可視化ライブラリ図鑑：ECharts / Plotly / matplotlib / D3 / Chart.js を並べて選ぶ

Web ダッシュボード・分析レポート・コーポレートサイトで「グラフをどのライブラリで描くか」は、技術選定の中でも意外と判断が分かれるところです。BI ツール (Tableau / Looker 等) を使う場面もあれば、プロダクトに直接埋め込む可視化は自前実装が必要になります。

本記事では、JavaScript 4 系統 (ECharts / Plotly.js / Chart.js / D3.js) と Python 4 系統 (matplotlib / seaborn / plotly / altair) を並べて、用途・カスタマイズ性・学習コスト・ライセンスで選び方を整理します。

1. 用途別の選び方マップ

2. JavaScript 系の主要ライブラリ

2-1. ECharts (Apache ECharts)

• ライセンス: Apache 2.0 (商用利用無料・無条件)
• 開発元: Apache Software Foundation (元は Baidu 発)
• チャート種類: 40 種類以上 (棒・線・円・サンキー・ヒートマップ・ツリーマップ・3D・地理 etc.)
• 強み: 機能豊富 + パフォーマンス + 対話性 の三拍子。日本語ドキュメントも充実
• 弱み: API が大きく、学習に少し時間がかかる

<div id="chart" style="width:600px;height:400px;"></div><script src="https://cdn.jsdelivr.net/npm/echarts@5/dist/echarts.min.js"></script><script>  const chart = echarts.init(document.getElementById('chart'));  chart.setOption({    title: { text: '月次売上' },    tooltip: {},    xAxis: { data: ['1月', '2月', '3月', '4月'] },    yAxis: {},    series: [{ type: 'bar', data: [120, 150, 180, 210] }],  });</script>

2-2. Chart.js

• ライセンス: MIT (商用利用無条件)
• チャート種類: 8 種類程度 (棒・線・円・ドーナツ・レーダー・極座標・散布図・バブル)
• 強み: 学習コスト最小、ファイルサイズ小、初学者向けの説明が豊富
• 弱み: 高度な可視化 (サンキー・ツリーマップ・ヒートマップ) には別途プラグインが必要
• 向いている: 「コーポレートサイトの簡単な数字グラフ」「管理画面の最小ダッシュボード」

2-3. Plotly.js

• ライセンス: MIT
• チャート種類: 30 種類以上、特に統計系・科学系が充実
• 強み: Python / R / Julia 版と API が共通 (Jupyter エコシステムに統合)、3D / 統計プロットが豊富
• 弱み: ファイルサイズが大きい (~3 MB)、ECharts より動作が重いケースあり
• 向いている: data science 系の Web UI、Streamlit / Dash と組み合わせる場合

2-4. D3.js

• ライセンス: ISC
• 性質: チャート「ライブラリ」ではなく 可視化「ツールキット」。SVG / Canvas を直接操作する低レベル API
• 強み: 完全自由なカスタマイズ、独自表現可能、軽量 (必要なモジュールだけ import 可)
• 弱み: 学習コスト最大、棒グラフ 1 本書くのに数十行必要
• 向いている: NYTimes / FT のようなインフォグラフィクス、研究機関の独自可視化

3. Python 系の主要ライブラリ

3-1. matplotlib

• ライセンス: PSF (Python Software Foundation) — 商用利用 OK
• 性質: Python 可視化のデファクト標準 (1998 年〜)
• 強み: 静的高品質出力 (PNG / SVG / PDF / EPS)、論文・レポート用途で第一選択
• 弱み: 対話性 (ズーム・ホバー) がほぼ無い、デフォルトのスタイルが古い
• 組合せ: seaborn (matplotlib のラッパで美しい統計プロットが書ける) と組合せるのが定石

import matplotlib.pyplot as pltimport seaborn as snsimport pandas as pd
df = pd.DataFrame({    "month": ["1月", "2月", "3月", "4月"],    "sales": [120, 150, 180, 210],})sns.set_theme(style="whitegrid")fig, ax = plt.subplots(figsize=(8, 5))sns.barplot(data=df, x="month", y="sales", ax=ax)ax.set_title("月次売上")fig.savefig("monthly_sales.png", dpi=200, bbox_inches="tight")

3-2. plotly (Python)

• ライセンス: MIT
• 強み: 対話性の標準装備 (ズーム・ホバー・選択)、Jupyter / Streamlit との相性最高
• 弱み: 静的出力 (PNG / PDF) は kaleido / orca などの追加依存が必要
• 向いている: 探索的分析、社内ダッシュボード、Streamlit 等の Web UI

3-3. altair

• ライセンス: BSD
• 性質: 宣言的可視化 (Vega-Lite ベース)。「データ + マッピング」で書く文法
• 強み: 短いコードで複雑なチャート、JSON spec 出力で他ツールから再利用可
• 弱み: 自由度は matplotlib より低い、エコシステムは plotly に劣る
• 向いている: Streamlit との組合せ、宣言的な書き方を好む人

3-4. bokeh

• ライセンス: BSD
• 強み: Web 向けの対話的可視化に特化、bokeh server で簡易ダッシュボードも作れる
• 弱み: plotly と機能が被る、近年は plotly の方が選ばれる傾向
• 向いている: 既存の bokeh 資産を活用したい場合

4. 選定基準の整理

5. ふくふくの推奨

6. 関連記事

• 可視化図鑑シリーズ — 各グラフ種類の使い分け (棒・線・サンキー等)
• Engineering Dashboards シリーズ — 開発組織のダッシュボード構築
• 組織にデータの民主化をもたらす — Streamlit を使った非エンジニア向けの可視化共有

可視化ライブラリは選択肢が多く、案件特性によって最適解が変わります。続編では、ECharts でサンキーダイアグラムを実装する手順、Plotly で Streamlit ダッシュボードを 30 分で作る、D3 で独自インフォグラフィクスを設計する等のハンズオン編を、読者リアクションに応じて随時追加していきます。