Matplotlib實(shí)戰(zhàn)之百分比柱狀圖繪制詳解

更新時(shí)間：2023年08月23日 10:55:03 作者：databook

百分比堆疊式柱狀圖是一種特殊的柱狀圖,可以用于可視化比較不同類別或組的百分比或比例的圖表,下面我們就來介紹一下如何使用Matplotlib繪制百分比柱狀圖,需要的可以參考下

1. 主要元素

百分比柱狀圖是一種用于可視化比較不同類別或組的百分比或比例的圖表。

它的主要元素包括：

橫軸：表示數(shù)據(jù)的主分類。
縱軸：每個(gè)子分類的比例關(guān)系。
堆疊的矩形：每個(gè)柱狀圖由多個(gè)堆疊部分組成，和堆疊柱狀圖不同的是，每個(gè)柱子都是一樣高的。
圖例：每個(gè)堆疊部分代表的意義。

2. 適用的場(chǎng)景

百分比柱狀圖適用的場(chǎng)景很多，比如：

市場(chǎng)份額：比較不同產(chǎn)品或服務(wù)的市場(chǎng)份額，幫助決策者了解市場(chǎng)競(jìng)爭(zhēng)情況。
人口比例：顯示不同地區(qū)或不同群體的人口比例，或不同年齡段的人口比例。
問卷調(diào)查結(jié)果：比較不同選項(xiàng)或答案的頻率或比例，或者用戶對(duì)產(chǎn)品特性的滿意度。
部門預(yù)算分配：顯示不同部門或項(xiàng)目的預(yù)算分配比例，幫助管理者了解資源分配情況。
等等。。。

3. 不適用的場(chǎng)景

百分比柱狀圖也有不適用于的場(chǎng)景，比如：

比較絕對(duì)數(shù)值：如果需要比較具體的數(shù)值大小而不僅僅是比例，那么百分比柱狀圖可能不是最合適的選擇。
數(shù)據(jù)存在重疊：如果不同類別的數(shù)據(jù)存在重疊或者相互依賴的情況，百分比柱狀圖可能無法清晰地展示比例關(guān)系。
數(shù)據(jù)量過大或過小：如果數(shù)據(jù)量過大或過小，百分比柱狀圖可能無法有效地顯示比例關(guān)系。

4. 分析實(shí)戰(zhàn)

和上一篇堆疊柱狀圖使用相同的原始數(shù)據(jù)，繪制圖形之后可以看看這兩種柱狀圖展示分析結(jié)果的區(qū)別。

4.1. 數(shù)據(jù)來源

數(shù)據(jù)來自國(guó)家統(tǒng)計(jì)局公開的人民生活數(shù)據(jù)，可從下面的網(wǎng)址下載：databook.top/nation/A0A

使用的是其中 A0A0A.csv文件（全國(guó)居民主要食品消費(fèi)量）

fp = "d:/share/A0A0A.csv"
df = pd.read_csv(fp)
df

4.2. 數(shù)據(jù)清理

選取和上一篇堆疊柱狀圖一樣，還是5類：

居民人均蔬菜及食用菌消費(fèi)量(千克)
居民人均肉類消費(fèi)量(千克)
居民人均禽類消費(fèi)量(千克)
居民人均水產(chǎn)品消費(fèi)量(千克)
居民人均蛋類消費(fèi)量(千克)

和堆疊柱狀圖不同的是，繪制百分比柱狀圖用的是百分比數(shù)值，所有要把原始數(shù)據(jù)中每年的絕對(duì)數(shù)值轉(zhuǎn)換為百分比數(shù)值。

data = df[(df["sj"] >= 2013) & 
        (df["sj"] <= 2021) & 
        (df["zb"].isin(["A0A0A03", 
                        "A0A0A04",
                        "A0A0A05",
                        "A0A0A06",
                        "A0A0A07"]))].copy()
data["年消耗總量"] = data.groupby("sj").value.transform("sum")
data["各類消耗量占比"] = data["value"] / data["年消耗總量"]
data.loc[:, ["sjCN", "zbCN", "各類消耗量占比"]].head(10)

4.3. 分析結(jié)果可視化

import matplotlib.ticker as mticker
data = data.sort_values("sj")
data["各類消耗量占比"] = data["各類消耗量占比"]*100
with plt.style.context("seaborn-v0_8"):
    fig = plt.figure()
    ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
    years = data["sjCN"].drop_duplicates(keep="first").tolist()
    bar_data = {
        "蔬菜及菌類(%)": data[data["zb"] == "A0A0A03"]["各類消耗量占比"].tolist(),
        "肉類(%)": data[data["zb"] == "A0A0A04"]["各類消耗量占比"].tolist(),
        "禽類(%)": data[data["zb"] == "A0A0A05"]["各類消耗量占比"].tolist(),
        "水產(chǎn)品(%)": data[data["zb"] == "A0A0A06"]["各類消耗量占比"].tolist(),
        "蛋類(%)": data[data["zb"] == "A0A0A07"]["各類消耗量占比"].tolist(),
    }
    bottom = np.zeros(len(years))
    for key, vals in bar_data.items():
        ax.bar(years, vals, label=key, bottom=bottom)
        bottom += vals
    # 設(shè)置Y軸刻度的顯示格式
    ax.set_ylim(0, 110)
    yticks = ax.get_yticks().tolist()
    ax.yaxis.set_major_locator(mticker.FixedLocator(yticks))
    ax.set_yticklabels(["{}%".format(x) for x in yticks])
    ax.set_title("全國(guó)居民主要糧食消耗情況")
    ax.legend(loc="upper left", ncol=5)