Matplotlib實(shí)戰(zhàn)之面積圖繪制詳解

更新時(shí)間：2023年08月17日 10:09:05 作者：databook

面積圖，或稱區(qū)域圖，是一種隨有序變量的變化，反映數(shù)值變化的統(tǒng)計(jì)圖表，這篇文章主要介紹了如何利用Matplotlib實(shí)現(xiàn)面積圖的繪制，需要的可以參考下

1. 主要元素

面積圖是一種用于展示數(shù)據(jù)分布或密度的圖表類型，主要由數(shù)據(jù)點(diǎn)、面積、以及X軸和Y軸組成。
面積圖可以直觀地反映數(shù)據(jù)的分布情況。

面積圖的主要構(gòu)成元素包括：

數(shù)據(jù)點(diǎn)：表示數(shù)據(jù)的具體位置和大小
面積：表示數(shù)據(jù)的分布或密度
X軸：一般是有序變量，表示數(shù)據(jù)點(diǎn)的變化區(qū)間
Y軸：數(shù)據(jù)點(diǎn)在不同時(shí)刻的值

2. 適用的場(chǎng)景

面積圖適用于以下分析場(chǎng)景：

數(shù)據(jù)分布分析：幫助分析人員了解數(shù)據(jù)的分布情況，如城市的大小、人口分布等。
市場(chǎng)需求分析：幫助企業(yè)了解市場(chǎng)需求的變化趨勢(shì)，如銷售額的增長(zhǎng)情況等。
健康狀況分析：幫助醫(yī)生了解患者的健康狀況，如體溫、血壓等數(shù)據(jù)的變化趨勢(shì)。

3. 不適用的場(chǎng)景

面積圖不適用于以下分析場(chǎng)景：

數(shù)據(jù)的精確性要求較高的分析場(chǎng)景：面積圖無(wú)法精確地反映數(shù)據(jù)的分布情況，在需要精確數(shù)據(jù)的場(chǎng)景中不適用。
需要顯示數(shù)據(jù)細(xì)節(jié)的分析場(chǎng)景：面積圖無(wú)法直觀地顯示數(shù)據(jù)的細(xì)節(jié)和變化趨勢(shì)，在需要顯示數(shù)據(jù)細(xì)節(jié)的場(chǎng)景中不適用。
需要進(jìn)行多維數(shù)據(jù)分析的場(chǎng)景：面積圖無(wú)法直接展示多維數(shù)據(jù)，在需要進(jìn)行多維數(shù)據(jù)分析的場(chǎng)景中不適用。

4. 分析實(shí)戰(zhàn)

這次使用國(guó)內(nèi)生產(chǎn)總值相關(guān)數(shù)據(jù)來(lái)實(shí)戰(zhàn)面積圖的分析。

4.1. 數(shù)據(jù)來(lái)源

數(shù)據(jù)來(lái)源國(guó)家統(tǒng)計(jì)局公開(kāi)數(shù)據(jù)，已經(jīng)整理好的csv文件在：databook.top/nation/A02

本次分析使用其中的 A0201.csv 文件（國(guó)內(nèi)生產(chǎn)總值數(shù)據(jù)）。

下面的文件路徑 fp 要換成自己實(shí)際的文件路徑。

fp = "d:/share/A0201.csv"
df = pd.read_csv(fp)
df

4.2. 數(shù)據(jù)清理

從中過(guò)濾出國(guó)內(nèi)生產(chǎn)總值(億元)和人均國(guó)內(nèi)生產(chǎn)總值(元)，然后繪制面積圖看看有什么發(fā)現(xiàn)。

key1 = "國(guó)民總收入(億元)"
df[df["zbCN"]==key1].head()

key2 = "人均國(guó)內(nèi)生產(chǎn)總值(元)"
df[df["zbCN"]==key2].head()

4.3. 分析結(jié)果可視化

**國(guó)內(nèi)生產(chǎn)總值(億元)**的面積圖：

from matplotlib.ticker import MultipleLocator
with plt.style.context("seaborn-v0_8"):
    fig = plt.figure()
    ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
    ax.xaxis.set_major_locator(MultipleLocator(4))
    ax.xaxis.set_minor_locator(MultipleLocator(2))
    data = df[df["zbCN"] == key1].copy()
    data["value"] = data["value"] / 10000
    data = data.sort_values(by="sj")
    ax.fill_between(data["sjCN"], data["value"], label="國(guó)民總收入(萬(wàn)億元)")
    ax.legend(loc="upper left")

上面的代碼把Y軸的單位改成了萬(wàn)億元，原先的億元作為單位，數(shù)值太大。

用面積圖來(lái)展示分析結(jié)果，不像折線圖那樣，僅僅只是變化趨勢(shì)的感覺(jué)；

通過(guò)折線下的面積不斷擴(kuò)大，會(huì)感覺(jué)到國(guó)民總收入的總量在不斷變大，且2006年之后，總量增速明顯提高。

同樣分析步驟，人均收入的面積圖如下：

from matplotlib.ticker import MultipleLocator
with plt.style.context("seaborn-v0_8"):
    fig = plt.figure()
    ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
    ax.xaxis.set_major_locator(MultipleLocator(4))
    ax.xaxis.set_minor_locator(MultipleLocator(2))
    data = df[df["zbCN"] == key2].copy()
    data = data.sort_values(by="sj")
    ax.fill_between(data["sjCN"], data["value"], label=key2)
    ax.legend(loc="upper left")

接下來(lái)，我們把國(guó)民總收入和人均收入放在一起看，但是，這兩組數(shù)據(jù)的單位不一樣（一個(gè)是萬(wàn)億元，一個(gè)是元）。

所以要用到之前 matplotlib基礎(chǔ)系列中介紹的雙坐標(biāo)軸技巧來(lái)展示。

from matplotlib.ticker import MultipleLocator
with plt.style.context("seaborn-v0_8"):
    fig = plt.figure()
    ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
    ax.xaxis.set_major_locator(MultipleLocator(4))
    ax.xaxis.set_minor_locator(MultipleLocator(2))
    ax_twinx = ax.twinx()
    data = df[df["zbCN"] == key1].copy()
    data["value"] = data["value"] / 10000
    data = data.sort_values(by="sj")
    ax.fill_between(data["sjCN"], data["value"], 
                    alpha=0.5, label="國(guó)民總收入(萬(wàn)億元)")
    data = df[df["zbCN"] == key2].copy()
    data = data.sort_values(by="sj")
    ax_twinx.fill_between(data["sjCN"], data["value"], 
                          color='r', alpha=0.2, label=key2)
    ax.legend(loc="upper left")
    ax_twinx.legend(loc="upper right")