> ## Content Index
> Fetch the complete content index at: https://hub.ku2t-lab.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# 折れ線グラフ（スパゲッティプロット）
- URL: https://hub.ku2t-lab.com/gallery-lineplot2/
- Published: 2025-08-02T06:21:00.000Z
- Updated: 2026-04-03T02:11:06.000Z
- Author: 武田 邦敬
- Tags: ピープルアナリティクス, ギャラリー, Python, 労務管理

折れ線グラフを使ってすべての個体（従業員）のデータを可視化するスパゲッティプロットの例です。すべての個体のデータをプロットすると線が重なってしまいますが、色の透過度を工夫することで全体的な傾向や外れ値・アノマリーを発見することができます。

## 人事データ可視化の例

![スパゲッティプロット](https://storage.googleapis.com/studio-cms-assets/projects/G3qbJAGLqJ/s-889x552_v-fs_webp_e11af0f7-a8bd-4837-b4b2-64f97dd171c9.png)

## 人事データ可視化の狙い

- 従業員別の時間外の推移を確認し、労務管理上の問題を確認する。

## 人事データ可視化アプローチ

### 利用するグラフ

- **折れ線グラフ**： 量的変数の経時的な変化を観察する。

### アプローチ

- 月別に独立した形で時間外が記録される横持ちデータから、縦持ちデータへ変換する。
- 各従業員の時間外時間数の推移を折れ線グラフを用いて可視化する。
- カテゴリカル変数である部の情報で線の色を変えることで、組織別の傾向を把握する。
- 各線の動きから季節変動や周期性、上昇・下降トレンドがないか確認する。
- 全体の動きと比較し、特異な動き方をしているデータはないか確認する。

## グラフの書き方

- Pythonのseaborn.lineplotを使った可視化例。

```python
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
import japanize_matplotlib
import seaborn as sns

sns.set_theme(style='darkgrid')
japanize_matplotlib.japanize()

# データの読み込み
df_ot = pd.read_csv('./hr-toydata-overtime-600.csv')
df_hr = pd.read_csv('./hr-toydata-basic-600.csv')

# 縦持ちへ変換
df_long = pd.DataFrame(df_ot.set_index(['従業員ID','年度']).stack()).reset_index()
df_long.columns = ['従業員ID','年度','月','時間外時間数']

# 日付型の年月を追加
df_long['月'] = df_long['月'].str.replace('月', '').astype(int)
df_long['年'] = df_long['年度'].mask(df_long['月'] <= 3, df_long['年度'] + 1)
df_long['年月'] = pd.to_datetime(df_long['年'].astype(str) + '-' + df_long['月'].astype(str))

# 人事情報との結合
df = pd.merge(df_long, df_hr, on='従業員ID')

# グラフ
fig, ax = plt.subplots(figsize=(9,6))
sns.lineplot(data=df, x='年月', y='時間外時間数', hue='所属', units='従業員ID', alpha=.8, estimator=None, ax=ax)
ax.set_title('従業員別 時間外時間数の推移')
ax.legend(loc='upper left', bbox_to_anchor=(1, 1), title='所属')
```

## この記事で使ったデータ

以下のページでデータを配布しています。

[人事トイデータの公開こちらのページでは、クニラボで作成した人事トイデータを公開しています。 トイデータとは？ トイデータ(Toy Data)とは、演習用に使えるリアルでないデータのことをいいます。データ分析や機械学習のライブラリに附属する場合もあり、手元にデータがなくてもそのライブラリをすぐに試せるのが利点です。 人事データ分析の演習にご活用ください ピープルアナリティクスを学んでみたいが手元に良いデータがない、という方も多いのではないでしょうか。人事データは個人情報を含むため、ピープルアナリティクスプロジェクトの正式なメンバーでないと触ることができません。 そこで、演習用にデータを自作しGoogleドライブより公開しています。これまでも代表のnote記事の中でリンクを張っていたのですが、複数の記事で利用するためこのページを作りました。 \* 2023/11/29追記 「HRトイデータ\_人事情報\_拡張版.csv 」を追加しました。 \* 2024/3/23追記 「HRトイデータ\_月別時間外.csv 」を追加しました。 \* 2024/11/18追記 「HRトイデータ\_エンゲージメントスコア![](https://storage.ghost.io/c/54/85/548553f8-0bec-43c7-af9d-5c0a5fe9f73b/content/images/icon/----------------5.png)People Analytics Idea HUB武田 邦敬![](https://storage.ghost.io/c/54/85/548553f8-0bec-43c7-af9d-5c0a5fe9f73b/content/images/thumbnail/23-1-1.png)](https://hub.ku2t-lab.com/toydata-for-people-analytics/)