您好，登录后才能下订单哦！
密码登录
登录注册
点击 登录注册 即表示同意《亿速云用户服务条款》
# 怎么用Python绘制棒棒糖图表
## 引言
数据可视化是数据分析中不可或缺的环节，而棒棒糖图表（Lollipop Chart）作为一种简洁高效的图表类型，近年来在数据展示领域越来越受欢迎。本文将详细介绍如何使用Python绘制专业级的棒棒糖图表，涵盖从基础实现到高级定制的完整流程。
## 一、什么是棒棒糖图表
### 1.1 基本概念
棒棒糖图表是条形图（Bar Chart）的变体，它用线条和圆点代替完整的条形，具有以下特点：
- 线条表示数值大小
- 端点用圆形标记强调数据点
- 比传统条形图更节省空间
- 视觉上更加简洁优雅
### 1.2 适用场景
- 数据量适中（通常10-30个类别）
- 需要突出显示具体数值
- 进行数据排名比较
- 空间有限但需要清晰展示
## 二、准备工作
### 2.1 环境配置
确保已安装以下Python库：
```python
pip install matplotlib pandas numpy
我们使用模拟的2023年智能手机市场份额数据：
import pandas as pd
data = {
'Brand': ['Apple', 'Samsung', 'Xiaomi', 'Oppo', 'Vivo', 'Huawei', 'Realme'],
'Market_Share': [28.5, 22.3, 12.7, 9.2, 8.1, 6.8, 4.5]
}
df = pd.DataFrame(data).sort_values('Market_Share')
import matplotlib.pyplot as plt
plt.figure(figsize=(10,6))
plt.hlines(y=df['Brand'], xmin=0, xmax=df['Market_Share'],
color='skyblue', linewidth=2)
plt.scatter(df['Market_Share'], df['Brand'],
color='blue', s=100, alpha=0.7)
plt.title('Smartphone Market Share (2023)', fontsize=14)
plt.xlabel('Market Share (%)', fontsize=12)
plt.ylabel('Brand', fontsize=12)
plt.grid(axis='x', linestyle='--', alpha=0.7)
plt.show()
hlines(): 绘制水平线
scatter(): 绘制端点圆点
for i, (share, brand) in enumerate(zip(df['Market_Share'], df['Brand'])):
plt.text(share+0.5, i, f'{share}%',
va='center', fontsize=10)
根据数值大小渐变颜色：
norm = plt.Normalize(df['Market_Share'].min(), df['Market_Share'].max())
colors = plt.cm.viridis(norm(df['Market_Share']))
plt.hlines(y=df['Brand'], xmin=0, xmax=df['Market_Share'],
color=colors, linewidth=3)
plt.scatter(df['Market_Share'], df['Brand'],
color=colors, s=150, edgecolor='black')
默认排序可能不符合需求，我们可以：
# 按值降序排列
df = df.sort_values('Market_Share', ascending=False)
比较两年数据变化：
df['2022_Share'] = [25.3, 24.1, 13.5, 10.2, 9.8, 8.5, 5.2]
plt.hlines(y=df['Brand'], xmin=df['2022_Share'], xmax=df['Market_Share'],
color='grey', linewidth=2)
plt.scatter(df['2022_Share'], df['Brand'],
color='red', s=100, label='2022')
plt.scatter(df['Market_Share'], df['Brand'],
color='green', s=100, label='2023')
plt.legend()
import seaborn as sns
plt.figure(figsize=(10,6))
sns.stripplot(data=df, y='Brand', x='Market_Share',
size=15, jitter=False, linewidth=1)
plt.hlines(y=range(len(df)), xmin=0, xmax=df['Market_Share'],
colors='skyblue', linewidth=2)
# 添加装饰元素
sns.despine(left=True)
plt.title('Seaborn Style Lollipop Chart', pad=20)
sns.set_theme(style="whitegrid")
plt.figure(figsize=(10,6))
ax = sns.stripplot(..., palette="RdBu_r")
ax.set(xlabel='Custom X Label', ylabel='Custom Y Label')
import plotly.express as px
fig = px.scatter(df, x='Market_Share', y='Brand')
fig.update_traces(marker=dict(size=12, line=dict(width=2, color='DarkSlateGrey')),
selector=dict(mode='markers'))
fig.update_layout(shapes=[
dict(type='line', y0=i, y1=i, x0=0, x1=row['Market_Share'],
line=dict(color='RoyalBlue', width=2))
for i, row in enumerate(df.to_dict('records'))
])
fig.show()
covid_data = {
'Country': ['Portugal', 'Singapore', 'Qatar', 'Chile', 'Canada', 'Japan', 'USA'],
'Vaccination_Rate': [87, 86, 84, 83, 82, 81, 68]
}
df_covid = pd.DataFrame(covid_data)
plt.figure(figsize=(12,8))
colors = ['#1f77b4' if x < 80 else '#ff7f0e' for x in df_covid['Vaccination_Rate']]
# 绘制棒棒糖
plt.hlines(y=df_covid['Country'], xmin=0, xmax=df_covid['Vaccination_Rate'],
colors=colors, linewidth=3, alpha=0.7)
plt.scatter(df_covid['Vaccination_Rate'], df_covid['Country'],
color=colors, s=200, edgecolor='black', alpha=0.9)
# 添加参考线和注释
plt.axvline(x=80, color='red', linestyle='--', alpha=0.3)
plt.text(80.5, 6.5, '80% Threshold', color='red')
# 完善图表元素
plt.title('COVID-19 Vaccination Rates by Country (2023)', pad=20, fontsize=16)
plt.xlabel('Fully Vaccinated (%)', fontsize=14)
plt.ylabel('', fontsize=14)
plt.xlim(60, 90)
plt.grid(axis='x', alpha=0.3)
plt.tight_layout()
解决方案：
plt.yticks(fontsize=10) # 调整字体大小
plt.subplots_adjust(left=0.3) # 增加左侧边距
处理方法： - 使用对数刻度
plt.xscale('log')
plt.savefig('lollipop.png', dpi=300, bbox_inches='tight')
# 垂直棒棒糖图
plt.vlines(x=df['Brand'], ymin=0, ymax=df['Market_Share'],
color='skyblue', linewidth=2)
plt.scatter(df['Brand'], df['Market_Share'],
color='blue', s=100)
plt.xticks(rotation=45)
实现方法：
# 添加分组数据
df['Region'] = ['West']*3 + ['East']*4
colors = {'West': 'blue', 'East': 'red'}
plt.hlines(y=df['Brand'], xmin=0, xmax=df['Market_Share'],
color=df['Region'].map(colors), linewidth=2)
棒棒糖图表作为一种高效的数据可视化工具，通过Python可以轻松实现并高度定制。关键要点包括： 1. 掌握Matplotlib的基础绘制方法 2. 熟练使用颜色映射和标签优化 3. 了解Seaborn和Plotly的高级应用 4. 根据实际需求选择合适的变体形式
通过本文介绍的技术，您可以创建出既美观又专业的棒棒糖图表，有效提升数据呈现效果。
附录：完整代码示例
# 完整代码示例
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
# 准备数据
data = {'Brand': ['Apple', 'Samsung', 'Xiaomi', 'Oppo', 'Vivo', 'Huawei', 'Realme'],
'Market_Share': [28.5, 22.3, 12.7, 9.2, 8.1, 6.8, 4.5]}
df = pd.DataFrame(data).sort_values('Market_Share')
# 创建图表
plt.figure(figsize=(10,6), dpi=120)
colors = plt.cm.coolwarm(np.linspace(0,1,len(df)))
# 绘制棒棒糖
plt.hlines(y=df['Brand'], xmin=0, xmax=df['Market_Share'],
colors=colors, linewidth=3)
plt.scatter(df['Market_Share'], df['Brand'],
color=colors, s=200, edgecolor='black', zorder=3)
# 添加数值标签
for i, (share, brand) in enumerate(zip(df['Market_Share'], df['Brand'])):
plt.text(share+0.8, i, f'{share}%', va='center', fontsize=10)
# 装饰图表
plt.title('Professional Lollipop Chart Example\nSmartphone Market Share', pad=20)
plt.xlabel('Market Share (%)')
plt.xlim(0, 35)
plt.grid(axis='x', linestyle='--', alpha=0.4)
plt.tight_layout()
plt.show()
参考资料 1. Matplotlib官方文档 2. Seaborn示例库 3. 《Python数据可视化实战》 “`
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。