円グラフ

ウィキペディアにおける円グラフについては、「Template:pie chart」をご覧ください。

円グラフ（えんグラフ、英: pie chartまたはcircle chart）とは、丸い図形を扇形に分割し、何らかの構成比率を表したグラフ。円グラフでは、扇形の円弧の長さ（および中心角と面積）は、その扇形で表される量と比例する。扇形を全てあわせると完全な円となる。

一般に世界初の円グラフはウィリアム・プレイフェアの Statistical Breviary（1801年）とされている^[1][2]。

円グラフでは円全体を100%として扇形の面積で構成比を表現する^[3]。データは時計の12時方向から構成比が大きい順に時計回りに並べるのが一般的である^[3]。構成比の小さいものデータは最後にまとめられ「その他」と表示することが多い^[3]。

ここでは、2004年の欧州議会選挙結果を例として説明する。以下の表は各政党の獲得議席数の一覧である。全議席に対するパーセンテージと、そこから計算した（円グラフにするときの）中心角を記している。中心角はパーセンテージに360°をかければよい。

*丸め誤差があるため、合計しても正確に100や360にはならない。

それぞれの中心角は対応する量（ここでは議席数）に比例する。中心角の合計は360°なので、ある量が全体を1としたとき Q で表される場合、その中心角は360Q度になる。この例では、最大政党（EPP）の中心角は135.7°である。割合が 0.377 なので、360°にかけて小数点以下第1位に丸めると 135.7 になる。

円グラフはおそらく最も一般的な統計図表としてビジネスやマスメディアで使われているが、科学や工学の分野ではあまり使われない^[4]。円グラフには批判も多く^[5]、統計学者は円グラフを使用しないことを推奨していることが多い^[6][7]。問題とされているのは、円グラフ内の異なる領域の比較や、複数の円グラフの比較が難しい点である。円グラフは情報提示の方法として効果的な場合もあり、特に（扇形同士の比較ではなく）円グラフ内の扇形と円全体を比較する場合は有効である^[2]。円グラフは扇形が全体の25%や50%となる場合に最も理解しやすいが^[8]、棒グラフなどの他の図や表形式の方が情報提示方法としては適切である。

ベル研究所の研究によると、人間による角度の比較は長さの比較ほど正確ではない。このことは右の図で示すことができる。3つの円グラフとその下にそれぞれ同じデータから描画した棒グラフがある。円グラフでは各領域の大小比較が困難だが、棒グラフでは容易に大小比較できる^[9]。しかし、目的が合計（円全体）と各領域（扇形）の比較で、各領域が全体の25%か50%なら、円グラフの方がわかりやすい。

1つ以上の扇形が円から分離されているグラフ。その部分を目立たせる効果があり、特に小さい部分を目立たせるときによく使われる。

円グラフを3次元で描画したもの。見た目を美しくする目的で使われることが多く、データの読み取りが改善されるわけではない。円盤を斜めから見た状態になるため、データの正確な読み取りはむしろ困難になる。データを表現するのに不要な次元を導入してグラフを描画することは、円グラフだけでなくあらゆるグラフで好ましくないとされている^[10]。

フローレンス・ナイチンゲールは1858年、「鶏頭図（polar area diagram）」「鶏のとさか^[11]」と呼ばれる一種の円グラフを考案した（Nightingale rose diagram とも）。日本語で「鶏頭」と名づけられているのは、その図が掲載された著書をナイチンゲールが "coxcomb"（cockscomb はケイトウの意）と呼んでいたため、図そのものを "coxcomb" と誤って呼ぶようになったことに由来する^[12]。

数量が半径に比例するように描かれるともされるが^[13]、少なくともナイチンゲールの例では面積に比例するように描かれている^[14][15]。一般的な円グラフと異なり、鶏頭図の各領域の中心角は一定である。

ナイチンゲールがこの図を考案したとされているが、もっと早い時期にこれを使った例がある。Léon Lalanne は1843年、32方位での風向の頻度を鶏頭図で表した。1829年、André-Michel Guerry は周期的現象の頻度を鶏頭図で表したものを論文に掲載している。

世界初の円グラフは、1801年に William Playfair が著書 Statistical Breviary に掲載した2つの図とされている^[1][2]。しかし、円グラフがその後すぐに広まったわけではない^[2]。初期の使用例としては1858年に Charles Joseph Minard が描いた地図がある。彼は、地図に三次元的な情報を追加する必要にせまられて円グラフを使用した^[16]。

• 
  William Playfair が著書 Statistical Breviary に掲載した円グラフの1つ。1789年以前のオスマン帝国における人口割合（アジア系、ヨーロッパ系、アフリカ系）
• 
  Minard の円グラフを使った地図。フランス各地からパリに出荷された牛の量を表している。（1858年）

• Cleveland, William S. (1985), The Elements of Graphing Data, Pacific Grove, CA: Wadsworth & Advanced Book Program, ISBN 0-534-03730-5 
• Good, Phillip I; Hardin (2003), Common Errors in Statistics (and How to Avoid Them), Wiley, ISBN 0-471-46068-0 
• Guerry, A.-M. (1829). Tableau des variations météorologique comparées aux phénomènes physiologiques, d'aprés les observations faites à l'obervatoire royal, et les recherches statistique les plus récentes. Annales d'Hygiène Publique et de Médecine Légale , 1 :228-.
• Harris, Robert L. (1999年). Information Graphics: A comprehensive Illustrated Reference. Oxford University Press. ISBN 0-19-513532-6 
• Palsky, Gilles (1996), Des chiffres et des cartes: la cartographie quantitative au XIXè siècle, Paris: Comité des travaux historiques et scientifiques, ISBN 2-7355-0336-4 
• Playfair, William, Commercial and Political Atlas and Statistical Breviary, Cambridge University Press (2005) ISBN 0-521-85554-3.
• Spence, Ian (2005), “No Humble Pie: The Origins and Usage of a statistical Chart”, Journal of Educational and Behavioral Statistics (Winter) 30 (4): 353–368, http://www.psych.utoronto.ca/~spence/Spence%202005.pdf 
• Tufte, Edward (2001), The Visual Display of Quantitative Information, Graphics Press, ISBN 0961392142 
• van Belle, Gerald (2002), Statistical Rules of Thumb, Wiley, ISBN 0471402273 
• Wilkinson, Leland (2005), The Grammar of Graphics (2nd ed.), Springer, ISBN 0-387-24544-8 

ウィキメディア・コモンズには、円グラフに関連するメディアがあります。

• Warning against using pie charts
• Pie Charts, on Edward Tufte's "Ask E.T." forum.
• Polar area diagram, on Edward Tufte's "Ask E.T." forum.

表 話 編 歴 統計学
標本調査	標本 母集団 無作為抽出 層化抽出法
記述統計学	連続データ 位置 平均 算術 幾何 調和 中央値 分位数 順序統計量 最頻値 階級値 分散 範囲 偏差 偏差値 標準偏差 標準誤差 変動係数 決定係数 相関係数 自己相関 共分散 自己共分散 分散共分散行列 百分率 統計的ばらつき モーメント 分散 歪度 尖度 カテゴリデータ 頻度 分割表
推計統計学	仮説検定 パラメトリック t検定 ウェルチのt検定 F検定 Z検定 二項検定 ジャック–ベラ検定 シャピロ–ウィルク検定 分散分析 共分散分析 ノンパラメトリック ウィルコクソンの符号順位検定 マン・ホイットニーのU検定 カイ二乗検定 イェイツのカイ二乗検定 累積カイ二乗検定 フィッシャーの正確確率検定 尤度比検定 G検定 アンダーソン–ダーリング検定 コルモゴロフ–スミルノフ検定 カイパー検定 マンテル検定 コクラン・マンテル・ヘンツェルの統計量 その他 帰無仮説 対立仮説 有意 棄却 区間推定 信頼区間 予測区間 モデル選択基準 AIC BIC WAIC MDL その他 偏り 偏りと分散 過剰適合 推定量 点推定 最尤推定 尤度関数 尤度方程式 最小距離推定 メタアナリシス ブートストラップ法
ベイズ統計学	確率 主観確率 ベイズ確率 事前確率 事後確率 最大事後確率 その他 ベイズ推定 ベイズ因子
相関	相関係数 ピアソンの積率相関係数 スピアマンの順位相関係数 ケンドールの順位相関係数 偏相関係数 その他 自己相関 空間的自己相関 相互相関 交絡変数 相関関係と因果関係 擬似相関 錯誤相関
モデル	一般線形モデル 一般化線形モデル 混合モデル 一般化線形混合モデル
回帰	線形 リッジ回帰 ラッソ回帰 エラスティックネット 非線形 k近傍法 回帰木 ランダムフォレスト ニューラルネットワーク サポートベクター回帰 射影追跡回帰 時系列 自己回帰モデル 自己回帰移動平均モデル ARCHモデル 対移動平均比率法 トレンド定常 傾向推定 共和分 構造変化
分類	線形 線形判別分析 ロジスティック回帰 単純ベイズ分類器 単純パーセプトロン 線形サポートベクターマシン 二次 二次判別分析 非線形 k近傍法 決定木 ランダムフォレスト ニューラルネットワーク サポートベクターマシン ベイジアンネットワーク 隠れマルコフモデル その他 二項分類 多クラス分類 第一種過誤と第二種過誤
教師なし学習	クラスタリング k平均法（k-means++法） DBSCAN 密度推定（英語版） カーネル密度推定（カーネル） その他 主成分分析 独立成分分析 自己組織化写像
統計図表	棒グラフ バイプロット（英語版） 箱ひげ図 管理図 フォレストプロット ヒストグラム 円グラフ Q-Qプロット ランチャート 散布図 幹葉図 バイオリン図 ドットプロット ヒートマップ 階級区分図
生存時間分析	生存時間関数 カプラン＝マイヤー推定量 ログランク検定 故障率 比例ハザードモデル
歴史	統計学の創始者 確率論と統計学の歩み
応用	社会統計学 疫学 生物統計学 系統学 統計力学 計量経済学 機械学習 実験計画法
出版物	統計学に関する学術誌一覧 重要な出版物
全般	統計 頻度主義統計学 統計学および機械学習の評価指標
その他	方向統計学 S言語 R言語 統計検定 社会調査士 JDLA Deep Learning For GENERAL JDLA Deep Learning for ENGINEER 実用数学技能検定 品質管理検定
カテゴリ