python 零售关联数据_Python数据可视化，我是如何做出泡泡堆积关联图

此系列文章收录在公众号中：数据大宇宙 > 数据可视化 > mpl

转发本文并私信我"python"，即可获得Python资料以及各种心得(持续更新的)

前言

有小伙伴说，使用 matplotlib 做出来的图表比不上其他的基于 js 包装的库(pyechart、bokeh、plotly等)漂亮，他们可以还可以交互。同时，基于 matplotlib 包装的 seaborn 似乎也比较省代码。

本想写一篇文章整体说一下这些库的对比，但是如果没有实际例子不太符合我的风格。

因此，今天的目标图表是其他上层可视化库难以做到(或者根本无法完成)：

• 此图表是模仿《经济学人》，是关于加拿大移民与出生地相关的图表

那些基于 js 包装的可视化库，在js环境下，按理应该是可以做到。但在 Python 中就不会这么乐观

有机会我会分享 d3.js 的做法，你会发现他与 matplotlib 的思路很相似

本文所需要的库如下：

• 行8：cycler 包只是为了方便定义颜色板

数据是这样子：

• 行3：泡泡图的数据列
• 行4：堆积图的数据列

本文所有的通用函数以宽表作为依据，行索引放 X 轴，每一列作为不同的图表系列

这是颜色的定义：

• m_color_cycle 定义了7个系列的颜色，颜色值提取自示例图表
• m_bubble_color 是泡泡图的颜色

篇幅有限，我不会对所有的知识点都作详细讲解

---

逐一击破

通常复杂的可视化是通过多种类型的图形组合而成，显然这次的目标图表是由3个部分组成：

1. 堆积图，实际就是四边形图形而已
2. 泡泡图，实际就是圆圈图形
3. 中间作为连接修饰的长方形

为什么我用"图形"去描述他们？

如果你使用一些上层的可视化库，你会发现他们会在图表类型层面归类，这无疑让你能快速作图。但缺点就是无法随心所欲定制化图表。

而 matplotlib 提供了底层"图形"的控制，同时也提供了基本图表操作。

首先看看如何做出堆积图，下面以2个系列作为示例：

• 行7：使用 Axes.bar 方法可以画出柱状图，其中 bottom 参数决定了每个柱子的起始位置，默认情况下全是0
• 行11：当画第二个系列时，只要把第一个系列的 y 值设置为 第二系列 的 起始点，自然而然就做出了堆积图的效果

图表如下：

知道这个原理，那么就可以定义通用的函数：

• 本文所有的通用函数都基于宽表数据
• 行3：通过累计求和+偏移操作，求出每个系列的 bottom 值
• 行5：直接从 DataFrame 中遍历取出每一列，分别画柱子。m_color_cycle 是之前定义好的颜色板

行3是基本的 pandas 操作，有兴趣可以参考我的 pandas 专栏

调用如下：

• 行3：原数据有多余的列，要选出需要的列，然后按第一年的值，横向排序一下

图表如下：

基本的图表做出来，最后再调整一些细节(比如y轴的位置，刻度线等等)，因为这些只是一些操作，非常简单。

接下来做泡泡图

---

图形属性映射

数据可视化的本质，实际是数据到图形元素的映射。

看看之前的堆积图，我们成功把数据中的3种维度数据映射上去：

1. 年份，映射到柱子的水平位置(x轴位置)
2. 数值，映射到柱子的高度(调用 bar 方法时的参数 height)
3. 地区，映射到柱子的颜色

看一个极端的例子。数据中还有一列移民人数(migrant)，我们仍然可以往堆积图上映射：

虽然现在图表看起来非常奇怪，但的确是可行：

• 每一年的柱子宽度与数据 migrant 关联起来，柱子越宽，表示那一年移民人数越多

现在，你应该感受到数据可视化的本质，同时也看到，每一种的图表可以合理映射的维度是有限的。

比如上面的堆积图的柱子宽度显然不是一个合理映射属性。

解决方法就是用其他的"图形"继续做映射。

我们在同一个坐标系上画散点图，映射关系如下：

• 圆点的水平位置映射为年份
• 圆点的垂直位置映射为固定值(只要在柱子的下方就可以)
• 圆点的半径映射为数据 migrant

代码如下：

• 本文所有通用函数基于 DataFrame 固定列名。比如数据中需要有名为 size 的列，此列作为泡泡的大小。
• 行6：Axes.scatter 即可画出圆点，参数 s 就是圆点的半径
• 参数 clip_on 设置为 False，可以防止圆点太大超出了可视区被裁剪

调用如下：

• 行6：把列名修改合适
• 行7：参数y，决定泡泡的位置。注意这里的 -25 是对应图表上y轴的数值

看看图表：

下一步，加上中间连接修饰的矩形框

---

画图形

matplotlib 内置了许多基本图形，因此创建图形不是什么难事：

• 这是在
• 行9：创建一个矩形，第一个参数是系列，表示 x、y 的位置。
• 行10：往坐标系中加入这个图形

注意，上面行9中设置的参数的数值，默认是按数据表示。

比如，[0，40] 的40，相当于指定矩形的左下角点位于 y 轴值为 40 的位置

但是，[0,40] 的 0 应该表示的是 x 轴，为什么是0？

这是因为我们作图时，传给 x 轴的是字符串：

此时坐标系 x 轴被 matplotlib 转成 0 开始的升序编码

matplotlib 有6种坐标系转换，这是最重要的核心机制，这里不深入讲解

看看效果：

• 矩形左下角在 第一个柱子中间，y 轴点40的位置
• 高度刚好占 y 轴 20个单位的长度
• 宽度刚好是 10 个柱子宽度总和

知道了原理，那么需求就非常容易了：

看看效果：

非常好，为泡泡图加上数据标签，原理与之前一样：

最后，按要求调整轴的细节即可：

完整调用如下：

效果如下：

你会发现，整个过程我们一直在设置数据与图形的关联，这就是 matplotlib 的核心思路！

看似需要很多代码，但是我们非常容易就可以使他们在不同的数据之间重复使用。

接下来我会继续编写更多非常规要求的图表，敬请关注！