Matplotlib - 绘制重叠条形图 (Overlapped Bar) 函数源码

ManonLegrand

已于 2024-06-04 20:40:30 修改

阅读量540

点赞数

分类专栏： Server&Program 文章标签： matplotlib python 开发语言

于 2023-06-06 10:08:17 首次发布

本文链接：https://blog.csdn.net/caroline_wendy/article/details/131061616

版权

Server&Program 专栏收录该内容

40 篇文章 1 订阅

订阅专栏

本文介绍了如何使用Python绘制重叠柱状图(OverlappedBar)来比较两个变量的差异，如实际值与期望值。这种方法适用于展示实际销售额与目标销售额等的对比。代码示例展示了如何创建和自定义这种图表，包括设置宽度、透明度、颜色和标签。文章还提供了一个主函数`main`，用于读取数据并生成具体的柱状图。

摘要由CSDN通过智能技术生成

欢迎关注我的CSDN：https://spike.blog.csdn.net/
本文地址：https://blog.csdn.net/caroline_wendy/article/details/131061616

重叠柱状图 (Overlapped Bar) 是一种比较图，可以将两个柱状图叠加在一起，显示两个相关变量之间的差异。这种图表适合用于展示实际值和期望值之间的对比，例如实际销售额和目标销售额，实际支出和预算支出等。优点是可以直观地看出两个变量的贡献度和占比，也可以节省空间，避免使用双轴图或并列图。缺点是可能会造成视觉混淆，需要注意颜色和透明度的选择，以及图例和标签的清晰显示。

源码如下：

设置plt的尺寸，即plt.figure(figsize=(10,6))。
循环绘制 bar，即plt.bar() 。
设置下标，即plt.xticks() 。
当水平下标太多，影响排列，则关闭下标，即plt.xticks([])。
df的排序逻辑，即df.sort_values(by=["ratio"], ascending=True)。

def overlapped_bar(
    high_list, low_list, label_list,
    width=0.75, alpha=.5,
    title='', xlabel='', ylabel='', figsize=(10, 6),
    hide_xsticks=True, show=False, save_name="",
    **plot_kwargs
):
    """
    绘制重叠条形图

    :param high_list: 待处理数据, 数值较大的列表
    :param low_list: 待处理数据, 数值较小的列表
    :param label_list: 标签列表，默认2个字符串, 例如 ['A', 'B']
    :param width: 每个 bin 的宽度
    :param alpha: 透明度
    :param title: 图表标题
    :param xlabel: X 轴标签
    :param ylabel: Y 轴标签
    :param figsize: 图像尺寸
    :param hide_xsticks: 是否隐藏 X 轴的索引，建议数据较多时，隐藏
    :param show:  是否显示
    :param save_name:  是否存储图像
    :param plot_kwargs:  其余参数
    :return:
    """
    assert len(high_list) == len(low_list) and len(label_list) == 2
    df = pd.DataFrame(np.matrix([high_list, low_list]).T, columns=label_list)

    plt.figure(figsize=figsize)  # 设置plt的尺寸
    xlabel = xlabel or df.index.name  # 标签
    N = len(df)   # 类别数
    M = len(df.columns)   # 列数
    indices = np.arange(N)
    colors = ['steelblue', 'firebrick', 'darksage', 'goldenrod', 'gray'] * int(M / 5. + 1)  # 颜色
    for i, label, color in zip(range(M), df.columns, colors):
        kwargs = plot_kwargs
        kwargs.update({'color': color, 'label': label})
        plt.bar(indices, df[label], width=width, alpha=alpha if i else 1, **kwargs)
        if not hide_xsticks:  # 如果水平坐标太多，隐藏水平坐标
            plt.xticks(indices + .5 * width, ['{}'.format(idx) for idx in df.index.values])

    plt.legend()
    plt.title(title)
    plt.xlabel(xlabel)
    plt.ylabel(ylabel)

    if save_name:
        # transparent=True
        assert save_name.endswith("png") or save_name.endswith("jpg")
        plt.savefig(save_name, bbox_inches='tight', format='png')
    if show:
        plt.show()
    return plt.gcf()


def main():
    df = read_excel_to_df(os.path.join(DATA_DIR, "msa_all_counts.xlsx"))
    df["ratio"] = df["all_sum"] / df["sum"]
    df = df.sort_values(by=["ratio"], ascending=True)  # 从小到大排序
    df_sum = df["sum"] / df["sum"]
    df_all_sum = df["all_sum"] / df["sum"]
    avg = round(np.average(df_all_sum), 4)
    std = round(float(np.std(df_all_sum)), 4)
    print(f"[Info] improve ratio: {avg}±{std}")   # 获取比例
    low_list = list(df_sum)   # 低区数值
    high_list = list(df_all_sum)  # 高区数值
    overlapped_bar(high_list, low_list, label_list=["Ours", "AF2"], xlabel="target", ylabel="times", show=True)


if __name__ == '__main__':
    main()