顶刊是如何炼成的｜使用Python循环绘制折线图

最新推荐文章于 2023-05-28 14:50:17 发布

数据线的非标准答案

最新推荐文章于 2023-05-28 14:50:17 发布

阅读量804

点赞数 3

分类专栏：顶刊是如何炼成的 Python 文章标签： python 开发语言数据分析

本文链接：https://blog.csdn.net/SYXCOSINE/article/details/130085444

版权

前言

这一期算是一期炒冷饭的文章hhh因为单从浏览量上来看，大家对于基础的折线图有更高的偏好，所以这一期就是基于python，尝试复现《American Journal of Agricultural Economics》的"COVID-19 policy responses, mobility, and food prices"中的折线图，以期给大家提供更丰富的绘折线图选择,并且了解如何使用循环巧妙地绘制出三张折线图。原文以及数据可以在下面链接中找到：
https://onlinelibrary.wiley.com/doi/full/10.1111/ajae.12278

绘图部分

略过数据的预处理部分，我们首先看看数据长什么样：

数据呈现

可以看出，已经基于日期进行了汇总，得到了每个人日期下对应的均值、标准差、样本量等等信息。

对于这个数据，将它命名为data4存储起来，就可以开始如下代码：

# 导入需要的包
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import os
# 定义一个总的路径，这里可以根据电脑的需要进行设置
path = ""

# 读取数据
data4 = pd.read_excel('data4.xlsx', index_col=u'Unnamed: 0')

# 在path定义的路径下再设置一个文件夹，用来存放绘制的图
os.chdir(path + "/output")
dimensions = {
   'geogroup': ['East Asia & Pacific', 'Europe & Central Asia', 'Latin America & Caribbean', 'Middle East & North Africa', 'South Asia', 'Sub-Saharan Africa'], 'commodity': ['Maize', 'Rice', 'Beans', 'Wheat'], 'cv_prices': ['price variation > median', 'price variation <= median']}

讲解：

我们生成了一个字典dimensions，其中分成了洲别、品种、价格。主要是用于后边循环的调用

下面，我们使用matplotlib库中的cycler模块，它的主要作用是在绘制图形时轮流使用一组属性值。

from cycler import cycler
color_c = cycler('color', ['k'])
style_c = cycler('linestyle', ['-', '--', ':', '-.'])
markr_c = cycler('marker', ['', '.', 'o'])
c_cms = color_c * markr_c * style_c

讲解：

生成了一个颜色循环器（color_c），该循环器在每次迭代时返回黑色（‘k’）。
生成了一个线条形状循环器（style_c），该循环器在每次迭代时依次返回'-'：实线、'--'：短横线（虚线）、':'：点线、'-.'：点划线。
生成了一个标记循环器（style_c），该循环器在每次迭代时依次返回''：无标记； '.'：点标记，表示一个小圆点；'o'：圆圈标记，表示一个较大的空心圆圈。
通过*，将三种组合在一起循环器再组合在一起，就可以收获所有组合。总计12种（依次不重复组合）。

开始循环生成图：

for dimension, characteristics in dimensions.items():
        fig, ax = plt.subplots(1)
        ax.plot(data4['mean ' + characteristics[0]], label=characteristics[0])
        ax.plot(data4['mean ' + characteristics[1]], label=characteristics[1])
        if len(characteristics) > 2:
            ax.plot(data4['mean ' + characteristics[2]], label=characteristics[2])
        if len(characteristics) > 3:
            ax.plot(data4