Python-matplotlib数据可视化:商业图表条形图
Python-matplotlib数据可视化:商业图表条形图
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
以下文章来源于DataCharm,作者 宁海涛
转载地址
https://www.zhihu.com/people/qi-shi-huan-hao-la-14/posts
绘制图标介绍
这篇推文是关于中美贸易的文章配图(具体我们这里我们不多做介绍,我们只关注配图的美观设计),文章的插图如下:
配图是真的没话说,特别是配色(这种配色我后面会做一个Excel的配图颜色系会比这个多几个色系。大家如果需求多,我会分享出来的哦)
Python matplotlib
绘图数据
这里的数据处理步骤暂且不过多介绍,绘图数据如下
可视化
我们直接上代码,大家不会的可以详细看代码中的注释:
china_color = ['#3D71A0','#B70050','#FD9717','#B6CBDF']
china_text = ['Aluminum waste and scrap','Pork','Fruits and nuts','Other']
us_color = ['#3D71A0','#B70050','#FD9717','#B6CBDF','#3DAE5E','#133831']
us_list = ['64%', '12%', '10%', '8%', '6%', '']
us_text = ['Aluminum','Long','Pipe/tube','Stainless','Flat',""]
barWidth = .6
lefts_china = 0
lefts_us = 0
fig,ax = plt.subplots(figsize=(8,4.5),dpi=200)
for bars, col,text,text2 in zip(china['2017 exports, in actual dollars'], china_color,china['percent%'],china_text):
ax.barh(1, bars, left=lefts_china, color=col, height=barWidth,align='center')
lefts_china += bars
#大家注意这里:可以详细看一下
if lefts_china == china['2017 exports, in actual dollars'][0]:
ax.text(bars/2,1,text,color="k",fontweight='extra bold',size=13,ha='center',va='center')
ax.text(bars/2,1.4,text2,color="k",fontweight='light',size=8,ha='center',va='center')
else:
ax.text(lefts_china-bars/2,1,text,color="k",fontweight='extra bold',size=13,ha='center',va='center')
ax.text(lefts_china-bars/2,1.4,text2,color="k",fontweight='light',size=8,ha='center',va='center')
#添加暗黑色柱形图
ax.barh(.6,china['2017 exports, in actual dollars'].sum(),color='#172A39',height=.35,zorder=0)
for bars, col,text,text2 in zip(us['2017 imports, in actual dollars2'], us_color,us_list,us_text):
ax.barh(3, bars, left=lefts_us, color=col, height=barWidth,align='center')
lefts_us += bars
if lefts_us == us['2017 imports, in actual dollars2'][0]:
ax.text(bars/2,3,text,color="k",fontweight='extra bold',size=13,ha='center',va='center')
ax.text(bars/2,3.4,text2,color="k",fontweight='light',size=8,ha='center',va='center')
else:
ax.text(lefts_us-bars/2,3,text,color="k",fontweight='extra bold',size=13,ha='center',va='center')
ax.text(lefts_us-bars/2,3.4,text2,color="k",fontweight='light',size=8,ha='center',va='center')
ax.barh(2.6,us['2017 imports, in actual dollars2'].sum(),color='#172A39',height=.35,zorder=0)
#定制化设置
ax.axis('off')
ax.axvline(x=0,ymin=.05,color='k',lw=.8)
ax.set_ylim(bottom=0,top=4)
#添加文本信息
ax.text(.02,.95,"Chinese exports covered by US Section 232 tariffs",
transform = ax.transAxes,color='k',ha='left',va='center',size=9,fontweight='semibold')
ax.text(.3,.64,"$2.8 BILLION EXPORT VALUE,2017",
transform = ax.transAxes,color='white',ha='left',va='center',size=8.5,fontweight='semibold')
#添加文本信息
ax.text(.02,.45,"US exports covered by Chinese retaliatory tariffs for US Section 232 tariffs",
transform = ax.transAxes,color='k',ha='left',va='center',size=9,fontweight='semibold')
ax.text(.2,.14,"$2.4 BILLION EXPORT VALUE,2017",
transform = ax.transAxes,color='white',ha='left',va='center',size=8.5,fontweight='semibold')
#再单独添加 semi-finished 描述部分
ax.text(us['2017 imports, in actual dollars2'].sum(),3,"<1%",ha='left',va='center',size=13,
fontweight='extra bold')
ax.text(us['2017 imports, in actual dollars2'].sum(),3.4,"Semi-finished",ha='left',va='center',size=8,
fontweight='light')
#添加小横线
ax.plot([us['2017 imports, in actual dollars2'][:1].sum(),us['2017 imports, in actual dollars2'].sum()],[3.55,3.55],
color='k',lw=.6)
text_loc = us['2017 imports, in actual dollars2'][:3].sum()
ax.text(text_loc,3.64,"STEEL PRODUCTS",ha='center',va='center')
#添加刻度文本
ax.text(-.02,.2,"CHINESE\nACTION IN\nEFFECT\nAPRIL 2",ha='right',va='center',fontweight='medium',size=11,
transform = ax.transAxes)
ax.text(-.02,.7,"US ACTION\nINEFFECT\nMARCH 23",ha='right',va='center',fontweight='medium',size=11,
transform = ax.transAxes)
#添加标题
ax.text(-.1,1.15,"How Is China Retaliating for US Nation\nSecurity Tariffs on Steel and Aluminum?",
transform = ax.transAxes,color='k',ha='left',va='center',size=20,fontweight='extra bold')
ax.text(.91,.05,'\nVisualization by DataCharm',transform = ax.transAxes,
ha='center', va='center',fontsize = 7,color='black')
plt.savefig(r'F:\DataCharm\商业艺术图表仿制\PIEE_Charts\China US\PIEE_china_us02.png',width=8,height=4,
dpi=900,bbox_inches='tight',facecolor='white')
#ax.set_axisbelow(True)
plt.show()
最终我们绘制的效果如下:
知识点
横向堆积柱形图绘制 这里举一个小栗子大家看下就可以:
from matplotlib import pyplot as plt
import numpy as np
N = 5
r = range(N)
bars1 = np.random.binomial(20, .7, N)
bars2 = np.random.binomial(20, .5, N)
bars3 = np.random.binomial(20, .4, N)
colors = ['#7f6d5f', '#557f2d', '#2d7f5e']
labels = ["Lasso", "Random Forest", "Decision Tree"]
barWidth = 1
lefts = 0
fig,ax = plt.subplots(figsize=(8,4.5),dpi=200)
for bars, col, label in zip([bars1, bars2, bars3], colors, labels):
plt.barh(r, bars, left=lefts, color=col, edgecolor='white', height=barWidth, label=label)
lefts += bars
plt.legend()
plt.ylim(-0.5, len(bars) - 0.5)
ax.text(.91,-.08,'\nVisualization by DataCharm',transform = ax.transAxes,
ha='center', va='center',fontsize = 7,color='black')
plt.savefig(r'F:\DataCharm\商业艺术图表仿制\PIEE_Charts\China US\PIEE_china_example.png',width=8,height=4,
dpi=900,bbox_inches='tight')
plt.show()
结果如下:
文本自动添加 虽然代码中有明确解释,但这里我们还是单独进行展示:
for bars, col,text,text2 in zip(us['2017 imports, in actual dollars2'], us_color,us_list,us_text):
ax.barh(3, bars, left=lefts_us, color=col, height=barWidth,align='center')
lefts_us += bars
if lefts_us == us['2017 imports, in actual dollars2'][0]:
ax.text(bars/2,3,text,color="k",fontweight='extra bold',size=13,ha='center',va='center')
ax.text(bars/2,3.4,text2,color="k",fontweight='light',size=8,ha='center',va='center')
else:
ax.text(lefts_us-bars/2,3,text,color="k",fontweight='extra bold',size=13,ha='center',va='center')
ax.text(lefts_us-bars/2,3.4,text2,color="k",fontweight='light',size=8,ha='center',va='center')
注意里面的if条件语句设置哦!
Python-matplotlib数据可视化:商业图表条形图相关教程
C语言基本数据类型输入输出格式
C语言基本数据类型输入输出格式 首先看一下C语言的基本数据类型 在C语言中,用int关键字来表示基本的整数类型。后3个关键字(long、short和unsigned)和C90新增的signed用于提供基本整数类型的变式,例如unsigned short int和long long int。char关键字用于指
牛客SQL练习-44-将id=5以及emp_no=10001的行数据替换成id=5以及e
牛客SQL练习-44-将id=5以及emp_no=10001的行数据替换成id=5以及emp_no=10005,其他数据保持不变,使用replace实现 REPLACE INTO titles_testVALUES(5,10005,'Senior Engineer','1986-06-26','9999-01-01') 注意: replace和update的区别:\ update语句使用where
【亡羊补牢】挑战数据结构与算法 第70期 LeetCode 121. 买卖股票
【亡羊补牢】挑战数据结构与算法 第70期 LeetCode 121. 买卖股票的最佳时机(DP) 仰望星空的人,不应该被嘲笑 给定一个数组,它的第 i 个元素是一支给定股票第 i 天的价格。 如果你最多只允许完成一笔交易(即买入和卖出一支股票一次),设计一个算法来计算
python数据分析与挖掘实战的混淆矩阵纠错
python数据分析与挖掘实战的混淆矩阵纠错 #-*- coding: utf-8 -*-#使用神经网络算法预测销量高低from keras.models import Sequentialfrom keras.layers.core import Dense, Activationimport pandas as pdfrom cmplot import *#参数初始化from numpy import
ArcGis 10连接64位Oracle数据库
ArcGis 10连接64位Oracle数据库 为什么80%的码农都做不了架构师? ArcGIS 10的客户端是32位的,所以当我们链接数据库时需要保证数据库的客户端是32位的,但是由于我使用的是64位的Windows Server服务器和64位的数据库服务器,因此ArcGis并不能直接连接到Orac
Windows Server 2008 R2下安装Oracle 11g数据库
Windows Server 2008 R2下安装Oracle 11g数据库 为什么80%的码农都做不了架构师? 1.下载Oracle 11g 进入Oracle官网进行下载,下载链接: (http://www.oracle.com/technetwork/database/enterprise-edition/downloads/index.html) 选择需要的版本,这里我
Oracle 11g数据库使用pl/sql developer进行数据导入与导出
Oracle 11g数据库使用pl/sql developer进行数据导入与导出 为什么80%的码农都做不了架构师? 物理备份:将实际组成数据库的操作系统文件从一处复制到另一处的过程,通常是从磁盘备份到磁盘或磁带,可以使用RMAN(Recovery Manager)或操作系统命令进行物理备
滴滴三面已拿offer分享个人面试总结(集合+网络+算法+JVM+数据库
滴滴三面已拿offer,分享个人面试总结(集合+网络+算法+JVM+数据库+分布式) 滴滴Java高级工程师三面,包含:多线程、JVM、框架源码、数据库、分布式、算法等 1、自我介绍 2、项目情况: (1)选择最为熟悉的一到两个项目说明,提及该项目中的难点问题,以及