您好,登录后才能下订单哦!
这篇文章将为大家详细讲解有关python如何绘制斜率图进行对比分析,小编觉得挺实用的,因此分享给大家做个参考,希望大家阅读完这篇文章后可以有所收获。
斜率图,可以快速展现两组数据之间各维度的变化,特别适合用于对比两个时间点的数据。
比如说,为了对比分析某产品不同功能的用户满意度,经过问卷调查和数据统计,得到下面这个调查结果:
你不妨自己先思考一下,如何对这组数据进行可视化,才能让信息传递变得更加高效?
下面是我用 matplotlib 制作的图表:
从图中可以直观地看出,功能 C 的用户满意度明显下降,我们用比较鲜明的橙色来表示,以便引起观众重点关注;功能 D 和功能 E 的用户满意度明显提升,我们用蓝色表示,代表数据正在向好的方向发展;功能 A 和功能 B 的用户满意度变化不大,我们用浅灰色表示,以便削弱观众对这两个功能的注意力,把更多的精力用于分析用户满意度明显下降的功能点,从而让图表起到提升信息传递效率的目的。
首先,导入所需的库,并设置中文字体和定义颜色等。
# 导入所需的库 import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt import matplotlib.image as image # 正常显示中文标签 mpl.rcParams['font.sans-serif'] = ['SimHei'] # 自动适应布局 mpl.rcParams.update({'figure.autolayout': True}) # 正常显示负号 mpl.rcParams['axes.unicode_minus'] = False # 定义颜色,主色:蓝色,辅助色:灰色,互补色:橙色 c = {'蓝色':'#00589F', '深蓝色':'#003867', '浅蓝色':'#5D9BCF', '灰色':'#999999', '深灰色':'#666666', '浅灰色':'#CCCCCC', '橙色':'#F68F00', '深橙色':'#A05D00', '浅橙色':'#FBC171'}
其次,从 Excel 文件中读取随机模拟的数据,并定义画图用的数据。
# 数据源路径 filepath='./data/问卷调查结果.xlsx' # 读取 Excel文件 df = pd.read_excel(filepath, index_col='调查年度') # 定义画图用的数据 category_names = df.columns labels = df.index data = df.values data_cum = data.cumsum(axis=1)
接下来,开始用「面向对象」的方法进行画图。
# 使用「面向对象」的方法画图,定义图片的大小 fig, ax=plt.subplots(figsize=(6, 6)) # 设置背景颜色 fig.set_facecolor('w') ax.set_facecolor('w') # 设置标题 ax.set_title('\n用户满意度随时间的变化\n', fontsize=26, loc='left', color=c['深灰色']) # 定义颜色 category_colors = [c['浅灰色'], c['浅灰色'], c['橙色'], c['蓝色'], c['蓝色']] # 画斜率图 for i, color in zip(np.arange(len(df.columns)), category_colors): ax.plot(df.index, df.iloc[:, i], marker='o', color=color) # 设置数据标签及其文字颜色 ax.text(-0.03, df.iloc[0, i], df.columns[i] + ' ' + '{:.0%}'.format(df.iloc[0, i]), ha='right', va='center', color=color, fontsize=16) ax.text(1.06, df.iloc[1, i], '{:.0%}'.format(df.iloc[1, i]), ha='left', va='center', color=color, fontsize=16) # 设置 Y 轴刻度范围 ax.set_ylim(df.values.min()-0.02, df.values.max()+0.01) # 隐藏 Y 轴 ax.yaxis.set_visible(False) # 隐藏边框 ax.spines['top'].set_visible(False) ax.spines['right'].set_visible(False) ax.spines['left'].set_visible(False) ax.spines['bottom'].set_visible(False) # 隐藏 X 轴的刻度线 ax.tick_params(axis='x', which='major', length=0) # 设置坐标标签字体大小和颜色 ax.tick_params(labelsize=16, colors=c['灰色']) plt.show()
运行之后,便得到上面那张图。
你可以前往 https://github.com/linjiwx/mp 下载画图用的数据和完整代码。
对于同一组数据,不同的人可能会有不同的观察视角,对它们进行可视化,往往也存在多种不同的解决方案,这里介绍的方法,并不是唯一正确的答案。关键在于,图表的设计者想要表达什么信息?是否让观众正确且快速地理解了想要表达的信息?
不同类型的图表,有着不同的优势和劣势。
斜率图的优势,是能快速看到每个类别前后发生的变化,并能根据线条的陡峭程度,直观地感受到变化的幅度。
斜率图的劣势,是看不出整体与部分的占比关系。另外,如果类别的顺序很重要,那么也不适合使用斜率图,因为类别会根据数值大小自动进行排列。
关于“python如何绘制斜率图进行对比分析”这篇文章就分享到这里了,希望以上内容可以对大家有一定的帮助,使各位可以学到更多知识,如果觉得文章不错,请把它分享出去让更多的人看到。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。