排序数据图-R/python

已于 2022-11-02 21:20:13 修改
阅读量201 收藏
点赞数
分类专栏： 科研绘图 文章标签： python r语言
于 2022-11-02 21:19:24 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/songyi10/article/details/127659230
版权

数据排序的主要表现形式如下所示：

  • 条形图
  • 棒棒糖图
  • 点图
  • 坡度图
  • 哑铃图

数据前准备

  • R
library(tidyverse)

## 全局主题设置
options(scipen=999)  # 关掉像 1e+48 这样的科学符号
# 颜色设置（灰色系列）
cbp1 <- c("#999999", "#E69F00", "#56B4E9", "#009E73",
          "#F0E442", "#0072B2", "#D55E00", "#CC79A7")

# 颜色设置（黑色系列）
cbp2 <- c("#000000", "#E69F00", "#56B4E9", "#009E73",
          "#F0E442", "#0072B2", "#D55E00", "#CC79A7")


ggplot <- function(...) ggplot2::ggplot(...) + 
  scale_color_manual(values = cbp1) +
  scale_fill_manual(values = cbp1) + # 注意: 使用连续色阶时需要重写
  theme_bw()
  • python
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')

# 主题设置
plt.style.use('seaborn-whitegrid')
sns.set_style("whitegrid")
#print(mpl.__version__)# 3.5.1
#print(sns.__version__)# 0.12.0

条形图

  • R
data(mpg)
cty_mpg <- aggregate(mpg$cty, by=list(mpg$manufacturer), FUN=mean)  # aggregate
colnames(cty_mpg) <- c("make", "mileage")  # change column names
cty_mpg <- cty_mpg[order(cty_mpg$mileage), ]  # sort
cty_mpg$make <- factor(cty_mpg$make, levels = cty_mpg$make)  # to retain the order in plot.

## 排序条形图
ggplot(cty_mpg, aes(x=make, y=mileage)) + 
  geom_bar(stat="identity", width=.5, fill="tomato3") + 
  labs(title="Ordered Bar Chart", 
       subtitle="Make Vs Avg. Mileage", 
       caption="source: mpg") + 
  coord_flip()

在这里插入图片描述

  • python-matplotlib
# Prepare Data
mpg = pd.read_csv("./data/mpg_ggplot.csv")
df = mpg[['cty',
             'manufacturer']].groupby('manufacturer').apply(lambda x: x.mean())
df.sort_values('cty', inplace=True)
df.reset_index(inplace=True)


fig, ax = plt.subplots(figsize=(10, 8), facecolor='white', dpi=80)
ax.hlines(y=df.index,
          xmin=0,
          xmax=df.cty,
          color='#dc2624',
          alpha=0.7,
          linewidth=20)

# Annotate Text
for i, cty in enumerate(df.cty):
    ax.text(cty + 0.5,i, round(cty, 1), horizontalalignment='center')

# Title, Label, Ticks and Ylim
ax.set_title('Bar Chart for Highway Mileage', fontdict={'size': 12})
plt.yticks(df.index,
           df.manufacturer.str.upper(),
        #    rotation=60,
           horizontalalignment='right',
           fontsize=10)
plt.xticks(fontsize=12)
plt.ylabel('Ordered Bar Chart', fontsize=12)
plt.xlabel("mileage",fontsize=12)
plt.xlim = (0, 30)
plt.show()

在这里插入图片描述

  • python-seaborn
# Prepare Data
mpg = pd.read_csv("./data/mpg_ggplot.csv")
df = mpg[['cty',
             'manufacturer']].groupby('manufacturer').apply(lambda x: x.mean())
df.sort_values('cty', inplace=True,ascending=False)


fig= plt.subplots(figsize=(10, 8), facecolor='white', dpi=80)
g = sns.barplot(x=df.cty,y=df.index,color="red")
g.set_xlim(-1,30)
for i,n in enumerate(df.cty):
    g.text(n+0.2,i,round(n,2))
g.set_yticklabels(df.index.str.upper())
g.set_ylabel('Ordered Bar Chart', fontsize=12)
g.set_xlabel("mileage",fontsize=12)
g.set_title('Bar Chart for Highway Mileage', fontdict={'size': 12})

在这里插入图片描述

棒棒糖图

  • R
ggplot(cty_mpg, aes(x=make, y=mileage)) + 
  geom_point(size=3,color="red") + 
  geom_segment(aes(x=make, 
                   xend=make, 
                   y=0, 
                   yend=mileage),color="red") + 
  labs(title="Lollipop Chart", 
       subtitle="Make Vs Avg. Mileage", 
       caption="source: mpg") + 
  coord_flip()

在这里插入图片描述

  • python-matplotlib
# Prepare Data
df_raw = pd.read_csv("./data/mpg_ggplot.csv")
df = df_raw[['cty',
             'manufacturer']].groupby('manufacturer').apply(lambda x: x.mean())
df.sort_values('cty', inplace=True)
df.reset_index(inplace=True)

# Draw plot
fig, ax = plt.subplots(figsize=(10, 8), dpi=80)
ax.hlines(y=df.index,
          xmin=0,
          xmax=df.cty,
          color='#dc2624',
          alpha=0.7,
          linewidth=4)
ax.scatter(y=df.index, x=df.cty, s=85, color='#dc2624', alpha=0.7)

# Title, Label, Ticks and Ylim
ax.set_title('Lollipop Chart', fontdict={'size': 12})

plt.ylabel('Miles Per Gallon', fontsize=12)
# ax.set_xticks(df.index)
ax.set_yticklabels(df.manufacturer.str.upper(),
                #    rotation=60,
                   fontdict={
                       'horizontalalignment': 'right',
                       'size': 11
                   })
ax.set_xlim(-1, 30)
plt.xticks(fontsize=12)

# Annotate
for row in df.itertuples():
    ax.text(row.cty+1.3,
            row.Index-.3,
            s=round(row.cty, 2),
            horizontalalignment='center',
            verticalalignment='bottom',
            fontsize=12)

plt.show()

在这里插入图片描述

  • python-seaborn
# Prepare Data
df_raw = pd.read_csv("./data/mpg_ggplot.csv")
df = df_raw[['cty',
             'manufacturer']].groupby('manufacturer').apply(lambda x: x.mean())
df.sort_values('cty', inplace=True,ascending=False)


# Draw plot
fig = plt.subplots(figsize=(10, 8), dpi=80)
sns.barplot(x=df.cty,y=df.index,color="red",width=.2)
g = sns.scatterplot(x=df.cty,y=df.index,color="red",s=200)

for i,n in enumerate(df.cty):
    g.text(n+0.5,i+.1,round(n,2))


g.set_xlim(-1,30)
g.set_yticklabels(df.index.str.upper())
g.set_ylabel('Ordered Bar Chart', fontsize=12)
g.set_xlabel("mileage",fontsize=12)
g.set_title('Lollipop Chart', fontdict={'size': 12})

在这里插入图片描述

坡度图

  • R
library(scales)
# 数据准备
df <- read.csv("https://raw.githubusercontent.com/selva86/datasets/master/gdppercap.csv")
colnames(df) <- c("continent", "1952", "1957")
left_label <- paste(df$continent, round(df$'1952'),sep=", ")
right_label <- paste(df$continent, round(df$'1957'),sep=", ")
df$class <- ifelse((df$'1957' - df$'1952') < 0, "red", "green")


## 坡度图
p <- ggplot(df) + geom_segment(aes(x=1, xend=2, y=`1952`, yend=`1957`, col=class), size=.75, show.legend=F) + 
  geom_vline(xintercept=1, linetype="dashed", size=.1) + 
  geom_vline(xintercept=2, linetype="dashed", size=.1) +
  scale_color_manual(labels = c("Up", "Down"), 
                     values = c("green"="#00ba38", "red"="#f8766d")) +  # color of lines
  labs(x="", y="Mean GdpPerCap") +  # Axis labels
  xlim(.5, 2.5) + ylim(0,(1.1*(max(df$`1952`, df$`1957`))))  # X and Y axis limits

# Add texts
p <- p + geom_text(label=left_label, y=df$`1952`, x=rep(1, NROW(df)), hjust=1.1, size=3.5)
p <- p + geom_text(label=right_label, y=df$`1957`, x=rep(2, NROW(df)), hjust=-0.1, size=3.5)
p <- p + geom_text(label="BEFORE", x=1, y=1.1*(max(df$`1952`, df$`1957`)), hjust=1.2, size=5)  # title
p <- p + geom_text(label="AFTER", x=2, y=1.1*(max(df$`1952`, df$`1957`)), hjust=-0.1, size=5)  # title


#设置主题
p + theme(panel.background = element_blank(),
          panel.grid = element_blank(),
          axis.ticks = element_blank(),
          axis.text.x = element_blank(),
          panel.border = element_blank(),
          plot.margin = unit(c(1,2,1,2), "cm"))

在这里插入图片描述

  • python-matplotlib
import matplotlib.lines as mlines
# Import Data
df = pd.read_csv("./data/gdppercap.csv")

left_label = [
    str(c) + ', ' + str(round(y)) for c, y in zip(df.continent, df['1952'])
]
right_label = [
    str(c) + ', ' + str(round(y)) for c, y in zip(df.continent, df['1957'])
]
klass = [
    'red' if (y1 - y2) < 0 else 'green'
    for y1, y2 in zip(df['1952'], df['1957'])
]


# draw line
# https://stackoverflow.com/questions/36470343/how-to-draw-a-line-with-matplotlib/36479941
def newline(p1, p2, color='black'):
    ax = plt.gca()
    l = mlines.Line2D([p1[0], p2[0]], [p1[1], p2[1]],
                      color='red' if p1[1] - p2[1] > 0 else 'green',
                      marker='o',
                      markersize=6)
    ax.add_line(l)
    return l


fig, ax = plt.subplots(1, 1, figsize=(10, 8), dpi=80)

# Vertical Lines
ax.vlines(x=1,
          ymin=500,
          ymax=13000,
          color='black',
          alpha=0.7,
          linewidth=1,
          linestyles='dotted')
ax.vlines(x=3,
          ymin=500,
          ymax=13000,
          color='black',
          alpha=0.7,
          linewidth=1,
          linestyles='dotted')

# Points
ax.scatter(y=df['1952'],
           x=np.repeat(1, df.shape[0]),
           s=10,
           color='black',
           alpha=0.7)
ax.scatter(y=df['1957'],
           x=np.repeat(3, df.shape[0]),
           s=10,
           color='black',
           alpha=0.7)

# Line Segmentsand Annotation
for p1, p2, c in zip(df['1952'], df['1957'], df['continent']):
    newline([1, p1], [3, p2])
    ax.text(1 - 0.05,
            p1,
            c + ', ' + str(round(p1)),
            horizontalalignment='right',
            verticalalignment='center',
            fontdict={'size': 14})
    ax.text(3 + 0.05,
            p2,
            c + ', ' + str(round(p2)),
            horizontalalignment='left',
            verticalalignment='center',
            fontdict={'size': 14})

# 'Before' and 'After' Annotations
ax.text(1 - 0.05,
        13000,
        'BEFORE',
        horizontalalignment='right',
        verticalalignment='center',
        fontdict={
            'size': 15,
            'weight': 700
        })
ax.text(3 + 0.05,
        13000,
        'AFTER',
        horizontalalignment='left',
        verticalalignment='center',
        fontdict={
            'size': 15,
            'weight': 700
        })

# Decoration
ax.set_title("Slopechart: Comparing GDP Per Capita between 1952 vs 1957",
             fontdict={'size': 18})
ax.set(xlim=(0, 4), ylim=(0, 14000), ylabel='Mean GDP Per Capita')
plt.ylabel('Mean GDP Per Capita', fontsize=15)
ax.set_xticks([1, 3])
ax.set_xticklabels(["1952", "1957"], fontdict={'size': 15, 'weight': 700})
plt.yticks(np.arange(500, 13000, 2000), fontsize=12)

# Lighten borders
plt.gca().spines["top"].set_alpha(.0)
plt.gca().spines["bottom"].set_alpha(.0)
plt.gca().spines["right"].set_alpha(.0)
plt.gca().spines["left"].set_alpha(.0)
plt.show()

在这里插入图片描述

哑铃图

  • R
library(ggalt)
health <- read.csv("https://raw.githubusercontent.com/selva86/datasets/master/health.csv")
health$Area <- factor(health$Area, levels=as.character(health$Area))  # for right ordering of the dumbells
percent <- c("0%","5%","10%","15%","20%","25%")

gg <- ggplot(health, aes(x=pct_2013, xend=pct_2014, y=Area, group=Area)) + 
  geom_dumbbell(color="#a3c4dc", 
                size=0.75, 
                point.colour.l="#0e668b") + 
  scale_x_continuous(label=percent) + 
  labs(x=NULL, 
       y=NULL, 
       title="Dumbbell Chart", 
       subtitle="Pct Change: 2013 vs 2014") +
  theme(plot.title = element_text(hjust=0.5, face="bold"),
        plot.background=element_rect(fill="#f7f7f7"),
        panel.background=element_rect(fill="#f7f7f7"),
        panel.grid.minor=element_blank(),
        panel.grid.major.y=element_blank(),
        panel.grid.major.x=element_line(),
        axis.ticks=element_blank(),
        legend.position="top",
        panel.border=element_blank(),
        plot.margin = unit(rep(1, 4),'lines'))
plot(gg)

在这里插入图片描述

  • python-matplotlib
import matplotlib.lines as mlines

# Import Data
df = pd.read_csv("https://raw.githubusercontent.com/selva86/datasets/master/health.csv")
df.sort_values('pct_2014', inplace=True)
df.reset_index(inplace=True)


# Func to draw line segment
def newline(p1, p2, color='black'):
    ax = plt.gca()
    l = mlines.Line2D([p1[0], p2[0]], [p1[1], p2[1]], color='#d5695d')
    ax.add_line(l)
    return l


# Figure and Axes
fig, ax = plt.subplots(1, 1, figsize=(10, 8), dpi=80)

# Vertical Lines
ax.vlines(x=.05,
          ymin=0,
          ymax=26,
          color='black',
          alpha=1,
          linewidth=1,
          linestyles='dotted')
ax.vlines(x=.10,
          ymin=0,
          ymax=26,
          color='black',
          alpha=1,
          linewidth=1,
          linestyles='dotted')
ax.vlines(x=.15,
          ymin=0,
          ymax=26,
          color='black',
          alpha=1,
          linewidth=1,
          linestyles='dotted')
ax.vlines(x=.20,
          ymin=0,
          ymax=26,
          color='black',
          alpha=1,
          linewidth=1,
          linestyles='dotted')

# Points
ax.scatter(y=df['index'], x=df['pct_2013'], s=50, color='#dc2624')
ax.scatter(y=df['index'], x=df['pct_2014'], s=50, color='#e87a59')

# Line Segments
for i, p1, p2 in zip(df['index'], df['pct_2013'], df['pct_2014']):
    newline([p1, i], [p2, i])

# Decoration
#ax.set_facecolor('#f8f2e4')
ax.set_title("Dumbell Chart: Pct Change - 2013 vs 2014", fontdict={'size': 18})
ax.set(xlim=(0, .25), ylim=(-1, 27), ylabel='Mean GDP Per Capita')
plt.ylabel('Mean GDP Per Capita', fontsize=15)
plt.yticks(fontsize=15)
ax.set_xticks([.05, .1, .15, .20])
ax.set_xticklabels(['5%', '15%', '20%', '25%'], fontdict={'size': 15})
plt.show()

在这里插入图片描述

参考资料

R绘图：https://mp.weixin.qq.com/s?__biz=MzI1NjUwMjQxMQ==&mid=2247511805&idx=1&sn=1d9b0505bee6c9c90eb3b1a89dd4bd42&chksm=ea275119dd50d80f6caf017f8fc68ba156b835e2aea2de91c3abd8b45f4f77b905d1f79ab07d&scene=178&cur_album_id=2523928956895543301#rd

python绘图：https://mp.weixin.qq.com/s/DY_K1CisYElFL7Tt0Si6hw

songyi10
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python可视化学习（十四）排序图-棒棒图和包点图
feiwenyang的博客
11-29 431
#棒棒图和包点图 #除了长相不一样，本质和条形图一摸一样 import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt import seaborn as sns %matplotlib inline #导入数据 df_raw=pd.read_csv('mpg_ggplot2.csv') df=df_raw[['cty','manufacturer']].groupby('man
【附代码】python绘图集锦-排序 （Ranking）关系图
allein_STR的博客
02-04 626
【附代码】python绘图集锦共7篇内容，本文为排序 （Ranking）关系图。
python做数据排序,python 实现对数据的排序和绘图
weixin_30674431的博客
03-26 748
import pandas as pdimport matplotlib.pyplot as pltimport numpy as npPATH='F:\\课程\\Python数据分析-pandas玩转Excel\\资料\\007-008\\List.xlsx'PATH1='F:\\课程\\Python数据分析-pandas玩转Excel\\资料\\007-008\\Students.xlsx'#...
python 基于numpy数组的简单图像处理
侯小啾技术博客
03-26 2331
文章目录使用PIL库进行灰度处理将其旋转180度使用matplotlib库完成灰度处理 python 基于numpy数组的简单图像处理 如图，以该猫咪图片为例（忽略水印）。将该文件命名为cat.jpg，并对其展开以下操作。 使用PIL库进行灰度处理 from PIL import Image import numpy as np # 读取图像，并转化为数组 im = np.array(Image.open("cat.jpg")) # 灰度处理公式 gray_narry = np.array([0.2
Python+OpenCV图像处理（三）—— Numpy数组操作图片
aiyizou6070的博客
05-06 313
一.改变图片每个像素点每个通道的灰度值 （一） 代码如下： #遍历访问图片每个像素点，并修改相应的RGB import cv2 as cv def access_pixels(image): print(image.shape) height = image.shape[0] width = image.shape[1] channe...
Python文件操作及多路归并排序
05-05
-c 可选项，相关排序列信息，包括列号（从1开始，按出现顺序优先级排序）、数据类型（i：整数，f：浮点数，默认：字符串）、是否反序（r）， 默认按第一列字符串类型正序（升序）排序 -s 可选项，源文件分段最大...
Python实现快速排序和插入排序算法及自定义排序的示例
12-24
它的基本思想是：通过一趟排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另外一部分的所有数据都要小，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个...
matlab代码解释器-python-data-analysis-workshop:研讨会：Python数据分析入门
05-23
Matlab代码解释器Python数据分析简介 于2014年10月20日在华盛顿特区的大会上举行。 讲师： 议程 为什么选择Python？ （10分钟） Python的特征 Python与R 为什么 ？ 足够的Python基础知识（45分钟） Python解释器（又...
Python大作业.zip
07-16
编写计算从n到m和的函数‬，函数名为sum(n,m)‬，函数返回值为n到m所有数据的和‬，使用该函数计算输入数据x,y之间所有数据的和。 2.3 问题描述（15分） 编写函数judgeTri(a,b,c)，判断以参数a,b,c的值为边长能否...
钻石数据diamonds
10-19
公开数据集中的diamonds（钻石）数据。该数据包含53940行，有carat（钻石的重量）、cut（钻石的切工）、color（钻石的颜色）、clarity（钻石的纯净度）、depth（钻石的深度比例）、table（钻石的桌面比例）、price...
[Python]Numpy读取npz文件并且使用matplotlib绘制散点图和折线图
DicoY的博客
12-23 9689
分析1996- -2015年人口数据特征间的关系以及各个特征的分布与分散状况需求说明训练要点具体实现打开npz文件完整代码最终结果 需求说明 人口数据总共拥有6个特征，分别为年末总人口、男性人口、女性人口、城镇人口、乡村人口和年份。在看各个特征随着时间推移发生的变化情况可以分析出未来男女人口比例、城乡人口变化的方向。通过绘制各年份男女人口数目及城乡人口数目的柱状图，男女人口比例及城乡人口比例的饼图...
python Numpy 的基础用法以及 matplotlib 基础图形绘制
weixin_58439331的博客
12-24 4640
python Numpy 基本使用 以及 matplotlib 基础图形绘制
python数据分析-matplotlib、numpy、pandas
qq_61897309的博客
01-04 621
python数据分析-matplotlib、numpy、pandas笔记
数字图像处理（一）：numpy的基本操作和简单绘图
cxkyxx的博客
10-30 1479
数字图像处理中的numpy基本操作
sns.barplot()函数：根据特征重要程度进行排序并输出（可用于帕拉图的建立）
热门推荐
weixin_45914452的博客
04-09 1万+
sns.barplot()：根据特征重要程度进行排序并输出 机器学习中经常会用到图形进行可视化，如在网格搜索（GridSearch）后对特征的重要性进行排序时，用到sns.barplot()函数按照重要程度输出特征。 这种方法也能用于生产帕拉图。 sns.barplot()函数中能用于分类输出和排序的参数了解： order, hue_order：字符串列表，可选项 根据参数定义的类别和级别画图...
python绘图练习
qq_55977554的博客
12-13 3337
1.绘制重庆24小时的气温图像的折线图，有标题x轴y轴并将最低气温最高气温单独标出 # @Time:2021/12/1014:18 # @Author:中意灬 # @File:天气.py # @ps:tutu qqnum:2117472285 from matplotlib import pyplot as plt import numpy as np from scipy import interpolate y=[9,10,12,13,14,13,13,14,15,16,14,15,15,15,15,
python进行数据分析的各种绘图
weixin_53639312的博客
02-25 3626
箱型图、条形图、直方图、帕累托图、折线图、散点图、饼状图
python barplot 条形图顺序_python – 在barplot中索引和排序的问题
weixin_39804631的博客
12-09 1298
这取决于你想要展示什么,按尺寸排序的所有酒吧import numpy as npimport matplotlib.pyplot as pltimport seaborn as snsX = np.array([19, 35, 29, 10, 5, 9, 45, 72, 3, 18])Y = np.array([14336, 6812, 4265, 3857, 2960, 1986, ...
WPF之路-常用布局控件
东南有大树的博客
09-13 1029
WPF布局原则 不应显示设置大小 为了布局的稳定性，控件的大小应该可以自动适应容器。如下为新建一个窗体，默认包含一个Grid容器，该控件没有显示设置宽高，所以，在改变窗体大小的时候，该容器的大小也变变化，但如果显示的加了宽或高，在改变窗体大小后，该容器的大小受限并且位置不再稳定 使用相对坐标 容器的子元素应该以父级位置而去定位，而不是使用窗体的坐标 与子元素共...
file:/D:/python/scores/race.txt
最新发布
06-09
好的，我已经下载了文本数据。我将为你编写程序，统计敏感词的词频，并将结果按照词频从小到大排序。以下是代码实现： ```python import jieba import re from collections import Counter # 读取敏感词文件 with...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值