Python数据可视化科技图表绘制系列教程（四）
目录
带基线的棒棒糖图1
带基线的棒棒糖图2
带标记的棒棒糖图
哑铃图1
哑铃图2
包点图1
包点图2
雷达图1
雷达图2
交互式雷达图
【声明】：未经版权人书面许可，任何单位或个人不得以任何形式复制、发行、出租、改编、汇编、传播、展示或利用本博客的全部或部分内容，也不得在未经版权人授权的情况下将本博客用于任何商业目的。但版权人允许个人学习、研究、欣赏等非商业性用途的复制和传播。非常推荐大家学习《Python数据可视化科技图表绘制》这本书籍。
带基线的棒棒糖图1
import matplotlib.pyplot as plt import numpy as np # 生成数据 x = np.linspace(0, 2 * np.pi, 100) # 生成100个从0到2π的等间隔数据 y = np.sin(x) + np.random.uniform(size=len(x)) - 0.2 # 根据正弦函数生成y值，并添加一些随机噪声 my_color = np.where(y >= 0, 'orange', 'skyblue') # 根据y的正负确定颜色 plt.vlines(x=x, ymin=0, ymax=y, color=my_color, alpha=0.4) # 绘制垂直柱状图 plt.scatter(x, y, color=my_color, s=1, alpha=1) # 绘制散点图 # 添加标题和坐标轴标签 plt.title("Evolution of the value of ...", loc='left') # 设置标题左对齐 plt.xlabel('Value of the variable') # x轴标签 plt.ylabel('Group') # y轴标签 # 保存图片 plt.savefig('P109带基线的棒棒糖图1.png', dpi=600, transparent=True) plt.show()带基线的棒棒糖图2
import matplotlib.pyplot as plt import numpy as np # 创建数据 np.random.seed(19781101) # 固定随机种子，以便结果可复现 values = np.random.uniform(size=80) # 生成80个0到1之间的随机数 positions = np.arange(len(values)) # 生成与values长度相同的位置数组 plt.figure(figsize=(10, 6)) # 创建图形窗口大小 # 使用`bottom`参数自定义位置 plt.subplot(2, 2, 1) # 创建一个2x2的子图矩阵，并选择第1个子图 plt.stem(values, markerfmt=' ', bottom=0.5) # 绘制棒棒糖图，设置基线位置 plt.title("Custom Bottom") # 设置子图标题 # 隐藏基线 plt.subplot(2, 2, 2) # 选择第2个子图 (markers, stemlines, baseline) = plt.stem(values) # 获取stem图的组件 plt.setp(baseline, visible=False) # 隐藏基线 plt.title("Hide Baseline") # 设置子图标题 # 隐藏基线-第二种方法 plt.subplot(2, 2, 3) # 选择第3个子图 plt.stem(values, basefmt=" ") # 绘制棒棒糖图，设置基线格式为空 plt.title("Hide Baseline-Method 2") # 设置子图标题 # 自定义基线的颜色和线型 plt.subplot(2, 2, 4) # 选择第4个子图 (markers, stemlines, baseline) = plt.stem(values) # 获取棒棒糖图的组件 plt.setp(baseline, linestyle="-", color="grey", linewidth=6) # 设置基线的颜色、线型和线宽 plt.title("Custom Baseline Color and Style") # 设置子图标题 plt.tight_layout() # 自动调整子图布局 # 保存图片时自动调整边界 plt.savefig('P111带基线的棒棒糖图2.png', dpi=600, bbox_inches='tight', transparent=True) plt.show()带标记的棒棒糖图
import pandas as pd import matplotlib.pyplot as plt import matplotlib.patches as patches df = pd.read_csv(r"E:\PythonProjects\experiments_figures\绘图案例数据\mtcars1.csv") # 读取数据 # 提取'mpg'列作为x变量，并计算其标准化值 x = df.loc[:, ['mpg']] df['mpg_z'] = (x - x.mean()) / x.std() df['colors'] = 'black' # 设置所有点的颜色为黑色 # 为'Fiat X1-9'设置不同的颜色 df.loc[df.cars == 'Fiat X1-9', 'colors'] = 'darkorange' # 根据'mpg_z'列的值对数据进行排序 df.sort_values('mpg_z', inplace=True) df.reset_index(inplace=True) plt.figure(figsize=(14, 12), dpi=80) # 绘制图形 plt.hlines(y=df.index, xmin=0, xmax=df.mpg_z, color=df.colors, alpha=0.4, linewidth=1) # 绘制水平线 # 绘制散点图，并为'Fiat X1-9'设置不同的大小 plt.scatter(df.mpg_z, df.index, color=df.colors, s=[600 if x == 'Fiat X1-9' else 300 for x in df.cars], alpha=0.6) plt.yticks(df.index, df.cars) # 设置y轴刻度标签 plt.xticks(fontsize=12) # 设置x轴刻度字体大小 # 添加注释 plt.annotate('Mercedes Models', xy=(0.0, 11.0), xytext=(1.0, 11), xycoords='data', fontsize=15, ha='center', va='center', bbox=dict(boxstyle='square', fc='firebrick'), arrowprops=dict(arrowstyle='-[,widthB=2.0,lengthB=1.5', lw=2.0, color='steelblue'), color='white') # 添加补丁 p1 = patches.Rectangle((-2.0, -1), width=0.3, height=3, alpha=0.2, facecolor='red') p2 = patches.Rectangle((1.5, 27), width=0.8, height=5, alpha=0.2, facecolor='green') plt.gca().add_patch(p1) plt.gca().add_patch(p2) # 图形修饰 plt.title('Diverging Bars of Car Mileage', fontdict={'size': 20}) # 设置标题 plt.grid(linestyle='--', alpha=0.5) # 添加网格线 # 保存图片时自动调整边界 plt.savefig('P112带标记的棒棒糖图.png', dpi=600, bbox_inches='tight', transparent=True) plt.show()哑铃图1
import numpy as np import pandas as pd import matplotlib.pyplot as plt # 创建一个DataFrame value1 = np.random.uniform(size=20) # 生成第一组随机数 value2 = value1 + np.random.uniform(size=20) / 4 # 生成第二组随机数，基于第一组数据并加上一定随机量 df = pd.DataFrame({ 'group': list(map(chr, range(65, 85))), # 创建从A到T的组标签 'value1': value1, 'value2': value2 }) # 按照第一组值的大小对DataFrame进行排序 ordered_df = df.sort_values(by='value1') my_range = range(1, len(df.index) + 1) # 创建一个范围，用于y轴坐标 # 使用hlines函数绘制水平线图 plt.hlines(y=my_range, xmin=ordered_df['value1'], xmax=ordered_df['value2'], color='grey', alpha=0.4) # 绘制水平线 plt.scatter(ordered_df['value1'], my_range, color='skyblue', alpha=1, label='value1') # 绘制value1的散点图 plt.scatter(ordered_df['value2'], my_range, color='green', alpha=0.4, label='value2') # 绘制value2的散点图 plt.legend() # 显示图例 # 添加标题和坐标轴名称 plt.yticks(my_range, ordered_df['group']) # 设置y轴标签和坐标 plt.title("Comparison of the value 1 and the value 2", loc='left') # 设置标题 plt.xlabel('Value of the variables') # 设置x轴标签 plt.ylabel('Group') # 设置y轴标签 # 保存图片时自动调整边界 plt.savefig('P114哑铃图1.png', dpi=600, bbox_inches='tight', transparent=True) plt.show()哑铃图2
import pandas as pd import matplotlib.pyplot as plt import matplotlib.lines as mlines # 导入线段模块 df = pd.read_csv(r"E:\PythonProjects\experiments_figures\绘图案例数据\health.csv") # 导入数据 # 按 2014 年的数据进行排序 df.sort_values('pct_2014', inplace=True) df.reset_index(inplace=True) # 绘制线段的函数 def newline(p1, p2, color='black'): ax = plt.gca() # 获取当前坐标轴 l = mlines.Line2D([p1[0], p2[0]], [p1[1], p2[1]], color='skyblue') # 创建线段对象 ax.add_line(l) # 添加线段到坐标轴 return l # 创建图形和轴 fig, ax = plt.subplots(1, 1, figsize=(8, 5), facecolor='#f7f7f7', dpi=600) # 绘制垂直的参考线 # 绘制垂直的参考线，用于标记百分比位置 ax.vlines(x=.05, ymin=0, ymax=26, color='black', alpha=1, linewidth=1, linestyles='dotted') ax.vlines(x=.10, ymin=0, ymax=26, color='black', alpha=1, linewidth=1, linestyles='dotted') ax.vlines(x=.15, ymin=0, ymax=26, color='black', alpha=1, linewidth=1, linestyles='dotted') ax.vlines(x=.20, ymin=0, ymax=26, color='black', alpha=1, linewidth=1, linestyles='dotted') # 绘制 2013 年和 2014 年的点 # 使用散点图绘制 2013 年和 2014 年的数据点 ax.scatter(y=df['index'], x=df['pct_2013'], s=50, color='#0e668b', alpha=0.7, label='2013') # 绘制 2013 年数据点 ax.scatter(y=df['index'], x=df['pct_2014'], s=50, color='#a3c4dc', alpha=0.7, label='2014') # 绘制 2014 年数据点 # 绘制线段 # 使用for循环遍历DataFrame的每一行，并绘制相应的线段 for i, p1, p2 in zip(df['index'], df['pct_2013'], df['pct_2014']): newline([p1, i], [p2, i]) # 调用函数绘制线段 # 图形修饰 # 设置图形的背景颜色和标题 ax.set_facecolor('#f7f7f7') ax.set_title("Dumbbell Chart:Pct Change-2013 vs 2014", fontdict={'size': 16}) # 设置标题 ax.set(xlim=(0, .25), ylim=(-1, 27), ylabel='Index', xlabel='Percentage') # 设置坐标轴的范围和标签 ax.set_xticks([.05, .1, .15, .20]) # 设置x轴刻度位置 ax.set_xticklabels(['5%', '10%', '15%', '20%']) # 设置x轴刻度标签 ax.legend() # 显示图例 # 保存图片时自动调整边界 plt.savefig('P115哑铃图2.png', dpi=600, bbox_inches='tight', transparent=True) plt.show()包点图1
import pandas as pd import matplotlib.pyplot as plt df_raw = pd.read_csv(r"E:\PythonProjects\experiments_figures\绘图案例数据\mpg_ggplot2.csv") # 读取数据 # 按制造商分组，并计算每个制造商的平均城市里程 df = df_raw[['cty', 'manufacturer']].groupby('manufacturer').apply( lambda x: x.mean()) # 按城市里程排序数据 df.sort_values('cty', inplace=True) df.reset_index(inplace=True) fig, ax = plt.subplots(figsize=(8, 5), dpi=600) # 绘图 # 使用hlines绘制水平线条，代表每个制造商 ax.hlines(y=df.index, xmin=11, xmax=26, color='gray', alpha=0.7, linewidth=1, linestyles='dashdot') # 使用scatter绘制点，点的位置表示城市里程 ax.scatter(y=df.index, x=df.cty, s=75, color='firebrick', alpha=0.7) # 设置标题、标签、刻度和x轴范围 ax.set_title('Dot Plot for Highway Mileage', fontdict={'size': 16}) # 设置标题 ax.set_xlabel('Miles Per Gallon') # 设置横轴标签 ax.set_yticks(df.index) # 设置纵轴刻度 ax.set_yticklabels(df.manufacturer.str.title(), fontdict={ 'horizontalalignment': 'right'}) # 设置纵轴标签 ax.set_xlim(10, 27) # 设置x轴范围 # 保存图片时自动调整边界 plt.savefig('P117包点图1.png', dpi=600, bbox_inches='tight', transparent=True) plt.show()包点图2
# 导入必要的库 import pandas as pd import matplotlib.pyplot as plt df = pd.read_csv(r"E:\PythonProjects\experiments_figures\绘图案例数据\mtcars1.csv") # 读取数据 # 提取'mpg'列作为x变量，并计算其标准化值 x = df.loc[:, ['mpg']] df['mpg_z'] = (x - x.mean()) / x.std() # 根据'mpg_z'列的值确定颜色 df['colors'] = ['red' if x < 0 else 'darkgreen' for x in df['mpg_z']] df.sort_values('mpg_z', inplace=True) # 根据'mpg_z'列的值对数据进行排序 df.reset_index(inplace=True) # 重置索引 # 绘制图形 plt.figure(figsize=(14, 12), dpi=600) plt.scatter(df.mpg_z, df.index, s=450, alpha=0.6, color=df.colors) # 在每个点上添加'mpg_z'的值作为标签 for x, y, tex in zip(df.mpg_z, df.index, df.mpg_z): t = plt.text(x, y, round(tex, 1), horizontalalignment='center', verticalalignment='center', fontdict={'color': 'white'}) # 轻化边框 plt.gca().spines["top"].set_alpha(0.3) plt.gca().spines["bottom"].set_alpha(0.3) plt.gca().spines["right"].set_alpha(0.3) plt.gca().spines["left"].set_alpha(0.3) plt.yticks(df.index, df.cars) # 设置y轴刻度标签 plt.title('Diverging Dotplot of Car Mileage', fontdict={'size': 20}) # 设置标题 plt.xlabel('$Mileage$') # 设置x轴标签 plt.grid(linestyle='--', alpha=0.5) # 添加网格线 plt.xlim(-2.5, 2.5) # 设置x轴范围 # 保存图片时自动调整边界 plt.savefig('P119包点图2.png', dpi=600, bbox_inches='tight', transparent=True) plt.show()雷达图1
import matplotlib.pyplot as plt import pandas as pd import numpy as np # 设置数据 df = pd.DataFrame({'group': ['A', 'B', 'C', 'D', 'E'], # 五组数据 'var1': [38, 1.5, 30, 4, 29], 'var2': [29, 10, 9, 34, 18], 'var3': [8, 39, 23, 24, 19], 'var4': [7, 31, 33, 14, 33], 'var5': [28, 15, 32, 14, 22]}) # 每组数据的变量 # 获取变量列表 categories = list(df.columns[1:]) N = len(categories) # 通过复制第1个值来闭合雷达图 values = df.loc[0].drop('group').values.flatten().tolist() values += values[:1] # 计算每个变量的角度 angles = [n / float(N) * 2 * np.pi for n in range(N)] angles += angles[:1] # 初始化雷达图 fig, ax = plt.subplots(figsize=(4, 4), subplot_kw=dict(polar=True)) # 绘制每个变量的轴，并添加标签 plt.xticks(angles[:-1], categories, color='grey', size=8) # 添加y轴标签 ax.set_rlabel_position(0) plt.yticks([10, 20, 30], ["10", "20", "30"], color="grey", size=7) plt.ylim(0, 40) ax.plot(angles, values, linewidth=1, linestyle='solid') # 绘制数据 ax.fill(angles, values, 'b', alpha=0.1) # 填充区域 # 保存图片时自动调整边界 plt.savefig('P120雷达图1.png', dpi=600, bbox_inches='tight', transparent=True) plt.show()雷达图2
import matplotlib.pyplot as plt import pandas as pd import numpy as np # 设置数据 df = pd.DataFrame({'group': ['A', 'B', 'C', 'D', 'E'], # 五组数据 'var1': [38, 1.5, 30, 4, 29], 'var2': [29, 10, 9, 34, 18], 'var3': [8, 39, 23, 24, 19], 'var4': [7, 31, 33, 14, 33], 'var5': [28, 15, 32, 14, 22]}) # 每组数据的变量 # ------- 第一部分:创建背景 categories = list(df)[1:] # 列出除了'group'列之外的所有列名 N = len(categories) # 变量的数量 # 计算每个轴在图中的角度（将图分成等份，每个变量对应一个角度） angles = [n / float(N) * 2 * 3.14 for n in range(N)] # 计算角度 angles += angles[:1] # 为了闭合图形，将第1个角度再次添加到列表末尾 # 初始化雷达图 ax = plt.subplot(111, polar=True) # 第1个轴在图的顶部 ax.set_theta_offset(3.14 / 2) ax.set_theta_direction(-1) # 为每个变量添加标签 plt.xticks(angles[:-1], categories) # 设置x轴标签 # 添加y轴标签 ax.set_rlabel_position(0) plt.yticks([10, 20, 30], ["10", "20", "30"], color="grey", size=7) # 设置y轴刻度 plt.ylim(0, 40) # 设置y轴范围 # ------- 第二部分:添加绘图 # 绘制第1个个体 values = df.loc[0].drop('group').values.flatten().tolist() # 获取第一组的值 values += values[:1] # 为了闭合图形，将第1个值再次添加到列表末尾 ax.plot(angles, values, linewidth=1, linestyle='solid', label="group A") # 绘制线条 ax.fill(angles, values, 'b', alpha=0.1) # 填充颜色 # 绘制第2个个体 values = df.loc[1].drop('group').values.flatten().tolist() # 获取第二组的值 values += values[:1] # 为了闭合图形，将第1个值再次添加到列表末尾 ax.plot(angles, values, linewidth=1, linestyle='solid', label="group B") # 绘制线条 ax.fill(angles, values, 'r', alpha=0.1) # 填充颜色 plt.legend(loc='upper right', bbox_to_anchor=(0.1, 0.1)) # 添加图例 # 保存图片时自动调整边界 plt.savefig('P122雷达图2.png', dpi=600, bbox_inches='tight', transparent=True) plt.show()交互式雷达图
import matplotlib.pyplot as plt import pandas as pd # 设置数据 df = pd.DataFrame({'group': ['A', 'B', 'C', 'D'], 'var1': [38, 1.5, 30, 4], 'var2': [29, 10, 9, 34], 'var3': [8, 39, 23, 24], 'var4': [7, 31, 33, 14], 'var5': [28, 15, 32, 14]}) # ------- 第一部分:定义一个函数来绘制数据集中的每一行！ def make_spider(row, title, color): # 变量的数量 categories = list(df)[1:] N = len(categories) # 计算每个轴在图中的角度 angles = [n / float(N) * 2 * 3.14 for n in range(N)] angles += angles[:1] ax = plt.subplot(1, 4, row + 1, polar=True) # 初始化雷达图 # 如果希望第1个轴在顶部： ax.set_theta_offset(3.14 / 2) ax.set_theta_direction(-1) # 为每个变量添加标签 plt.xticks(angles[:-1], categories, color='grey', size=8) # 添加y轴标签 ax.set_rlabel_position(0) plt.yticks([10, 20, 30], ["10", "20", "30"], color="grey", size=7) plt.ylim(0, 40) # 绘制数据 values = df.loc[row].drop('group').values.flatten().tolist() values += values[:1] ax.plot(angles, values, color=color, linewidth=2, linestyle='solid') ax.fill(angles, values, color=color, alpha=0.4) plt.title(title, size=11, color=color, y=1.1) # 添加标题 # ------- 第二部分:将函数应用到所有数据 # 初始化图形 my_dpi = 96 plt.figure(figsize=(1000 / my_dpi, 1000 / my_dpi), dpi=my_dpi) my_palette = plt.colormaps.get_cmap("Set2") # 创建颜色调色板 # 循环绘制雷达图 for row in range(0, len(df.index)): make_spider(row=row, title='group ' + df['group'][row], color=my_palette(row)) # 保存图片时自动调整边界 plt.savefig('P123交互式雷达图.png', dpi=600, bbox_inches='tight', transparent=True) plt.show()