【Python可視化】Plotlyのgoとpxの違い！初心者でも迷わない使い分け

Pythonでデータ可視化を行う際、Plotlyはインタラクティブなグラフが作成できる強力なライブラリです。そのPlotlyには、主に plotly.graph_objects (go) と plotly.express (px) の2つの方法でグラフを作成するアプローチがあります。しかし、「どちらを使えばいいの？」と迷う方も多いのではないでしょうか？

この記事では、go と px の違いを詳しく解説し、それぞれの使いどころを具体的なPythonコードを交えて説明します。

Plotlyのgo (plotly.graph_objects) とは？
Plotlyのpx (plotly.express) とは？
goとpxの比較まとめ
goとpxの使い分け
具体的なシナリオで比較
- 📊 シナリオ1：1つの折れ線グラフを作る
- 📈 シナリオ2：2つの系列を比較する
まとめ

Plotlyのgo (`plotly.graph_objects`) とは？

plotly.graph_objects（略して go）は、細かくカスタマイズしたい場合に適した方法 です。
基本的に go.Figure オブジェクトを作成し、グラフの各要素（トレースやレイアウトなど）を手動で指定する 必要があります。

goを使うメリット

詳細なカスタマイズが可能（軸、凡例、アニメーションなど）
複数のトレース（系列）を組み合わせやすい
データの更新やインタラクティブ性を高めやすい

goを使うデメリット

コードが長くなりがち
初心者にはやや扱いにくい

goの基本的な使い方（棒グラフ）

例えば、売上データを棒グラフで表示する場合、go を使うと以下のようなコードになります。

import plotly.graph_objects as go

# データ
categories = ["1月", "2月", "3月", "4月"]
sales = [300, 400, 350, 500]

# Figureオブジェクトを作成
fig = go.Figure()

# 棒グラフを追加
fig.add_trace(go.Bar(x=categories, y=sales, name="売上"))

# レイアウトのカスタマイズ
fig.update_layout(
    title="月別売上",
    xaxis_title="月",
    yaxis_title="売上 (万円)",
    template="plotly_white"
)

# グラフを表示
fig.show()

このコードでは、go.Figure() を作成し、add_trace() で 棒グラフのデータを追加 しています。
さらに update_layout() を使って、タイトルや軸のラベルを設定しています。

Plotlyのpx (`plotly.express`) とは？

plotly.express（略して px）は、シンプルなコードで簡単にグラフを作成できる 方法です。
px では 1行でデータフレームからグラフを作成できる のが最大の特徴です。

pxを使うメリット

コードが短く、直感的に書ける
データフレームと親和性が高い
カラーマッピングやアニメーションが簡単

pxを使うデメリット

詳細なカスタマイズは難しい
複数のトレース（系列）を扱うのがやや面倒

pxの基本的な使い方（棒グラフ）

同じ売上データを px で表現すると、以下のようになります。

import plotly.express as px
import pandas as pd

# データをPandasのDataFrameで用意
df = pd.DataFrame({"月": ["1月", "2月", "3月", "4月"], "売上": [300, 400, 350, 500]})

# pxで棒グラフを作成（1行で完結）
fig = px.bar(df, x="月", y="売上", title="月別売上", labels={"売上": "売上 (万円)"}, template="plotly_white")

# グラフを表示
fig.show()

このように、たった 1行で go で作成したのとほぼ同じグラフが完成します。
px.bar() で データフレームをそのまま指定 できるのが px の強みです。

goとpxの比較まとめ

比較項目	go (`graph_objects`)	px (`express`)
コード量	多い（細かく書く必要あり）	少ない（1行でグラフが作れる）
カスタマイズ性	高い（細かい調整が可能）	低め（基本設定のみ）
複数データの扱いやすさ	扱いやすい	やや難しい
データフレームとの相性	普通（手動でデータを設定）	高い（Pandasと連携しやすい）
初心者向け	難しい	簡単

goとpxの使い分け

「どちらを使えばいいの？」と迷った場合、以下の基準で選ぶと良いでしょう。

✅ シンプルなグラフを素早く作りたい → px（plotly.express）

データフレームをそのまま使いたい
コードを短く書きたい
軽くデータを可視化するだけならOK

✅ 細かくカスタマイズしたい → go（plotly.graph_objects）

軸の設定や凡例の調整をしたい
複数のデータセットを組み合わせたい
インタラクティブな操作を作り込みたい

例えば、データの探索（EDA）をサクッとしたいなら px を使い、ダッシュボードの本番環境では go を使う、という使い分けもよくあります。

具体的なシナリオで比較

📊 シナリオ1：1つの折れ線グラフを作る

例えば、2024年の売上推移を可視化するとします。

✅ px なら1行で完結

df = pd.DataFrame({"月": ["1月", "2月", "3月", "4月"], "売上": [300, 400, 350, 500]})
fig = px.line(df, x="月", y="売上", title="2024年 売上推移")
fig.show()

✅ go なら詳細設定が可能

fig = go.Figure()
fig.add_trace(go.Scatter(x=["1月", "2月", "3月", "4月"], y=[300, 400, 350, 500], mode="lines+markers", name="売上"))
fig.update_layout(title="2024年 売上推移", xaxis_title="月", yaxis_title="売上 (万円)")
fig.show()

📈 シナリオ2：2つの系列を比較する

例えば、「売上」と「利益」の2つのデータを1つのグラフで表示したい場合。

✅ go なら簡単に2系列を追加できる

fig = go.Figure()
fig.add_trace(go.Scatter(x=categories, y=sales, mode="lines", name="売上"))
fig.add_trace(go.Scatter(x=categories, y=[100, 200, 150, 300], mode="lines", name="利益"))
fig.show()

✅ px だとデータを整形する必要がある

df = pd.DataFrame({"月": ["1月", "2月", "3月", "4月"], "売上": sales, "利益": [100, 200, 150, 300]})
df_melted = df.melt(id_vars=["月"], var_name="指標", value_name="値")
fig = px.line(df_melted, x="月", y="値", color="指標", title="売上と利益")
fig.show()