数据可视化实例（十二）： 发散型条形图 （matplotlib，pandas）

https://datawhalechina.github.io/pms50/#/chapter10/chapter10

如果您想根据单个指标查看项目的变化情况，并可视化此差异的顺序和数量，那么散型条形图 （Diverging Bars） 是一个很好的工具。

它有助于快速区分数据中组的性能，并且非常直观，并且可以立即传达这一点。 

导入所需要的库

import numpy as np              # 导入numpy库
import pandas as pd             # 导入pandas库
import matplotlib as mpl        # 导入matplotlib库
import matplotlib.pyplot as plt
import seaborn as sns           # 导入seaborn库

设定图像各种属性

large = 22; med = 16; small = 12

params = {'axes.titlesize': large,    # 设置子图上的标题字体
            'legend.fontsize': med,     # 设置图例的字体
            'figure.figsize': (16, 10), # 设置图像的画布
           'axes.labelsize': med,      # 设置标签的字体
            'xtick.labelsize': med,     # 设置x轴上的标尺的字体
            'ytick.labelsize': med,     # 设置整个画布的标题字体
          'figure.titlesize': large}  
#plt.rcParams.update(params)           # 更新默认属性
plt.style.use('seaborn-whitegrid')    # 设定整体风格
sns.set_style("white")                # 设定整体背景风格

程序代码

# step1:导入数据

df = pd.read_csv("https://github.com/selva86/datasets/raw/master/mtcars.csv")
x = df.loc[:, 'mpg']                                              # 获取mpg这一列数据
    # z-score 标准化(正太标准化)：将数据按期属性（按列进行）减去其均值，并处以其方差。得到的结果是，对于每个属性/每列来说所有数据都聚集在0附近，方差为1。
df['mpg_z'] = (x - x.mean()) / x.std()
    # 列表推导式
    # 小于0__红色，大于0__绿色
df['colors'] = ['red' if x <0 else 'green' for x in df['mpg_z']]  # 颜色标签
df.sort_values('mpg_z', inplace = True)                           # 对'mpg_z这一列数据进行排序
df.reset_index(inplace = True)                                    # 对排序后的数据重置索引

 

# step2:绘制发散条形图

    # 画布
plt.figure(figsize = (14, 10),   # 画布尺寸_(14, 10)
           dpi = 80)             # 分辨率__80
    # 发散条形图
plt.hlines(df.index,             # 将y下标作为绘制直线的位置
          xmin = 0,              # 每一行的开头
          xmax = df.mpg_z,       # 每一行的结尾
          colors = df.colors,    # 颜色，默认为'k'(黑色)
          alpha = 0.4,           # 色彩饱和度
          linewidth = 5)         # 线宽

 

# step3：装饰图像

    # x,y轴的标题
plt.gca().set(ylabel='$Model$', xlabel='$Mileage$')               # 获取当前子图，若没有子图则创建一个子图，并设置横, 纵坐标的名称
    # y轴标签
plt.yticks(df.index,             # 放置刻度的位置列表
          df.cars,               # 放置给定位置列表的标签列表
          fontsize = 12)         # 字体尺寸
plt.title('Diverging Bars of Car Mileage', fontdict={'size':20})  # 设置图像标题
    # 设置网格线
plt.grid(linestyle = '--',       # 网格线类型
         alpha = 0.5)            # 透明度

plt.show()                       # 显示图像 

 

 博文总结

matplotlib.pyplot.hlines()

matplotlib.pyplot.hlines(y, xmin, xmax, colors='k', linestyles='solid', label='', \*, data=None, \*\*kwargs)

Plot horizontal lines at each y from xmin to xmax.

Parameters:	yscalar or sequence of scalar y-indexes where to plot the lines. xmin, xmaxscalar or 1D array-like Respective beginning and end of each line. If scalars are provided, all lines will have same length. colorsarray-like of colors, optional, default: 'k' linestyles{'solid', 'dashed', 'dashdot', 'dotted'}, optional labelstr, optional, default: ''
Returns:	linesLineCollection
Other Parameters:	**kwargsLineCollection properties.