Matplotlibで円グラフを作る（ポートフォリオのセクター分散）

1. この記事のゴールと連載の位置づけ

本記事は「Python経験者が、自分の投資ポートフォリオを管理・可視化するアプリを作る」連載の第7回です。第4回のPythonで保有銘柄の損益を計算する（pandas）で、銘柄ごとの評価額（market_value）が並んだ損益一覧まで作りました。第5回・第6回はその数字を時系列のグラフにしてきましたが、今回は角度を変えます。「いま持っているものが、どんな種類に偏っているのか」を1枚で見る円グラフです。

銘柄名が並んだ表は、増えるほど読めなくなります。20行の表を眺めて「自分は何に賭けているのか」を言葉にできる人は多くありません。同じデータでもセクター（業種）でまとめて円グラフにすると、構成が一目で言えるようになります。今回作る部品は第13回のダッシュボードにそのまま載せる想定です。

円グラフは pie() を1行呼べば描けます。この記事が扱うのはその先——カテゴリが多くて潰れる／小さいスライスのラベルが重なる／データが欠損しているという、手を動かすと必ず出る問題です。

2. 材料をそろえる（評価額とセクター）

円グラフの材料は「カテゴリ」と「数値」の2列だけ。今回はカテゴリがセクター、数値が評価額です。

第4回の損益一覧は架空の識別子（ALPHA・BETA・GAMMA）で作りました。今回はセクターを実際に取得したいので、ティッカーを実在の銘柄コードに置き換えます。数量は引き続き架空です。評価額は「保有数量 × 現在値」で、現在値の取得は第1回のyfinanceで株価データを取得すると同じやり方です。

import pandas as pd
import yfinance as yf

# 保有数量はすべて架空。銘柄コードは実在のもの（分散の様子を作るため業種を散らしてある）
holdings = {
    "7203.T": 300, "6758.T": 200, "8306.T": 400, "9432.T": 3000,
    "4568.T": 100, "6501.T": 100, "9983.T": 10, "1306.T": 500,
}

def fetch_close(ticker):
    """直近の終値を1つ返す（第1回で作った取得処理の簡易版）。"""
    hist = yf.Ticker(ticker).history(period="5d", auto_adjust=False)
    return float(hist["Close"].iloc[-1])

positions = pd.DataFrame(
    [{"ticker": t, "qty": q, "price": fetch_close(t)} for t, q in holdings.items()]
)
positions["market_value"] = positions["qty"] * positions["price"]
print(positions.to_string(index=False))
print("\n評価額の合計:", f"{positions['market_value'].sum():,.0f} 円")

ticker  qty   price  market_value
7203.T  300  3156.0      946800.0
6758.T  200  4016.0      803200.0
8306.T  400  3680.0     1472000.0
9432.T 3000   172.5      517500.0
4568.T  100  2848.0      284800.0
6501.T  100  5438.0      543800.0
9983.T   10 72450.0      724500.0
1306.T  500   433.5      216750.0

評価額の合計: 5,509,350 円

8銘柄で約550万円ぶんの架空ポートフォリオができました。最後の 1306.T だけはETF——これが3章のトラブルメーカーです。

セクターは yfinance から取る（詳細は番外編へ）

カテゴリ側は Ticker.info の sector から取れます。ただしこの取得はそれ自体が落とし穴の塊——ETFでは KeyError になり、返る分類名はGICSではなく、ETFの中身を見るには別のAPIが要ります。長くなるので番外編yfinanceでセクター情報を取得するに切り出しました。ここでは結論だけ使います。

def fetch_sector(ticker):
    info = yf.Ticker(ticker).info
    return {
        "ticker": ticker,
        "quote_type": info.get("quoteType"),   # ⚠️ info["sector"] だと ETF で KeyError
        "sector": info.get("sector"),
    }

sectors = pd.DataFrame([fetch_sector(t) for t in holdings])
print(sectors.to_string(index=False))

ticker quote_type                 sector
7203.T     EQUITY      Consumer Cyclical
6758.T     EQUITY             Technology
8306.T     EQUITY     Financial Services
9432.T     EQUITY Communication Services
4568.T     EQUITY             Healthcare
6501.T     EQUITY            Industrials
9983.T     EQUITY      Consumer Cyclical
1306.T        ETF                    NaN

7銘柄はセクターが取れ、ETFの行だけ NaN。返る分類名が英語なのは仕様で、日本語にするには自分で対応表を持ちます（7章の完成コードに載せてあります）。この NaN をどう扱うかが次章のテーマです。

3. つまずき実演：欠損で集計が静かに狂う

集計します。ここでいちばん怖いバグが出ます。

sector_map = dict(zip(sectors["ticker"], sectors["sector"]))
positions["sector"] = positions["ticker"].map(sector_map)

by_sector = positions.groupby("sector")["market_value"].sum().sort_values(ascending=False)
print(by_sector.to_string())
print("\n円グラフに渡す合計:", f"{by_sector.sum():,.0f} 円")
print("実際の評価額合計 :", f"{positions['market_value'].sum():,.0f} 円")

sector
Consumer Cyclical         1671300.0
Financial Services        1472000.0
Technology                 803200.0
Industrials                543800.0
Communication Services     517500.0
Healthcare                 284800.0

円グラフに渡す合計: 5,292,600 円
実際の評価額合計 : 5,509,350 円

21万6,750円が消えました。ETF1本ぶんです。エラーは出ません。警告も出ません。groupby() はグループキーが NaN の行を既定で除外するので、黙って集計から落ちるのです。

円グラフは「全体を100%として構成比を見る」図です。そこに渡す全体が、実は全体ではなかった——これは例外で止まってくれるバグより、はるかに厄介です。グラフはきれいに描けてしまい、パーセンテージも合計100%になり、見た目には何の異常もありません。集計したら合計を検算する、というひと手間だけが防波堤になります。

もう1つの壊れ方：ValueError で落ちる

「表示順を毎回同じにしたい」と考えて並び順を固定すると、今度は例外になります。

import matplotlib.pyplot as plt      # 描画はここが初出（4章でも同じものを使います）

# ⚠️ 失敗例：保有していないセクターが NaN になり、pie() に渡せない
ORDER = ["Technology", "Financial Services", "Industrials", "Consumer Cyclical",
         "Communication Services", "Healthcare", "Energy"]
ordered = by_sector.reindex(ORDER)

fig, ax = plt.subplots()
ax.pie(ordered, labels=ordered.index)

ValueError: Wedge sizes must be finite numbers

reindex() は指定した並びに存在しない項目を NaN で埋めます。エネルギーセクターを持っていないので NaN になり、pie() が例外を投げました。並び順を固定するなら .reindex(ORDER).fillna(0) と、欠けた枠を0で埋めてから渡します（0のスライスは描画されません）。

欠損を捨てずにカテゴリへ寄せる

対処は単純で、集計する前に欠損を埋めるだけ。ETFを「ETF・投資信託」という自分用のカテゴリとして立てます。

positions["sector"] = positions["sector"].fillna("ETF・投資信託")
by_sector = positions.groupby("sector")["market_value"].sum().sort_values(ascending=False)
print(by_sector.to_string())
print("合計:", f"{by_sector.sum():,.0f} 円")

sector
Consumer Cyclical         1671300.0
Financial Services        1472000.0
Technology                 803200.0
Industrials                543800.0
Communication Services     517500.0
Healthcare                 284800.0
ETF・投資信託                   216750.0
合計: 5,509,350 円

合計がぴったり 5,509,350円に戻りました。「器」であるETFを1カテゴリとして扱う形です。もう一つ、ETFの中身を11セクターに分解して足し込む道もあり、こちらは番外編yfinanceでセクター情報を取得するで扱っています。中身まで見たいのか、器の単位で管理したいのか——目的で選ぶもので、どちらが正解ということはありません。以降はこの集計結果を使って描画に進みます。

4. Matplotlibで円グラフを描く（pie の基本）

描いてみます。呼び出しはこれだけです。

import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(6, 6))
ax.pie(by_sector, labels=by_sector.index)
ax.set_title("Portfolio by sector")
fig.savefig("sector_basic.png", dpi=100, bbox_inches="tight")

円グラフにはなりました。ただし日本語で付けた「ETF・投資信託」だけが □ に化けています。実行時にはこんな警告が出ていました。

Glyph 12539 (\N{KATAKANA MIDDLE DOT}) missing from font(s) DejaVu Sans.
Glyph 25237 (\N{CJK UNIFIED IDEOGRAPH-6295}) missing from font(s) DejaVu Sans.
（同種の警告が計10件）

Matplotlibの既定フォント（DejaVu Sans）が日本語のグリフを持っていないためで、エラーにならず絵は出てしまうのが厄介なところです。対処は第5回のMatplotlibのグラフで日本語が文字化けして□になるときの対処で手順を通しています。要点は「自分の環境に実在する日本語フォント名を調べて font.family に指定する」の一点です。

フォント・パーセント・開始角度を整える

文字化けを直し、最低限ほしい要素を足します。

SECTOR_JA = {          # yfinance が返す英語名 → 表示用の日本語（全11種類は7章に）
    "Consumer Cyclical": "一般消費財", "Financial Services": "金融",
    "Technology": "テクノロジー", "Industrials": "資本財・産業",
    "Communication Services": "通信サービス", "Healthcare": "ヘルスケア",
}
labels_ja = [SECTOR_JA.get(s, s) for s in by_sector.index]   # 自作カテゴリはそのまま

with plt.rc_context({"font.family": "Meiryo"}):    # 以降のコードに設定を持ち越さない
    fig, ax = plt.subplots(figsize=(6, 6))
    ax.pie(by_sector, labels=labels_ja, autopct="%1.1f%%",
           startangle=90, counterclock=False)
    ax.set_title("セクター別の評価額（架空のポートフォリオ）")
    fig.savefig("sector_jp.png", dpi=100, bbox_inches="tight")

足した引数は3つだけですが、意味は大きいです。

startangle=90 と counterclock=False はセットで覚えると楽です。2つ合わせて「12時から時計回り」になり、大きい順に並べたデータなら人が読む順序と一致します。

5. Matplotlib 3.11で pie() の戻り値が変わった

ネット上のサンプルを写経すると、ここで説明と実物が食い違います。多くの記事は「pie() はタプルを返す」と書きますが、3.11から返るのは PieContainer というオブジェクトです。検証環境の matplotlib 3.11.1・Axes.pie の docstring（matplotlib/axes/_axes.py）にも versionchanged:: 3.11 として「以前はタプルで返していた」と明記されています（公式リファレンス）。

fig, ax = plt.subplots(figsize=(6, 6))
result = ax.pie(by_sector, labels=labels_ja, autopct="%1.1f%%")

print(type(result))
print("wedges:", len(result.wedges))
print("values:", result.values)
print("fracs :", result.fracs.round(4))

<class 'matplotlib.container.PieContainer'>
wedges: 7
values: [1671300. 1472000.  803200.  543800.  517500.  284800.  216750.]
fracs : [0.3034 0.2672 0.1458 0.0987 0.0939 0.0517 0.0393]

これは実は便利になっています。values（元の数値）と fracs（構成比）を後から取り出せるので、凡例に構成比を書くとき自分で割り算し直す必要がありません。

互換性はどうかというと、従来のアンパックはそのまま動きます。

wedges, texts, autotexts = ax.pie(by_sector, labels=labels_ja, autopct="%1.1f%%")
print(len(wedges), len(texts), len(autotexts))
print(type(wedges[0]).__name__, type(texts[0]).__name__, type(autotexts[0]).__name__)

7 7 7
Wedge Text Text

既存のコードは書き換え不要です。ただしタプルのつもりで扱うと転ぶ場所が2つあります。

try:
    len(result)
except TypeError as e:
    print("len():", e)

print("result.texts:", type(result.texts).__name__,
      "外側", len(result.texts), "／内側", [len(x) for x in result.texts])

len(): object of type 'PieContainer' has no len()
result.texts: list 外側 2 ／内側 [7, 7]

1つめ、len() が使えません（TypeError）。戻り値の要素数で分岐しているコードは書き換えが必要です。

2つめ、アンパックで受け取る texts と、属性の result.texts は別物です。属性のほうは「ラベルの一覧」と「autopctの一覧」が入った入れ子のリスト（外側2・内側7ずつ）。for t in result.texts: t.set_fontsize(9) と書くと、テキストではなくリストを操作しようとして失敗します。

6. 読める円グラフにする（集約・ドーナツ・凡例）

4章の図は小さいスライスのラベルが窮屈でした。円グラフが読みにくくなる原因はほぼ2つ——カテゴリが多すぎることと、ラベルを円の中に詰め込みすぎることです。順に潰します。

上位N＋「その他」にまとめる

11分類がすべて出てくると細いスライスが並んで読めません。上位いくつかを残して残りを合算するのが定石です。

def top_n_with_others(s, n=5, other_label="その他"):
    """上位n件を残し、残りを1つに合算する（合計は変わらない）。"""
    s = s.sort_values(ascending=False)
    if len(s) <= n:
        return s
    return pd.concat([s.iloc[:n], pd.Series({other_label: s.iloc[n:].sum()})])

print(top_n_with_others(by_sector, n=5).to_string())

Consumer Cyclical         1671300.0
Financial Services        1472000.0
Technology                 803200.0
Industrials                543800.0
Communication Services     517500.0
その他                        501550.0

ポイントは合算であって切り捨てではないことです。円グラフで全体が全体でなくなるのは致命的なので、減らすときは必ず「その他」に足します。

ドーナツにして、実額は凡例に逃がす

ラベルの窮屈さは円の中に置く情報を減らすと解決します。スライスにはパーセントだけを置き、セクター名と実額は凡例へ。ドーナツ形にすると中央が空くので、そこに合計を置けます。

total = float(by_sector.sum())
labels = [f"{SECTOR_JA.get(s, s)}　{v:,.0f}円" for s, v in by_sector.items()]

with plt.rc_context({"font.family": "Meiryo"}):
    fig, ax = plt.subplots(figsize=(7.4, 5.4))
    result = ax.pie(
        by_sector,
        autopct="%1.1f%%",
        startangle=90,
        counterclock=False,
        pctdistance=0.79,
        wedgeprops={"width": 0.42, "edgecolor": "white", "linewidth": 1.5},
        textprops={"fontsize": 9},
    )
    ax.legend(result.wedges, labels, title="セクター（評価額）",
              loc="center left", bbox_to_anchor=(1.0, 0.5), frameon=False)
    ax.text(0, 0, f"合計\n{total:,.0f}円", ha="center", va="center", fontsize=11)
    ax.set_title("セクター別の評価額（架空のポートフォリオ）")

効いている引数は次の3つです。

ドーナツ化に専用の引数はありません。wedgeprops に width を渡すだけ。

カテゴリをさらに増やすと1%未満のスライスが並び、今度は数字が団子になります。そのときは autopct に関数を渡し、閾値未満は空文字を返して黙らせると読めます（実額は凡例に残るので情報は失われません）。渡した関数はパーセント値を引数に呼ばれ、返した文字列がそのまま描かれるので、出し分けは自由です。

7. 完成コード（関数にまとめる）

ここまでを2つの関数にまとめます。集計する関数と描く関数を分けたのは、集計結果を表として見たい場面（Streamlitの表など）が来るからです。ネットワークなしで動くよう入力は固定値にしています。

"""セクター別の資産配分をドーナツグラフにする。
検証環境: Python 3.12.10 / matplotlib 3.11.1 / pandas 3.0.3（2026-08-31 実行）
"""
import matplotlib.pyplot as plt
import pandas as pd

SECTOR_JA = {
    "Basic Materials": "素材",
    "Communication Services": "通信サービス",
    "Consumer Cyclical": "一般消費財",
    "Consumer Defensive": "生活必需品",
    "Energy": "エネルギー",
    "Financial Services": "金融",
    "Healthcare": "ヘルスケア",
    "Industrials": "資本財・産業",
    "Real Estate": "不動産",
    "Technology": "テクノロジー",
    "Utilities": "公益",
}


def aggregate_by_sector(positions, fallback="ETF・投資信託", top_n=None):
    """評価額をセクター別に集計する。sector が欠損した行は fallback にまとめる。"""
    df = positions.copy()
    df["sector"] = df["sector"].fillna(fallback)        # 欠損を捨てない（合計が狂わない）
    s = df.groupby("sector")["market_value"].sum().sort_values(ascending=False)
    if top_n is not None and len(s) > top_n:
        s = pd.concat([s.iloc[:top_n], pd.Series({"その他": s.iloc[top_n:].sum()})])
    return s


def plot_sector_pie(by_sector, title="セクター別の評価額", font="Meiryo",
                    donut=True, savepath=None):
    """セクター別評価額の Series を円グラフ（既定はドーナツ）にする。"""
    total = float(by_sector.sum())
    labels = [f"{SECTOR_JA.get(s, s)}　{v:,.0f}円" for s, v in by_sector.items()]
    wedgeprops = {"edgecolor": "white", "linewidth": 1.5}
    if donut:
        wedgeprops["width"] = 0.42

    with plt.rc_context({"font.family": font}):
        fig, ax = plt.subplots(figsize=(7.4, 5.4))
        result = ax.pie(
            by_sector,
            autopct="%1.1f%%",
            startangle=90,
            counterclock=False,
            pctdistance=0.79 if donut else 0.62,
            wedgeprops=wedgeprops,
            textprops={"fontsize": 9},
        )
        ax.legend(result.wedges, labels, title="セクター（評価額）",
                  loc="center left", bbox_to_anchor=(1.0, 0.5), frameon=False)
        if donut:
            ax.text(0, 0, f"合計\n{total:,.0f}円", ha="center", va="center", fontsize=11)
        ax.set_title(title)
        if savepath:
            fig.savefig(savepath, dpi=100, bbox_inches="tight")
        return fig, result


if __name__ == "__main__":
    # 第4回の損益一覧と同じ形。数量は架空、終値は2026-08-31時点の実行例
    positions = pd.DataFrame(
        [
            ("7203.T", 300, 3156.0, "Consumer Cyclical"),
            ("6758.T", 200, 4016.0, "Technology"),
            ("8306.T", 400, 3680.0, "Financial Services"),
            ("9432.T", 3000, 172.5, "Communication Services"),
            ("4568.T", 100, 2848.0, "Healthcare"),
            ("6501.T", 100, 5438.0, "Industrials"),
            ("9983.T", 10, 72450.0, "Consumer Cyclical"),
            ("1306.T", 500, 433.5, None),          # ETF は sector が取れない
        ],
        columns=["ticker", "qty", "price", "sector"],
    )
    positions["market_value"] = positions["qty"] * positions["price"]

    by_sector = aggregate_by_sector(positions)
    print(by_sector.to_string())
    print(f"\n合計: {by_sector.sum():,.0f} 円")

    fig, _ = plot_sector_pie(
        by_sector,
        title="セクター別の評価額（架空のポートフォリオ）",
        savepath="sector_pie.png",
    )
    plt.close(fig)

sector
Consumer Cyclical         1671300.0
Financial Services        1472000.0
Technology                 803200.0
Industrials                543800.0
Communication Services     517500.0
Healthcare                 284800.0
ETF・投資信託                   216750.0

合計: 5,509,350 円

出力される sector_pie.png は、6章に載せた完成形の図と同じものです。実データにつなぐときは positions の作り方だけを差し替えます。数量と価格は第4回の損益一覧から、sector は番外編yfinanceでセクター情報を取得するの fetch_sector_info() から取ります。描画側の関数には手を入れずに済みます。

top_n=5 で上位5＋その他に、donut=False で普通の円グラフになります。見せ方を呼び出し側で選べるようにしておくと、ダッシュボードに組み込むときそのまま使えます。

8. つまずきやすいポイントと次につなげる

架空データで動いても、自分のポートフォリオを流し込むと別の問題が出ます。先に共有しておきます。

とくに1行目はグラフが正常に見えてしまうぶん、気づく機会がありません。集計関数の最後に「入力の合計と出力の合計が一致するか」を確かめる1行を入れておくと、この種の事故はまとめて防げます。CSVの読み込みで詰まったら第3回の証券会社のCSVをpandasで読み込むが近道で、引数の網羅的な確認は公式の Axes.pie リファレンスが確実です。他のライブラリと合わせて全体像をつかむならPythonライブラリ一覧もどうぞ。

次につなげる：可視化の部はここまで

第5回のローソク足、第6回の対話的なグラフ、そして今回の円グラフで、連載の可視化フェーズ（第5〜7回）は一区切りです。いずれも第4回の損益一覧をそのまま材料にできます。続く第8回が配当金管理ツールを作る（tkinter × SQLite）——今度はデータを貯める側で、配当をGUIで入力してSQLiteに記録し、銘柄別・月別に集計します。連載の全体像と公開済みの記事は投資×Python シリーズ一覧から辿れます。

9. よくある質問（FAQ）

Matplotlibで円グラフを描くときにつまずきやすい点をまとめました。

Q. 円グラフのラベルが□に文字化けします。どう直せばいいですか？

Matplotlibの既定フォント（DejaVu Sans）が日本語のグリフを持っていないためで、Glyph 12539 ... missing from font(s) DejaVu Sans. という警告が出ます。plt.rcParams["font.family"] = "Meiryo" のように日本語を含むフォントを指定すれば直ります。使える名前は環境ごとに違うので、matplotlib.font_manager.fontManager.ttflist で実在する名前を確認してください（検証環境の Windows 11 では Meiryo・Yu Gothic・MS Gothic が使えました）。手順は第5回の日本語が文字化けするときの対処にあります。

Q. 円グラフにパーセントと実際の金額を両方表示できますか？

できます。autopct には書式文字列だけでなく関数も渡せます。関数はパーセント値を受け取るので、合計を掛け戻せば金額に復元できる仕組みです。autopct=lambda pct: f"{pct:.1f}%\n{total * pct / 100:,.0f}円" と書けば2行で表示されます。ただしスライスが小さいと文字が重なります。本記事では実額を凡例に逃がし、スライスにはパーセントだけを置きました（6章）。

Q. スライスの順番や向きを固定したいです。

順番は渡すデータの並び順そのままなので sort_values(ascending=False) で並べてから渡します。向きは startangle=90（12時から開始）と counterclock=False（時計回り）の組み合わせが読みやすいでしょう。既定は「3時から反時計回り」で、指定しないと直感と逆になります。reindex() で順序を固定するなら、該当データが無い項目が NaN になり ValueError で落ちるため .fillna(0) を続けてください。

Q. 色を自分で指定できますか？ 実行のたびに色が変わって困ります。

colors 引数に色のリストを渡せば固定できます。指定しないとその時点のカラーサイクルが使われるため、カテゴリが増減すると同じセクターの色が変わります。時系列で比較する資料なら、セクター名と色の対応表を持ち colors=[color_map[s] for s in by_sector.index] と渡します。

Q. ドーナツグラフにするための引数はどれですか？

専用の引数はありません。wedgeprops={"width": 0.42} のようにスライスの幅を指定すると内側がくり抜かれ、ドーナツになります（width は matplotlib.patches.Wedge に渡され、外半径から内側にその幅ぶんだけを描きます）。中央が空くので ax.text(0, 0, ...) で合計値を置けます。パーセントの文字が穴に落ちる場合は pctdistance を0.75〜0.8に上げてください。

Q. wedges, texts, autotexts = ax.pie(...) は今でも動きますか？

動きます。ただしMatplotlib 3.11で戻り値はタプルから PieContainer オブジェクトに変わりました（公式docstringに versionchanged:: 3.11 の記載あり）。アンパックは後方互換で残っていますが、len() は使えず TypeError: object of type 'PieContainer' has no len() になります。属性 result.texts も入れ子のリストでアンパック時の texts とは形が違うので、要素数は len(result.wedges) で数えてください。

Q. 円グラフの合計が、実際の評価額と合いません。

groupby() がグループキーの欠損した行を既定で除外するのが原因のことが多いです。セクターが取れない銘柄（ETFなど）が混ざるとその行が黙って集計から落ち、例外も警告も出ないまま構成比だけが100%になります。集計前に fillna("ETF・投資信託") でカテゴリを与えるか、groupby(..., dropna=False) を使ってください。取得側の事情は番外編yfinanceでセクター情報を取得するにまとめています。

Q. 円グラフで見たときにセクターが偏っていたら、リスクが高いということですか？

この記事はその判断には踏み込みません。円グラフが示すのは「いま自分の評価額がどう配分されているか」という事実であって、それが良いか悪いかの評価ではありません。同じ配分でも、目的・投資期間・他に持っている資産・その人の事情によって意味はまったく変わります。当サイトは投資助言業の登録を行っておらず、配分の是非についてはお答えできません。この記事の目的は、判断材料を自分の手で正しく作れるようになること——とくに3章で見たように、集計が静かに狂ったまま気づかない状態を避けることです。

本記事は、生成AIを活用して下書きし、運営者が内容を確認・編集したうえで公開しています。掲載しているコード・出力・グラフ画像は Python 3.12.10 / matplotlib 3.11.1 / yfinance 1.4.1 / pandas 3.0.3 / NumPy 2.4.6 で実際に実行して確認したものです。銘柄コードと株価は実在のものですが保有数量はすべて架空で、取得した値は2026年8月31日時点の実行例です。本記事は描画技術の情報提供を目的としたもので、特定の銘柄の売買・投資手法・資産配分を推奨するものではありません。投資判断はご自身の責任で行ってください。AIの利用方針は免責事項をご覧ください。