快捷導(dǎo)航

python 繪制斜率圖進(jìn)行對(duì)比分析

更新時(shí)間：2021年03月19日 11:05:27 作者：代碼醫(yī)生工作室

這篇文章主要介紹了python 繪制斜率圖進(jìn)行對(duì)比分析的實(shí)例，幫助大家更好的理解和學(xué)習(xí)使用python，感興趣的朋友可以了解下

你好，我是林驥。

斜率圖，可以快速展現(xiàn)兩組數(shù)據(jù)之間各維度的變化，特別適合用于對(duì)比兩個(gè)時(shí)間點(diǎn)的數(shù)據(jù)。

比如說(shuō)，為了對(duì)比分析某產(chǎn)品不同功能的用戶滿意度，經(jīng)過(guò)問(wèn)卷調(diào)查和數(shù)據(jù)統(tǒng)計(jì)，得到下面這個(gè)調(diào)查結(jié)果：

你不妨自己先思考一下，如何對(duì)這組數(shù)據(jù)進(jìn)行可視化，才能讓信息傳遞變得更加高效？

下面是我用 matplotlib 制作的圖表：

從圖中可以直觀地看出，功能 C 的用戶滿意度明顯下降，我們用比較鮮明的橙色來(lái)表示，以便引起觀眾重點(diǎn)關(guān)注；功能 D 和功能 E 的用戶滿意度明顯提升，我們用藍(lán)色表示，代表數(shù)據(jù)正在向好的方向發(fā)展；功能 A 和功能 B 的用戶滿意度變化不大，我們用淺灰色表示，以便削弱觀眾對(duì)這兩個(gè)功能的注意力，把更多的精力用于分析用戶滿意度明顯下降的功能點(diǎn)，從而讓圖表起到提升信息傳遞效率的目的。

下面是用 matplotlib 畫圖的詳細(xì)步驟。

首先，導(dǎo)入所需的庫(kù)，并設(shè)置中文字體和定義顏色等。

# 導(dǎo)入所需的庫(kù)
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import matplotlib.image as image

# 正常顯示中文標(biāo)簽
mpl.rcParams['font.sans-serif'] = ['SimHei']

# 自動(dòng)適應(yīng)布局
mpl.rcParams.update({'figure.autolayout': True})

# 正常顯示負(fù)號(hào)
mpl.rcParams['axes.unicode_minus'] = False

# 定義顏色，主色：藍(lán)色，輔助色：灰色，互補(bǔ)色：橙色
c = {'藍(lán)色':'#00589F', '深藍(lán)色':'#003867', '淺藍(lán)色':'#5D9BCF',
   '灰色':'#999999', '深灰色':'#666666', '淺灰色':'#CCCCCC',
   '橙色':'#F68F00', '深橙色':'#A05D00', '淺橙色':'#FBC171'}

其次，從 Excel 文件中讀取隨機(jī)模擬的數(shù)據(jù)，并定義畫圖用的數(shù)據(jù)。

# 數(shù)據(jù)源路徑
filepath='./data/問(wèn)卷調(diào)查結(jié)果.xlsx'

# 讀取 Excel文件
df = pd.read_excel(filepath, index_col='調(diào)查年度')

# 定義畫圖用的數(shù)據(jù)
category_names = df.columns
labels = df.index
data = df.values
data_cum = data.cumsum(axis=1)

接下來(lái)，開(kāi)始用「面向?qū)ο蟆沟姆椒ㄟM(jìn)行畫圖。

# 使用「面向?qū)ο蟆沟姆椒ó媹D，定義圖片的大小
fig, ax=plt.subplots(figsize=(6, 6))

# 設(shè)置背景顏色
fig.set_facecolor('w')
ax.set_facecolor('w')

# 設(shè)置標(biāo)題
ax.set_title('\n用戶滿意度隨時(shí)間的變化\n', fontsize=26, loc='left', color=c['深灰色'])

# 定義顏色
category_colors = [c['淺灰色'], c['淺灰色'], c['橙色'], c['藍(lán)色'], c['藍(lán)色']]

# 畫斜率圖
for i, color in zip(np.arange(len(df.columns)), category_colors):
  ax.plot(df.index, df.iloc[:, i], marker='o', color=color)

  # 設(shè)置數(shù)據(jù)標(biāo)簽及其文字顏色
  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)

# 設(shè)置 Y 軸刻度范圍
ax.set_ylim(df.values.min()-0.02, df.values.max()+0.01)

# 隱藏 Y 軸
ax.yaxis.set_visible(False)

# 隱藏邊框
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['left'].set_visible(False)
ax.spines['bottom'].set_visible(False)

# 隱藏 X 軸的刻度線
ax.tick_params(axis='x', which='major', length=0)

# 設(shè)置坐標(biāo)標(biāo)簽字體大小和顏色
ax.tick_params(labelsize=16, colors=c['灰色'])

plt.show()

運(yùn)行之后，便得到上面那張圖。

你可以前往 https://github.com/linjiwx/mp 下載畫圖用的數(shù)據(jù)和完整代碼。

對(duì)于同一組數(shù)據(jù)，不同的人可能會(huì)有不同的觀察視角，對(duì)它們進(jìn)行可視化，往往也存在多種不同的解決方案，這里介紹的方法，并不是唯一正確的答案。關(guān)鍵在于，圖表的設(shè)計(jì)者想要表達(dá)什么信息？是否讓觀眾正確且快速地理解了想要表達(dá)的信息？

不同類型的圖表，有著不同的優(yōu)勢(shì)和劣勢(shì)。

斜率圖的優(yōu)勢(shì)，是能快速看到每個(gè)類別前后發(fā)生的變化，并能根據(jù)線條的陡峭程度，直觀地感受到變化的幅度。

斜率圖的劣勢(shì)，是看不出整體與部分的占比關(guān)系。另外，如果類別的順序很重要，那么也不適合使用斜率圖，因?yàn)轭悇e會(huì)根據(jù)數(shù)值大小自動(dòng)進(jìn)行排列。

最后，留給你一道思考題：在你看到過(guò)的各種數(shù)據(jù)中，有哪些數(shù)據(jù)是適合用斜率圖進(jìn)行對(duì)比分析的？

當(dāng)你不知道該選擇什么類型的圖表時(shí)，不妨停下來(lái)想一想，你希望讓觀眾了解什么或者做什么？

以上就是python 繪制斜率圖進(jìn)行對(duì)比分析的詳細(xì)內(nèi)容，更多關(guān)于python 對(duì)比分析的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: