熬夜整理的资料：分享Python数据可视化图表代码和案例给大家

你的名字 2023-03-13 02:07 11阅读 0赞

**前言**

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

闲话不多说，直接上干货

**1华夫饼图**

waffle可以使用该pywaffle软件包创建该图表，并用于显示较大人群中各组的组成。

![熬夜整理的资料：分享Python数据可视化图表代码和案例给大家][Python]

#! pip install pywaffle
    # Reference: https://stackoverflow.com/questions/41400136/how-to-do-waffle-charts-in-python-square-piechart
    from pywaffle import Waffle
    
    # Import 
    df_raw = pd.read_csv("data/mpg_ggplot2.csv")
    
    # Prepare Data
    df = df_raw.groupby('class').size().reset_index(name='counts')
    n_categories = df.shape[0]
    colors = [plt.cm.inferno_r(i/float(n_categories)) for i in range(n_categories)]
    
    # Draw Plot and Decorate
    fig = plt.figure(
        FigureClass=Waffle,
        plots={
            '111': {
                'values': df['counts'],
                'labels': ["{0} ({1})".format(n[0], n[1]) for n in df[['class', 'counts']].itertuples()],
                'legend': {'loc': 'upper left', 'bbox_to_anchor': (1.05, 1), 'fontsize': 12},
                'title': {'label': '# Vehicles by Class', 'loc': 'center', 'fontsize':18}
            },
        },
        rows=7,
        colors=colors,
        figsize=(16, 9)
    )

![熬夜整理的资料：分享Python数据可视化图表代码和案例给大家][Python 1]

#! pip install pywaffle
    from pywaffle import Waffle
    
    # Import
    # df_raw = pd.read_csv("data/mpg_ggplot2.csv")
    
    # Prepare Data
    # By Class Data
    df_class = df_raw.groupby('class').size().reset_index(name='counts_class')
    n_categories = df_class.shape[0]
    colors_class = [plt.cm.Set3(i/float(n_categories)) for i in range(n_categories)]
    
    # By Cylinders Data
    df_cyl = df_raw.groupby('cyl').size().reset_index(name='counts_cyl')
    n_categories = df_cyl.shape[0]
    colors_cyl = [plt.cm.Spectral(i/float(n_categories)) for i in range(n_categories)]
    
    # By Make Data
    df_make = df_raw.groupby('manufacturer').size().reset_index(name='counts_make')
    n_categories = df_make.shape[0]
    colors_make = [plt.cm.tab20b(i/float(n_categories)) for i in range(n_categories)]
    
    
    # Draw Plot and Decorate
    fig = plt.figure(
        FigureClass=Waffle,
        plots={
            '311': {
                'values': df_class['counts_class'],
                'labels': ["{1}".format(n[0], n[1]) for n in df_class[['class', 'counts_class']].itertuples()],
                'legend': {'loc': 'upper left', 'bbox_to_anchor': (1.05, 1), 'fontsize': 12, 'title':'Class'},
                'title': {'label': '# Vehicles by Class', 'loc': 'center', 'fontsize':18},
                'colors': colors_class
            },
            '312': {
                'values': df_cyl['counts_cyl'],
                'labels': ["{1}".format(n[0], n[1]) for n in df_cyl[['cyl', 'counts_cyl']].itertuples()],
                'legend': {'loc': 'upper left', 'bbox_to_anchor': (1.05, 1), 'fontsize': 12, 'title':'Cyl'},
                'title': {'label': '# Vehicles by Cyl', 'loc': 'center', 'fontsize':18},
                'colors': colors_cyl
            },
            '313': {
                'values': df_make['counts_make'],
                'labels': ["{1}".format(n[0], n[1]) for n in df_make[['manufacturer', 'counts_make']].itertuples()],
                'legend': {'loc': 'upper left', 'bbox_to_anchor': (1.05, 1), 'fontsize': 12, 'title':'Manufacturer'},
                'title': {'label': '# Vehicles by Make', 'loc': 'center', 'fontsize':18},
                'colors': colors_make
            }
        },
        rows=9,
        figsize=(16, 14)
    )

**2 饼图**

饼图是显示组组成的经典方法。但是，如今一般不建议使用它，因为馅饼部分的面积有时可能会引起误解。因此，如果要使用饼图，强烈建议明确写下饼图各部分的百分比或数字。

![熬夜整理的资料：分享Python数据可视化图表代码和案例给大家][Python 2]

# Import
    df_raw = pd.read_csv("data/mpg_ggplot2.csv")
    
    # Prepare Data
    df = df_raw.groupby('class').size()
    
    # Make the plot with pandas
    df.plot(kind='pie', subplots=True, figsize=(8, 8), dpi= 80)
    plt.title("Pie Chart of Vehicle Class - Bad")
    plt.ylabel("")
    plt.show()

![熬夜整理的资料：分享Python数据可视化图表代码和案例给大家][Python 3]

# Import
    df_raw = pd.read_csv("data/mpg_ggplot2.csv")
    
    # Prepare Data
    df = df_raw.groupby('class').size().reset_index(name='counts')
    
    # Draw Plot
    fig, ax = plt.subplots(figsize=(12, 7), subplot_kw=dict(aspect="equal"), dpi= 80)
    
    data = df['counts']
    categories = df['class']
    explode = [0,0,0,0,0,0.1,0]
    
    def func(pct, allvals):
        absolute = int(pct/100.*np.sum(allvals))
        return "{:.1f}% ({:d} )".format(pct, absolute)
    
    wedges, texts, autotexts = ax.pie(data, 
                                      autopct=lambda pct: func(pct, data),
                                      textprops=dict(color="w"), 
                                      colors=plt.cm.Dark2.colors,
                                     startangle=140,
                                     explode=explode)
    
    # Decoration
    ax.legend(wedges, categories, title="Vehicle Class", loc="center left", bbox_to_anchor=(1, 0, 0.5, 1))
    plt.setp(autotexts, size=10, weight=700)
    ax.set_title("Class of Vehicles: Pie Chart")
    plt.show()

**3 树状图**

树形图类似于饼形图，并且可以更好地完成工作，而不会误导每个组的贡献。

![熬夜整理的资料：分享Python数据可视化图表代码和案例给大家][Python 4]

# pip install squarify
    import squarify 
    
    # Import Data
    df_raw = pd.read_csv("data/mpg_ggplot2.csv")
    
    # Prepare Data
    df = df_raw.groupby('class').size().reset_index(name='counts')
    labels = df.apply(lambda x: str(x[0]) + "\n (" + str(x[1]) + ")", axis=1)
    sizes = df['counts'].values.tolist()
    colors = [plt.cm.Spectral(i/float(len(labels))) for i in range(len(labels))]
    
    # Draw Plot
    plt.figure(figsize=(12,8), dpi= 80)
    squarify.plot(sizes=sizes, label=labels, color=colors, alpha=.8)
    
    # Decorate
    plt.title('Treemap of Vechile Class')
    plt.axis('off')
    plt.show()

**4 条形图**

条形图是一种基于计数或任何给定指标可视化项目的经典方法。在下面的图表中，我为每个项目使用了不同的颜色，但是您通常可能希望为所有项目选择一种颜色，除非您按组对它们进行着色。颜色名称存储在all\_colors下面的代码中。您可以通过在中设置color参数来更改条形的颜色。

![熬夜整理的资料：分享Python数据可视化图表代码和案例给大家][Python 5]

import random
    
    # Import Data
    df_raw = pd.read_csv("data/mpg_ggplot2.csv")
    
    # Prepare Data
    df = df_raw.groupby('manufacturer').size().reset_index(name='counts')
    n = df['manufacturer'].unique().__len__()+1
    all_colors = list(plt.cm.colors.cnames.keys())
    random.seed(100)
    c = random.choices(all_colors, k=n)
    
    # Plot Bars
    plt.figure(figsize=(16,10), dpi= 80)
    plt.bar(df['manufacturer'], df['counts'], color=c, width=.5)
    for i, val in enumerate(df['counts'].values):
        plt.text(i, val, float(val), horizontalalignment='center', verticalalignment='bottom', fontdict={'fontweight':500, 'size':12})
    
    # Decoration
    plt.gca().set_xticklabels(df['manufacturer'], rotation=60, horizontalalignment= 'right')
    plt.title("Number of Vehicles by Manaufacturers", fontsize=22)
    plt.ylabel('# Vehicles')
    plt.ylim(0, 45)
    plt.show()

欢迎点击左上角关注小编，除了分享技术文章之外还有很多福利，私信学习资料可以领取包括不限于Python实战演练、PDF电子文档、面试集锦、学习资料等。

[Python]: /images/20230312/a883aedfab124a0c9cc1e10d641881ac.png
[Python 1]: /images/20230312/b6b03d8515ec4c65a5de21f8f13b001a.png
[Python 2]: /images/20230312/06c52c91e8ac46b78a441a1fdf731e3d.png
[Python 3]: /images/20230312/e70c7dedb51c4df38dbb961a5297ac26.png
[Python 4]: /images/20230312/c07b74417b1f4c4f8db28ac8d73e5b74.png
[Python 5]: /images/20230312/1b1ba3dec6b846e8877e7c17c6fbc43d.png