Python 学习笔记 数据可视化之华夫饼图简介+百分比堆积华夫饼图

华夫饼图

展示总数据的组类别情况的一种有效图表 华夫饼的小方格用不同的颜色表示不同的类别，适合快速检视数据集中不同类别的分布和比例，并与其他数据集的分布和比例进行比较。

分类：
1.侧重展示类别数值的堆积型块状华夫饼图；

2.侧重展示类别占比的百分百华夫饼图；

3.点状华夫饼图(dot waffte chart)

绘制点状华夫饼图：

以点为单位显示离散数据；

每种颜色的点表示一个特定类别，并以矩阵形式组合在一起；

适合用来快速检视数据集中不同类别的分布和比例；

与其它数据集分布和比例比较，更容易找出其中模式；

当只有一个变量、类别时(所有点都是相同颜色)，点状华夫饼图就相当于比例面积图；

绘制百分比堆积型华夫饼图

百分比堆积型的块状和点状华夫饼图，使用geomtile()函数和geompoint()函数绘制；

需要对数据进行预处理；

先计算数据的百分比；

再转换到10×10矩阵中；

绘制堆积型华夫饼图

先设定        最小元数值；

将数据按最小单元值转换到相应的矩阵中；

再使用geomtile()函数和geompoint()函数绘制块状或点状华夫饼图；

代码1：百分比堆积华夫饼图

import pandas as pd

import numpy as np

from plotnine import *

from plotnine.data import mpg

#百分比堆积型.

nrows=10 #10*10矩阵

categ_table=(np.round(pd.value_counts(mpg['class'] ) * ((nrows*nrows)/(len(mpg['class']))),0)).astype(int)

sort_table=categ_table.sort_values(ascending=False)

a = np.arange(1,nrows+1,1)

b = np.arange(1,nrows+1,1)

X,Y=np.meshgrid(a,b)

df_grid =pd.DataFrame({'x':X.flatten(),'y':Y.flatten()})

df_grid['category']=pd.Categorical(np.repeat(sort_table.index,sort_table[:]),

categories=sort_table.index, ordered=False)

#块状

base_plot=(ggplot(df_grid, aes(x = 'x', y = 'y', fill = 'category')) +

geom_tile(color = "white", size = 0.25) +

coord_fixed(ratio = 1)+

scale_fill_brewer(type='qual',palette="Set2")+

theme_void()+

theme(panel_background = element_blank(),

<