python可视化学习（二十二）组成图#饼图，树形图，条型图

import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
import warnings; warnings.filterwarnings(action='once')

large = 22; med = 16; small = 12
params = {'axes.titlesize': large,
          'legend.fontsize': med,
          'figure.figsize': (16, 10),
          'axes.labelsize': med,
          'axes.titlesize': med,
          'xtick.labelsize': med,
          'ytick.labelsize': med,
          'figure.titlesize': large}
plt.rcParams.update(params)
plt.style.use('seaborn-whitegrid')
sns.set_style("darkgrid") #s设立风格
#sns.set_style("white")
%matplotlib inline
#########基本的图形设计#############

###认识绘制饼图的函数### ax.pie/plt.pie #x：pie函数中为唯一必填参数，每个类别的计数 #autopct：设定写在扇贝上的百分比，默认为none，可以输入字符串，format函数，或者none #自动百分比

#代码解读
#数据准备
data = df['counts'] #需要输入的数据集
explode = [0,0,0,0,0,0.1,0]

#绘制图像
fig, ax = plt.subplots(figsize=(7, 7), dpi= 80)

wedges, texts, autotexts = ax.pie(x=data,
                                   autopct=lambda x: "{:.2f}% ({:d})".format(x,int(x/100.*np.sum(data))),  #匿名函数的欧米伽法
                                   colors=plt.cm.Dark2.colors, #图形的颜色
                                   startangle=150, #第一瓣扇叶从什么角度开始
                                   explode=explode #扇叶与扇叶之间的距离
                                  )

#装饰图像
categories = df['class'] #选取图例
ax.legend(categories #输入数据
          , title="Vehicle Class" #图例的标题
          , loc="center left"
          , bbox_to_anchor=(1, 0, 0.5, 1) #还记得bbox_to_anchor的用法么？知识点
         ) 
ax.set_title("Class of Vehicles: Pie Chart")
plt.setp(autotexts, size=12, weight=700, color="w"   #####知识点，设置子体的
        ) #设置某个对象(Artist)的属性(Property)
plt.show()

%%cmd
conda install squarify
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
import warnings; warnings.filterwarnings(action='once')

large = 22; med = 16; small = 12
params = {'axes.titlesize': large,
          'legend.fontsize': med,
          'figure.figsize': (16, 10),
          'axes.labelsize': med,
          'axes.titlesize': med,
          'xtick.labelsize': med,
          'ytick.labelsize': med,
          'figure.titlesize': large}
plt.rcParams.update(params)
plt.style.use('seaborn-whitegrid')
sns.set_style("white")
%matplotlib inline
import squarify

#导入数据，准备数据
df_raw = pd.read_csv("mpg_ggplot2.csv")
df = df_raw.groupby('class').size().reset_index(name='counts')

#图例
labels = df.apply(lambda x: str(x[0]) + "\n (" + str(x[1]) + ")"
                  , axis=1 #对每一行进行apply操作
                 )

#输入图像的值（占比）
sizes = df['counts'].values.tolist()

#颜色
colors = [plt.cm.Spectral(i/float(len(labels))) for i in range(len(labels))]

#绘制图像
plt.figure(figsize=(12,8), dpi= 80)
squarify.plot(sizes=sizes, label=labels, color=colors, alpha=.8)

#装饰图像
plt.title('Treemap of Vechile Class')
plt.axis('off') #不显示坐标轴，还记得我们在绘制坡度图的时候如何设置不显示坐标轴么？当时我们全程是fig + ax的操作。
plt.show()

import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
import warnings; warnings.filterwarnings(action='once')

large = 22; med = 16; small = 12
params = {'axes.titlesize': large,
          'legend.fontsize': med,
          'figure.figsize': (16, 10),
          'axes.labelsize': med,
          'axes.titlesize': med,
          'xtick.labelsize': med,
          'ytick.labelsize': med,
          'figure.titlesize': large}
plt.rcParams.update(params)
plt.style.use('seaborn-whitegrid')
sns.set_style("darkgrid")
#sns.set_style("white")
%matplotlib inline

#导入数据，准备数据
df_raw = pd.read_csv("mpg_ggplot2.csv")
df = df_raw.groupby('manufacturer').size().reset_index(name='counts')

#我们一直以来都使用光谱来进行取色，或者输入颜色的名字，还有其他方法么？

import random

all_colors = list(plt.cm.colors.cnames.keys())
random.seed(100) #设置随机数种子
n = df['manufacturer'].unique().__len__() #需要取出多少种颜色？
c = random.choices(all_colors, k=n) #random.choice，从一个列表中取出k个值

import random

#绘制图像
plt.figure(figsize=(16,10), dpi= 80)
plt.bar(df['manufacturer']  #横坐标
        , df['counts']    #纵坐标
       , color=c
        , width=.5)

import random

#绘制图像
plt.figure(figsize=(16,10), dpi= 80)
plt.bar(df['manufacturer']  #横坐标
        , df['counts']    #纵坐标
       , color=c
        , width=.5)

#柱状图上写上文字
for i, val in enumerate(df['counts'].values):
    plt.text(i, val, float(val), horizontalalignment='center', verticalalignment='bottom', fontdict={'fontweight':500, 'size':12})
#装饰图像
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()