n=48), Group C (n=52).
*P < 0.05, **P < 0.01, ***P < 0.001 (Kruskal-Wallis test with post-hoc Dunn's test).
例2: 棒グラフ
Figure 2. Mean blood pressure changes from baseline.
Data are presented as mean ± standard deviation.
Group A (n=50), Group B (n=48), Group C (n=52).
*P < 0.05 vs Group A (one-way ANOVA with post-hoc Tukey's test).
AIツールを活用した凡例作成
ChatGPT / Claude プロンプト例:
以下の情報から、論文用のFigure Legendを作成してください。
図の種類: ボックスプロット
内容: 3つの治療群（A群、B群、C群）での血圧の比較
データ:
- A群: n=50, 中央値=120, Q1=110, Q3=130
- B群: n=48, 中央値=135, Q1=125, Q3=145
- C群: n=52, 中央値=110, Q1=100, Q3=120
統計検定: Kruskal-Wallis検定、事後検定はDunn検定
p値: A vs B = 0.02, A vs C = 0.15, B vs C = 0.001
ジャーナルのスタイルに準拠した、明確で完全な凡例を作成してください。
よくある質問
Q: 凡例はどのくらいの長さが適切ですか？ A: 通常は50-150語程度です。図を独立して理解できる程度の情報を含めます。
Q: 略語は凡例で説明する必要がありますか？ A: はい。論文で初めて使用する略語は、凡例または本文で説明する必要があります。
次のステップ
凡例の書き方が理解できたら、次は表の作成方法を学びます。
更新日: 2025年12月
ステップ4: 表の作成方法
このステップの目的
読みやすく、情報量の多い表を作成する方法を学びます。適切な表は、データを効率的に伝えます。
表の基本構造
必須要素
- タイトル: 表の内容を明確に示す
- 列見出し: 各列の内容を明確に
- 行見出し: 各行の内容を明確に
- データ: 適切な精度で表示
- 脚注: 統計情報、略語の説明
表の種類
記述統計表
対象者の特性やベースライン情報を表示。
例: 対象者の特性
- 年齢、性別、BMI、既往歴など
- 各群での比較
結果表
研究結果を表示。
例: 治療効果の比較
- 各群でのアウトカム
- 効果量、信頼区間、p値
表作成のベストプラクティス
1. 情報の優先順位
重要な情報を上部に配置します。
- 主要な結果を最初の列に
- 補足情報は後の列に
2. 数値の精度
適切な小数点以下桁数を選択します。
- 通常: 1-2桁
- 統計量: 2-3桁
- p値: 3桁（または<0.001）
3. 統計情報の表示
- 平均値 ± SD（または中央値 [IQR]）
- 効果量と信頼区間
- p値
AIツールを活用した表作成
ChatGPT / Claude プロンプト例:
以下のデータから、論文用の表を作成してください。
データ:
対象者の特性
- 年齢: A群 55.2±12.3歳, B群 57.1±11.8歳, C群 54.9±13.1歳
- 男性: A群 60%, B群 58%, C群 62%
- BMI: A群 25.3±4.2, B群 26.1±4.5, C群 24.9±4.1
- p値: すべて>0.05
治療効果
- 血圧変化: A群 -10.2±5.3, B群 -15.1±6.2, C群 -8.9±4.8
- p値: A vs B = 0.02, A vs C = 0.15, B vs C = 0.001
ジャーナルのスタイルに準拠した、読みやすい表を作成してください。
よくある質問
Q: 表はいくつまで掲載できますか？ A: ジャーナルによって異なりますが、通常は3-5個程度です。重要な情報のみを表にします。
Q: 表とグラフのどちらを使うべきですか？ A: 数値の正確な比較が必要な場合は表、視覚的な比較やトレンドの表示にはグラフが適しています。
次のステップ
表の作成方法が理解できたら、次は実践的なワークフローを学びます。
更新日: 2025年12月
ステップ5: 実践的なワークフロー
このステップの目的
データ可視化と図表作成の実践的なワークフローを学び、論文に掲載できる高品質な図表を効率的に作成します。
ワークフローの概要
ステップ1: データの準備
- データのクリーニング
- 必要な変数の選択
- データの形式の統一
ステップ2: グラフの選択
- データの種類を確認
- 適切なグラフを選択
- AIツールで確認（必要に応じて）
ステップ3: グラフの作成
- Python/R/Excelで作成
- 統計情報を追加
- スタイルを調整
ステップ4: 凡例の作成
- 図の説明を記載
- 方法と統計情報を記載
- AIツールで確認（必要に応じて）
ステップ5: 最終確認
- データの正確性を確認
- 統計的表現が適切か確認
- ジャーナルのガイドラインに準拠しているか確認
AIツールを活用した効率化
グラフ作成の支援
ChatGPT / Claude プロンプト例:
以下のデータから、論文用のグラフを作成するPythonコードを生成してください。
データ:
- 群A: [120, 125, 118, 122, 130, ...] (n=50)
- 群B: [135, 140, 132, 138, 145, ...] (n=48)
- 群C: [110, 115, 108, 112, 118, ...] (n=52)
要件:
- ボックスプロットで表示
- 統計的検定の結果を表示（p値）
- 論文に掲載できる高品質なスタイル
- MatplotlibまたはSeabornを使用
コードと説明を提供してください。
凡例作成の支援
プロンプト例:
以下のグラフの凡例を作成してください。
グラフの種類: ボックスプロット
内容: [グラフの内容]
データ: [データの説明]
統計検定: [使用した検定]
p値: [p値の情報]
ジャーナルのスタイルに準拠した凡例を作成してください。
よくあるミスと対策
ミス1: エラーバーの種類が不適切
対策: SDとSEの違いを理解し、適切なものを選択
ミス2: 凡例が不十分
対策: 図を独立して理解できる程度の情報を含める
ミス3: 統計情報が不足
対策: サンプルサイズ、統計検定、p値を明記
まとめ
データ可視化と図表作成は、論文の質に直接影響します。適切なグラフの選択、統計的表現、明確な凡例により、研究結果を効果的に伝えることができます。AIツールを活用することで、効率化しながら高品質な図表を作成できます。
参考資料
- Nature Guide to Figures: 高品質な図表作成のガイドライン
- CBE Style Manual: 科学論文のスタイルガイド
- ggplot2 Documentation: Rでのグラフ作成
更新日: 2025年12月