快捷導(dǎo)航

Matplotlib實(shí)戰(zhàn)之堆疊面積圖繪制詳解

更新時(shí)間：2023年08月17日 14:29:21 作者：databook

堆疊面積圖和面積圖都是用于展示數(shù)據(jù)隨時(shí)間變化趨勢的統(tǒng)計(jì)圖表,但它們的特點(diǎn)有所不同,堆疊面積圖既能看到各數(shù)據(jù)系列的走勢,又能看到整體的規(guī)模,下面我們就來看看如何繪制堆疊面積圖吧

面積圖的特點(diǎn)在于它能夠直觀地展示數(shù)量之間的關(guān)系，而且不需要標(biāo)注數(shù)據(jù)點(diǎn)，可以輕松地觀察數(shù)據(jù)的變化趨勢。而堆疊面積圖則更適合展示多個(gè)數(shù)據(jù)系列之間的變化趨勢，它們一層層的堆疊起來，每個(gè)數(shù)據(jù)系列的起始點(diǎn)是上一個(gè)數(shù)據(jù)系列的結(jié)束點(diǎn)，多數(shù)據(jù)列的展示更加直觀和易于理解。

堆疊面積圖觀察幾個(gè)數(shù)據(jù)系列隨時(shí)間的變化情況時(shí)，既能看到各數(shù)據(jù)系列的走勢，又能看到整體的規(guī)模，但是，過多的系列，也會導(dǎo)致難以分辨。

此外，堆疊面積圖展示的數(shù)據(jù)一般會有時(shí)間上的關(guān)聯(lián)，當(dāng)數(shù)據(jù)沒有時(shí)間上的關(guān)聯(lián)時(shí)，建議適用堆疊柱狀圖。

1. 主要元素

堆疊面積圖是一種用于展示數(shù)據(jù)分類、分組和數(shù)據(jù)關(guān)聯(lián)性的圖表，主要由以下幾個(gè)元素組成：

堆疊面積：表示數(shù)據(jù)的分布或密度
圖例：圖例用于說明堆疊圖的繪制規(guī)則和參數(shù)
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. 適用的場景

堆疊面積圖適用于以下分析場景：

類別占比比較：堆疊面積圖可以用來比較不同類別在總體中的占比關(guān)系。例如，你可以使用堆疊面積圖來展示銷售額按產(chǎn)品類別的分布情況，以顯示每個(gè)類別對總銷售額的貢獻(xiàn)。
趨勢展示：堆疊面積圖可以在一個(gè)圖表中同時(shí)顯示多個(gè)類別或組的趨勢。它可以用來展示每個(gè)類別在不同時(shí)間點(diǎn)或區(qū)域的變化情況，并幫助分析人員觀察和理解各類別之間的差異和趨勢。
堆疊級別比較：堆疊面積圖還可以用來比較不同級別的數(shù)據(jù)在總體中的占比關(guān)系。例如，你可以使用堆疊面積圖來展示各部門在總體支出中的比例，以顯示各個(gè)部門的相對貢獻(xiàn)。
累積效果展示：堆疊面積圖可以展示隨著時(shí)間、地區(qū)或其他維度的推移，各組別所積累的整體效果。這對于觀察累積效果的變化和趨勢非常有幫助。

3. 不適用的場景

堆疊面積圖不適用于以下分析場景：

數(shù)據(jù)重疊：如果數(shù)據(jù)中有重疊的部分，堆疊面積圖會使數(shù)據(jù)難以解讀和比較。當(dāng)數(shù)據(jù)的堆疊部分變得模糊或不清晰時(shí)，堆疊面積圖可能就無法有效地傳達(dá)信息。
數(shù)據(jù)量變動：如果每個(gè)類別或組的數(shù)據(jù)量差別很大，堆疊面積圖可能會導(dǎo)致視覺上的需求不平衡。數(shù)據(jù)量較大的類別或組可能會過于突出，而數(shù)據(jù)量較小的類別或組則可能被掩蓋。
無法顯示趨勢：堆疊面積圖在展示數(shù)據(jù)的總體趨勢上相對有效，但卻不適用于顯示每個(gè)類別或組內(nèi)部的趨勢。如果你希望關(guān)注每個(gè)類別或組的個(gè)別趨勢，那么使用其他圖表類型如折線圖可能更為合適。
存在負(fù)值數(shù)據(jù)：堆疊面積圖假設(shè)數(shù)據(jù)都是正值，不適合用于展示包含負(fù)值的數(shù)據(jù)。這是因?yàn)槎询B面積圖的堆疊效果會導(dǎo)致負(fù)值的表現(xiàn)相對模糊，難以準(zhǔn)確表達(dá)。

4. 分析實(shí)戰(zhàn)

這次使用三大產(chǎn)業(yè)的增加值來實(shí)戰(zhàn)堆疊面積圖的分析。

4.1. 數(shù)據(jù)來源

數(shù)據(jù)來源國家統(tǒng)計(jì)局公開數(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

過濾出三大產(chǎn)業(yè)的數(shù)據(jù)：

key1 = "第一產(chǎn)業(yè)增加值(億元)"
key2 = "第二產(chǎn)業(yè)增加值(億元)"
key3 = "第三產(chǎn)業(yè)增加值(億元)"
df = df[(df["zbCN"] == key1)
        | (df["zbCN"] == key2)
        | (df["zbCN"] == key3)]
df

4.3. 分析結(jié)果可視化

繪制三大產(chǎn)業(yè)的堆疊面積圖：

from matplotlib.ticker import MultipleLocator
key1 = "第一產(chǎn)業(yè)增加值(億元)"
key2 = "第二產(chǎn)業(yè)增加值(億元)"
key3 = "第三產(chǎn)業(yè)增加值(億元)"
val1 = df[(df["zbCN"] == key1)].sort_values("sj")
val2 = df[(df["zbCN"] == key2)].sort_values("sj")
val3 = df[(df["zbCN"] == key3)].sort_values("sj")
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.stackplot(
        val1["sjCN"],
        [val1["value"], val2["value"], val3["value"]],
        labels=[key1, key2, key3],
        alpha=0.8,
    )
    ax.legend(loc="upper left")