python 饼图_python局部整体型图表华夫饼图

华夫饼图

华夫饼图(waffle chart)即块状图(tile matrix chart)

• 华夫饼图是展示总数据的组类别情况的一种有效图表；

• 华夫饼图的小方格用不同颜色表示不同类别；

• 适用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，更容易找出其中的规律；

分类：

• 侧重展示类别数值的堆积型块状华夫饼图；

• 侧重展示类别占比的百分百华夫饼图；

点状华夫饼图(dot waffte chart)

• 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；

百分比堆积型-块状

import pandas as pd

import numpy as np

from plotnine import *

from plotnine.data import mpg

#百分比堆积型.

nrows=10

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(),

legend_position = "right",

aspect_ratio =1,

figure_size = (5, 5),

dpi = 100))

print(base_plot)

百分比堆积型--点状

import pandas as pd

import numpy as np

from plotnine import *

from plotnine.data import mpg

#百分比堆积型

nrows=10

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)

#点状

base_plot1=(ggplot(df_grid, aes(x = 'x', y = 'y', fill = 'category')) +

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

geom_point(color = "black",shape='o',size=13) +

coord_fixed(ratio = 1)+

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

theme(#panel.border = element_rect(fill=NA,size = 2),

panel_background = element_blank(),

legend_position = "right",

aspect_ratio =1,

figure_size = (5, 5),

dpi = 100

)

)

print(base_plot1)

堆积型-块状

import pandas as pd

import numpy as np

from plotnine import *

from plotnine.data import mpg

#堆积型

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

sort_table=categ_table.sort_values(ascending=False)

ndeep= 10

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

b = np.arange(1,np.ceil(sort_table.sum()/ndeep)+1,1)

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

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

category=np.repeat(sort_table.index,sort_table[:])

df_grid=df_grid.loc[np.arange(0,len(category)),:]

df_grid['category']=pd.Categorical(category,

categories=sort_table.index,

ordered=False)

#块状

base_plot2=(ggplot(df_grid, aes(x = 'y', y = 'x', fill = 'category')) +

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

coord_fixed(ratio = 1)+

xlab("1 square = 100")+

ylab("")+

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

theme(panel_background = element_blank(),

legend_position = "right",

figure_size = (7, 7),

dpi = 100))

print(base_plot2)

堆积型--点状

import pandas as pd

import numpy as np

from plotnine import *

from plotnine.data import mpg

#堆积型

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

sort_table=categ_table.sort_values(ascending=False)

ndeep= 10

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

b = np.arange(1,np.ceil(sort_table.sum()/ndeep)+1,1)

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

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

category=np.repeat(sort_table.index,sort_table[:])

df_grid=df_grid.loc[np.arange(0,len(category)),:]

df_grid['category']=pd.Categorical(category,

categories=sort_table.index,

ordered=False)

#点状

base_plot3=(ggplot(df_grid, aes(x = 'y', y = 'x', fill = 'category')) +

geom_point(color = "black",shape='o',size=7) +

coord_fixed(ratio = 1)+

xlab("1 square = 100")+

ylab("")+

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

theme(panel_background = element_blank(),

legend_position = "right",

figure_size = (7, 7),

dpi = 100))

print(base_plot3)