用Python绘制专业气泡图：逐行代码详解（学画图第一天）

最新推荐文章于 2025-04-17 10:00:27 发布

葡萄味安慕希

最新推荐文章于 2025-04-17 10:00:27 发布

阅读量1k

点赞数 14

文章标签： python 开发语言

本文链接：https://blog.csdn.net/2401_84301183/article/details/146268692

版权

本文将通过 完整代码分解说明 的方式，手把手教你用Python的Matplotlib库绘制商业级气泡图。每个代码块都包含详细的功能解析，即使零基础也能轻松掌握！

一、环境配置与库导入

1.1 为什么要用这些库？

import matplotlib.pyplot as plt  # 绘图核心库
import numpy as np               # 数值计算支持
import pandas as pd              # 数据结构处理

Matplotlib：Python最基础的绘图库，类似Excel的图表功能但更强大
NumPy：生成模拟数据，进行数值计算
Pandas：结构化数据处理，类似Excel表格操作

二、数据生成详解
2.1 创建模拟数据

np.random.seed(2023)  # 固定随机种子，保证每次生成数据一致
data_size = 30        # 生成30个样本点

# 生成正态分布的销售额数据（均值50万，标准差15万）
x = np.random.normal(50, 15, data_size)

# 生成与销售额相关的利润数据（加入随机波动）
y = x * np.random.uniform(0.8, 1.2, data_size) + np.random.randn(data_size)*10

# 生成市场规模数据（绝对值避免负数）
bubble_size = np.abs(np.random.randn(data_size) * 50) + 10

# 随机生成产品类别标签
categories = np.random.choice(['电子产品', '食品饮料', '服装服饰'], data_size)

参数解析表

参数	作用说明	商业意义
`np.random.normal`	生成正态分布数据	模拟自然分布的销售额数据
`np.random.uniform`	生成均匀分布随机数	模拟利润率波动
`np.random.randn`	生成标准正态分布噪声	模拟市场不确定性因素

三、数据结构化处理

3.1 创建DataFrame

df = pd.DataFrame({
    '销售额（万）': x,      # X轴数据
    '利润（万）': y,        # Y轴数据
    '市场规模': bubble_size, # 气泡大小数据
    '产品类别': categories   # 分类标签数据
})

3.2 颜色编码映射

# 创建类别到数字的映射字典
color_mapping = {'电子产品': 0, '食品饮料': 1, '服装服饰': 2}

# 新增颜色编码列
df['颜色编码'] = df['产品类别'].map(color_mapping)

作用：将文字分类转换为数字，便于颜色映射
原理：map()方法根据字典进行值替换

四、核心绘图代码解析

4.1 创建画布

plt.figure(figsize=(12, 8), dpi=100)  # 创建12英寸宽、8英寸高的画布

figsize：控制图表物理尺寸（单位：英寸）
dpi：每英寸像素点数，控制图像精细度

4.2 绘制气泡图

scatter = plt.scatter(
    x='销售额（万）',     # X轴数据列
    y='利润（万）',       # Y轴数据列
    s=df['市场规模']*5,  # 气泡大小（原始数据乘以缩放系数）
    c='颜色编码',        # 颜色数据列
    cmap='tab20c',      # 颜色映射方案
    alpha=0.8,          # 透明度（0-1）
    edgecolors='white', # 气泡边缘颜色
    linewidths=0.5,     # 边缘线宽
    data=df             # 数据来源
)

关键参数详解表

参数	作用说明	推荐调整范围
`s`	气泡尺寸基数，需根据数据量级调整	通常取数据值的1-10倍
`cmap`	颜色映射方案	推荐使用tab20/tab20c
`alpha`	透明度，解决重叠问题	0.5-0.8
`edgecolors`	边缘线颜色，增强气泡辨识度	常用white/black

五、图表优化技巧

5.1 添加标题与标签

plt.title('产品分类气泡图（销售额 vs 利润）\n气泡大小代表市场规模', 
          fontsize=14,  # 标题字体大小
          pad=20)       # 标题与图表的间距

plt.xlabel('销售额（万元）', 
           fontsize=12,  # 标签字体大小
           labelpad=10)  # 标签与坐标轴的间距

plt.ylabel('利润（万元）', 
           fontsize=12, 
           labelpad=10)

5.2 坐标轴范围控制

plt.xlim(df['销售额（万）'].min()-5, df['销售额（万）'].max()+5)  # X轴留5单位边距
plt.ylim(df['利润（万）'].min()-10, df['利润（万）'].max()+10)   # Y轴留10单位边距

作用：避免气泡紧贴图表边缘
技巧：使用min()/max()自动计算边界

5.3 高级图例定制

# 创建自定义图例句柄
legend_labels = [
    plt.Line2D([0], [0], 
               marker='o',        # 圆形标记
               color='w',         # 标记填充色（白色）
               markerfacecolor=plt.cm.tab20c(color_mapping[cat]/3),  # 取对应颜色
               markersize=8,      # 标记大小
               label=cat)         # 显示文本
    for cat in color_mapping.keys()
]

# 添加图例
plt.legend(handles=legend_labels, 
           title='产品类别',       # 图例标题
           bbox_to_anchor=(1.25, 1),  # 图例位置（右侧外部）
           borderaxespad=0.)      # 图例与轴的距离

定位参数说明

参数	作用说明	常用值
`bbox_to_anchor`	图例框定位坐标	(横坐标, 纵坐标)
`borderaxespad`	图例与轴区域的空白间距	0-1之间的浮点数

六、输出与保存设置

6.1 自动布局调整

plt.tight_layout()  # 自动调整子图参数，避免元素重叠

6.2 高清图片保存

plt.savefig('bubble_chart.png',  # 文件名
            dpi=300,            # 打印级分辨率（300dpi适合印刷）
            bbox_inches='tight',# 自动裁剪多余白边
            transparent=False   # 背景是否透明
           )

保存格式对比表

格式	优点	缺点	适用场景
PNG	无损压缩/支持透明	文件较大	网络发布/演示文档
SVG	矢量图/无限缩放	不适合复杂图表	印刷出版
PDF	跨平台兼容性好	编辑困难	学术论文

七、完整代码执行流程

graph TD
    A[导入库] --> B[生成模拟数据]
    B --> C[创建DataFrame]
    C --> D[颜色编码映射]
    D --> E[创建画布]
    E --> F[绘制气泡图]
    F --> G[添加标题标签]
    G --> H[设置坐标范围]
    H --> I[添加网格线]
    I --> J[配置颜色条]
    J --> K[定制图例]
    K --> L[保存图片]
    L --> M[显示图表]

八、常见问题解决方案

8.1 中文显示异常

# 在代码开头添加字体配置（Windows系统）
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置黑体
plt.rcParams['axes.unicode_minus'] = False    # 解决负号显示问题

8.2 气泡尺寸失控

问题现象：气泡过大或过小
解决方法：调整缩放系数

# 原始代码中的尺寸设置
s=df['市场规模']*5  # 将5改为适合的系数

# 推荐公式：标准化缩放
s = (df['市场规模'] / df['市场规模'].max()) * 1000  # 将最大值设为1000像素

通过以上逐行解析，您不仅能够直接使用现成代码生成专业气泡图，更能深度理解每个参数的作用，从而根据实际需求进行灵活调整。建议将代码复制到Jupyter Notebook中边运行边观察效果，实践是掌握可视化的最佳途径！

看到这给作者点个赞吧，码字不易