背景
在复杂的数字中找规律,不如从一张图中看出规律,在平时的汇报时,PPT里面能展示的也就那么几种图表,但是合理的把数据展示出来,有时能让人眼前一亮,在数据分析中合理的运用可视化技术,有时可以起到事半功倍的效果
数据可视化是一门艺术,有时清晰的图表胜过千言万语,数据可视化的成功,往往并不在于数据可视化本身。
效果
![](https://i-blog.csdnimg.cn/blog_migrate/c7d92778673b55ab61caa7daffc443c6.png)
效果
利用自定义函数画图
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
import matplotlib.ticker as mticker
#显示所有列
pd.set_option('display.max_columns', None)
#显示所有行
pd.set_option('display.max_rows', None)
#中文乱码的处理
plt.rcParams['font.sans-serif']=['Microsoft YaHei']
plt.rcParams['axes.unicode_minus']=False
data=pd.read_excel('模拟数据.xlsx')
def axes_plot(axs1,axs2,x,y,rotation=0,axs1_twinx=False):
#柱形图个数
axs1.bar(x,y,width=0.75,align='center')
for a,b in zip(x,y):
axs1.text(a,b,b,ha='center',va='bottom')
axs1.tick_params(axis='x')
#修改x坐标轴
axs1.xaxis.set_major_locator(mticker.FixedLocator(range(len(x))))
axs1.set_xticklabels(x,rotation=rotation,fontsize=12)
#累计百分比
if axs1_twinx:
axs_twinx=axs1.twinx()
y_twinx=np.array(y).cumsum()/np.array(y).sum()
axs_twinx.plot(x,y_twinx,'r-o',linewidth=3)
axs_twinx.set_ylim(0,1.1)
for a,b in zip(x,y_twinx):
axs_twinx.text(a,b,f'{b:.0%}',ha='center',va='bottom')
#饼图
axs2.pie(y,labels=x,autopct='%.0f%%',textprops={'fontsize':12,'color':'k'})
axs2.axis('equal')
%matplotlib inline
fig,axes=plt.subplots(1,2,figsize=(20,7),facecolor='white')
fontsize=15
x=data['地区']
y=data['销量']
axes_plot(axes[0],axes[1],x,y,rotation=45,axs1_twinx=True)
fig.suptitle('各大区销量分布',fontsize=20,fontweight ="bold",y=0.98)
plt.subplots_adjust(hspace=0.35,wspace=0.3)
plt.show()
历史相关文章
以上是自己实践中遇到的一些问题,分享出来供大家参考学习,欢迎关注微信公众号:DataShare ,不定期分享干货