Pythonで電子工作データを可視化！matplotlibでセンサーログをグラフ化する方法

「Arduinoで取ったセンサーのデータ、CSVに保存したはいいけど…どうやってグラフにすればいいの？」

こんな悩みを持ったことはありませんか？電子工作やIoTプロジェクトを進めていると、センサーからデータを取得できるようになった次のステップとして、「データを見える形にしたい」という気持ちが出てきますよね。

そこで今回は、Pythonの定番グラフライブラリ matplotlib を使って、センサーログデータをきれいにグラフ化する方法を丁寧に解説していきます。Arduinoやラズパイで取得したCSVデータを読み込んで、折れ線グラフ・複数センサーの比較グラフ・リアルタイム風グラフまで、ステップごとにサンプルコードつきで紹介します 📊

「むずかしそう」が「できそう」に変わる記事を目指していますので、ぜひ最後まで読んでみてください！

Contents

この記事の対象読者と難易度
matplotlibって何？ざっくり説明
STEP 1：センサーログCSVを用意する
STEP 2：CSVを読み込んで基本的な折れ線グラフを描く
STEP 3：複数センサーのデータを1つのグラフに重ねる
STEP 4：グラフをファイルに保存する
STEP 5：異常値を色で目立たせる（応用編）
STEP 6：複数ファイルをまとめてグラフ化する（実用編）
よくあるつまずきポイントと対処法
まとめ

この記事の対象読者と難易度

data visualization graph / Photo by Lukas Blazek via Pexels

✅ PythonでCSVファイルを読んだことがある方
✅ ArduinoやラズパイなどでセンサーデータをCSV保存したことがある方
✅ matplotlibを使ったことがない、またはほぼ初めての方
✅ データ可視化に興味がある電子工作ユーザー

難易度：⭐⭐☆☆☆（初〜中級者向け）

matplotlibって何？ざっくり説明

matplotlib（マットプロットリブ） は、Pythonでグラフや図を描画するためのライブラリです。イメージとしては「Pythonで動くExcelグラフ作成ツール」のような存在です。

折れ線グラフ・棒グラフ・散布図・ヒストグラムなど、ほぼあらゆる種類のグラフを数行のコードで作れます。データ分析・機械学習・電子工作の可視化など、幅広い分野で使われている定番ライブラリですよ。

まずはインストールから確認しておきましょう。

# matplotlibのインストール（未インストールの場合）
pip install matplotlib

# pandasも合わせてインストールしておくと便利です
pip install pandas

インストールが完了したら、早速コードを書いていきましょう！

STEP 1：センサーログCSVを用意する

今回は、Arduinoや温湿度センサーから取得したデータを想定したCSVファイルを使います。まずはサンプルのCSVを用意しましょう。

📁 sensor_log.csv（このような形式を想定しています）

timestamp,temperature,humidity
2024-01-01 09:00:00,22.3,55.1
2024-01-01 09:01:00,22.5,54.8
2024-01-01 09:02:00,22.8,54.5
2024-01-01 09:03:00,23.1,54.0
2024-01-01 09:04:00,23.4,53.7
2024-01-01 09:05:00,23.6,53.5
2024-01-01 09:06:00,23.3,53.8
2024-01-01 09:07:00,23.0,54.2
2024-01-01 09:08:00,22.7,54.6
2024-01-01 09:09:00,22.4,55.0

実際のArduinoスケッチでは、Serial.println() でこのような形式のデータをシリアル出力し、Pythonスクリプトやターミナルでファイルに書き出す方法がよく使われます。今回はこのCSVファイルがすでにある前提で進めていきますね。

STEP 2：CSVを読み込んで基本的な折れ線グラフを描く

まずは一番シンプルな例から。温度データを折れ線グラフで表示してみましょう。

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as mdates

# CSVファイルを読み込む
df = pd.read_csv('sensor_log.csv')

# timestamp列をdatetime型に変換（グラフの横軸に使うため）
df['timestamp'] = pd.to_datetime(df['timestamp'])

# グラフを描画する
plt.figure(figsize=(10, 4))  # グラフのサイズ指定（横10インチ、縦4インチ）

plt.plot(
    df['timestamp'],       # 横軸：時刻
    df['temperature'],     # 縦軸：温度
    color='tomato',        # 線の色
    linewidth=2,           # 線の太さ
    marker='o',            # データ点にマーカーを表示
    label='温度 (°C)'      # 凡例のラベル
)

# 軸ラベルとタイトルを設定
plt.xlabel('時刻')
plt.ylabel('温度 (°C)')
plt.title('センサーログ：温度の変化')

# 横軸の時刻フォーマットを設定
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%H:%M'))
plt.gcf().autofmt_xdate()  # 横軸ラベルを斜めにして見やすくする

plt.legend()   # 凡例を表示
plt.grid(True) # グリッド線を表示
plt.tight_layout()  # レイアウトを自動調整
plt.show()

ポイントをまとめるとこんな感じです👇

pd.to_datetime() でtimestamp列を日時型に変換しないと、横軸が正しく表示されません
figsize=(10, 4) でグラフのサイズをインチ単位で指定できます
marker=’o’ を指定すると、各データ点に丸いマーカーが付いて見やすくなります
plt.grid(True) でグリッド線を入れると、値の読み取りがグッと楽になります

STEP 3：複数センサーのデータを1つのグラフに重ねる

温度と湿度、2つのデータを1つのグラフに重ねて表示したいケース、ありますよね。ただし、単位が違う（°Cと%）ので、第2軸（右側のY軸） を使うのがスマートです。

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as mdates

df = pd.read_csv('sensor_log.csv')
df['timestamp'] = pd.to_datetime(df['timestamp'])

# 第1軸（左）と第2軸（右）を両方持つグラフを作成
fig, ax1 = plt.subplots(figsize=(10, 5))

# --- 温度：左のY軸に描画 ---
color_temp = 'tomato'
ax1.set_xlabel('時刻')
ax1.set_ylabel('温度 (°C)', color=color_temp)
ax1.plot(df['timestamp'], df['temperature'],
         color=color_temp, linewidth=2, marker='o', label='温度')
ax1.tick_params(axis='y', labelcolor=color_temp)

# --- 湿度：右のY軸に描画 ---
ax2 = ax1.twinx()  # 右側に第2のY軸を作成
color_hum = 'steelblue'
ax2.set_ylabel('湿度 (%)', color=color_hum)
ax2.plot(df['timestamp'], df['humidity'],
         color=color_hum, linewidth=2, marker='s', linestyle='--', label='湿度')
ax2.tick_params(axis='y', labelcolor=color_hum)

# 横軸の時刻フォーマット
ax1.xaxis.set_major_formatter(mdates.DateFormatter('%H:%M'))
fig.autofmt_xdate()

# 凡例を両軸から取得してまとめて表示
lines1, labels1 = ax1.get_legend_handles_labels()
lines2, labels2 = ax2.get_legend_handles_labels()
ax1.legend(lines1 + lines2, labels1 + labels2, loc='upper left')

plt.title('センサーログ：温度と湿度の変化')
fig.tight_layout()
plt.show()

ここが重要です ✅

ax1.twinx() を使うと、同じ横軸を共有しながら右側にY軸を追加できます
単位が違うデータを同じY軸に乗せると、スケールがズレてグラフが読みにくくなります。第2軸を使うのがベストプラクティスです
凡例は get_legend_handles_labels() で両方の軸から取得してまとめると、スッキリ表示できます

STEP 4：グラフをファイルに保存する

グラフを毎回手動で確認するのではなく、PNG画像として自動保存 しておくと、ログと一緒に管理できてとても便利です。

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
from datetime import datetime

df = pd.read_csv('sensor_log.csv')
df['timestamp'] = pd.to_datetime(df['timestamp'])

fig, ax = plt.subplots(figsize=(10, 4))
ax.plot(df['timestamp'], df['temperature'],
        color='tomato', linewidth=2, marker='o')
ax.set_xlabel('時刻')
ax.set_ylabel('温度 (°C)')
ax.set_title('センサーログ：温度の変化')
ax.xaxis.set_major_formatter(mdates.DateFormatter('%H:%M'))
fig.autofmt_xdate()
ax.grid(True)
fig.tight_layout()

# ファイル名に現在時刻を入れて保存（上書き防止）
now_str = datetime.now().strftime('%Y%m%d_%H%M%S')
filename = f'sensor_graph_{now_str}.png'
fig.savefig(filename, dpi=150)  # dpi=150で高解像度に保存
print(f'グラフを保存しました：{filename}')

plt.show() の代わりに fig.savefig() を使うのがポイントです。dpi（解像度）を150〜300 に設定すると、レポートや資料に貼りやすい画質になります 🖼️

STEP 5：異常値を色で目立たせる（応用編）

センサーデータの可視化でよくあるニーズが、「しきい値を超えた部分を赤くハイライトしたい」というものです。温度が25°Cを超えたら警告、みたいなやつですね。

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as mdates

df = pd.read_csv('sensor_log.csv')
df['timestamp'] = pd.to_datetime(df['timestamp'])

# しきい値の設定
THRESHOLD = 23.0

fig, ax = plt.subplots(figsize=(10, 4))

# 通常範囲と異常範囲でデータを色分け
for i in range(len(df) - 1):
    x_vals = [df['timestamp'].iloc[i], df['timestamp'].iloc[i + 1]]
    y_vals = [df['temperature'].iloc[i], df['temperature'].iloc[i + 1]]
    # しきい値を超えているセグメントを赤に
    color = 'red' if y_vals[0] >= THRESHOLD else 'steelblue'
    ax.plot(x_vals, y_vals, color=color, linewidth=2)

# マーカーも色分けして表示
colors = ['red' if t >= THRESHOLD else 'steelblue'
          for t in df['temperature']]
ax.scatter(df['timestamp'], df['temperature'], c=colors, zorder=5)

# しきい値のラインを表示
ax.axhline(y=THRESHOLD, color='orange', linestyle='--',
           linewidth=1.5, label=f'しきい値 {THRESHOLD}°C')

ax.set_xlabel('時刻')
ax.set_ylabel('温度 (°C)')
ax.set_title('センサーログ：異常値ハイライト付き温度グラフ')
ax.xaxis.set_major_formatter(mdates.DateFormatter('%H:%M'))
fig.autofmt_xdate()
ax.legend()
ax.grid(True, alpha=0.4)
fig.tight_layout()
plt.show()

ポイントをまとめるとこんな感じです👇

axhline() で水平方向のしきい値ラインを簡単に引けます
ループでセグメントごとに色を変えることで、「ここから危険ゾーン」が一目でわかるグラフになります
scatter() と plot() を組み合わせると、線とマーカーで別々の色設定ができます

STEP 6：複数ファイルをまとめてグラフ化する（実用編）

「毎日ログが1ファイルずつ増えていくんだけど、まとめてグラフにしたい…」という場面、電子工作ロガーあるあるですよね。glob を使えばスッキリ解決できます。

import pandas as pd
import matplotlib.pyplot as plt
import glob
import os

# フォルダ内のCSVファイルを全て取得
csv_files = sorted(glob.glob('./logs/sensor_log_*.csv'))

if not csv_files:
    print('CSVファイルが見つかりませんでした。')
else:
    fig, ax = plt.subplots(figsize=(12, 5))

    for filepath in csv_files:
        df = pd.read_csv(filepath)
        df['timestamp'] = pd.to_datetime(df['timestamp'])

        # ファイル名をラベルに使用
        label = os.path.basename(filepath).replace('.csv', '')
        ax.plot(df['timestamp'], df['temperature'],
                linewidth=1.5, marker='o', markersize=3, label=label)

    ax.set_xlabel('時刻')
    ax.set_ylabel('温度 (°C)')
    ax.set_title('複数日センサーログの温度比較')
    ax.legend(fontsize=8)
    ax.grid(True, alpha=0.4)
    fig.autofmt_xdate()
    fig.tight_layout()
    plt.show()

glob.glob() にパスパターンを渡すだけで、一致するファイルのリストを取得できます。sorted() を組み合わせると日付順に並ぶので、時系列グラフにそのまま使えます 📂

よくあるつまずきポイントと対処法

実際にやってみると、こんなエラーや問題に遭遇することがあります。確認しておきましょう。

🔴 グラフが表示されない

環境によっては plt.show() で何も表示されないことがあります。Jupyter Notebookの場合は先頭に %matplotlib inline を入れてみてください。VSCodeのインタラクティブウィンドウでも同様です。

🔴 横軸の日時が文字化けする・読めない

日本語フォントが設定されていないと、グラフのテキストが豆腐（□）になることがあります。

# 日本語フォントを設定する（Windows・Mac共通で動きやすい設定）
import matplotlib
matplotlib.rcParams['font.family'] = 'IPAexGothic'  # Linuxの場合
# matplotlib.rcParams['font.family'] = 'Meiryo'      # Windowsの場合
# matplotlib.rcParams['font.family'] = 'Hiragino Sans' # Macの場合

OS に合わせてフォントを設定してみてください。japanize-matplotlib というライブラリを使うと設定が一発で済むのでおすすめです（pip install japanize-matplotlib）。