用Python绘制棒棒糖图表，真的好看！

本文转载自微信公众号「法纳斯特」，作者小F。转载本文请联系法纳斯特公众号。

创新互联专注为客户提供全方位的互联网综合服务，包含不限于网站设计、做网站、蒲城网络推广、微信平台小程序开发、蒲城网络营销、蒲城企业策划、蒲城品牌公关、搜索引擎seo、人物专访、企业宣传片、企业代运营等，从售前售中售后，我们都将竭诚为您服务，您的肯定，是我们最大的嘉奖；创新互联为所有大学生创业者提供蒲城建站搭建服务，24小时服务热线：028-86922220，官方网址：www.cdcxhl.com

大家好，我是小F～

条形图在数据可视化里，是一个经常被使用到的图表。

虽然很好用，也还是存在着缺陷呢。比如条形图条目太多时，会显得臃肿，不够直观。

棒棒糖图表则是对条形图的改进，以一种小清新的设计，清晰明了表达了我们的数据。

下面小F就给大家介绍一下，如何使用Python绘制棒棒糖图表。

使用到的是我国1949到2019年，历年的出生人口数据，数据来源国家统计局。

首先读取一下数据。

 
 
 
   
  
  
  import pandas as pd   
  
  
  import matplotlib.pyplot as plt   
  
  
     
  
  
  # 读取数据   
  
  
  df = pd.read_csv('data.csv')   
  
  
  print(df)

结果如下。

数据集很简单，每行都只有一个年份和一个值。

先绘制一个带有每年数值的条形图。

 
 
 
   
  
  
  # 绘制柱状图   
  
  
  plt.bar(df.Year, df.value)   
  
  
  plt.show()

两行代码，即可得到一张条形图图表，看起来确实是有点拥挤。

下面将最后一年，即2019年的数据区分出来。

给2019年的条形着色为黑色，其他年份为浅灰色。

并且在图表中添加散点图，可在条形图的顶部绘制圆形。

 
 
 
   
  
  
  # 新建画布   
  
  
  fig, ax = plt.subplots(1, figsize=(12, 8))   
  
  
     
  
  
  # 年份数   
  
  
  n = len(df)   
  
  
  # 颜色设置   
  
  
  colors = ['black'] + ((n-1)*['lightgrey'])   
  
  
  plt.bar(df.Year, df.value, color=colors)   
  
  
  plt.scatter(df.Year, df.value, color=colors)   
  
  
  plt.show()

得到结果如下。

颜色已经修改成功，还需要调整一下条形图的宽度以及顶部圆圈的大小。

 
 
 
   
  
  
  # width: 条形图宽度  s: 散点图圆圈大小   
  
  
  plt.bar(df.Year, df.value, color=colors, width=0.2)   
  
  
  plt.scatter(df.Year, df.value, color=colors, s=10)   
  
  
  plt.show()

结果如下。

比起先前的蓝色条形图图表，棒棒糖图表确实是好看了不少。

除了用条形图来绘制棒棒糖图表，还可以使用线条，这样整体的宽度会更加一致。

X将Year(年份)数据作为起点和终点，Y以-20和各年份数据作为起点和终点。

 
 
 
   
  
  
  import pandas as pd   
  
  
  import matplotlib.pyplot as plt   
  
  
     
  
  
  # 读取数据   
  
  
  df = pd.read_csv('data.csv')   
  
  
  print(df)   
  
  
     
  
  
  # 新建画布   
  
  
  fig, ax = plt.subplots(1, figsize=(12, 8))   
  
  
     
  
  
  # 年份数   
  
  
  n = len(df)   
  
  
  # 颜色设置   
  
  
  colors = ['black'] + ((n-1)*['lightgrey'])   
  
  
  # 使用线条   
  
  
  for idx, val in df.iterrows():   
  
  
      plt.plot([val.Year, val.Year],   
  
  
               [-20, val.value],   
  
  
               color=colors[idx])   
  
  
  plt.show()

得到结果如下。

可以使用参数标记在两端绘制圆，而不是只在顶部生成散点图。

然后可以通过更改y-limit参数来隐藏最底端的圆。

 
 
 
   
  
  
  # 新建画布   
  
  
  fig, ax = plt.subplots(1, figsize=(12, 8))   
  
  
     
  
  
  # 年份数   
  
  
  n = len(df)   
  
  
  # 颜色设置   
  
  
  colors = ['black'] + ((n-1)*['lightgrey'])   
  
  
  # 使用线条, markersize设置标记点大小   
  
  
  for idx, val in df.iterrows():   
  
  
      plt.plot([val.Year, val.Year],   
  
  
               [-20, val.value],   
  
  
               color=colors[idx],   
  
  
               marker='o',   
  
  
               markersize=3)   
  
  
     
  
  
  # 设置y轴最低值   
  
  
  plt.ylim(0,)   
  
  
  plt.show()

结果如下。

此外还可以调整lw、markersize参数，定义线条的粗细及标记的大小，甚至可以绘制两次线条以创建轮廓效果。

 
 
 
   
  
  
  # 新建画布   
  
  
  fig, ax = plt.subplots(1, figsize=(12, 8))   
  
  
  color = 'b'   
  
  
     
  
  
  # 年份数   
  
  
  n = len(df)   
  
  
  # 颜色设置   
  
  
  colors = ['black'] + ((n-1)*['lightgrey'])   
  
  
  # 使用线条   
  
  
  for idx, val in df.iterrows():   
  
  
      plt.plot([val.Year, val.Year],   
  
  
               [-20, val.value],   
  
  
               color='black',   
  
  
               marker='o',   
  
  
               lw=4,   
  
  
               markersize=6)   
  
  
      plt.plot([val.Year, val.Year],   
  
  
               [-20, val.value],   
  
  
               color=colors[idx],   
  
  
               marker='o',   
  
  
               markersize=4)   
  
  
     
  
  
  # 移除上边框、右边框   
  
  
  ax.spines['right'].set_visible(False)   
  
  
  ax.spines['top'].set_visible(False)   
  
  
     
  
  
  # 设置x、y轴范围   
  
  
  plt.xlim(1948, 2020)   
  
  
  plt.ylim(0,)   
  
  
     
  
  
  # 中文显示   
  
  
  plt.rcParams['font.sans-serif'] = ['Songti SC']   
  
  
     
  
  
  plt.title('中国历年出生人口数据(万)', loc='left', fontsize=16)   
  
  
  plt.text(2019, -220, '来源：国家统计局', ha='right')   
  
  
     
  
  
  # 2019年出生人口数(显示)   
  
  
  value_2019 = df[df['Year'] == 2019].value.values[0]   
  
  
  plt.text(2019, value_2019+80, value_2019, ha='center')   
  
  
     
  
  
  # 保存图片   
  
  
  plt.savefig('chart.png')

得到结果如下。

黑色不是特别好看，改个颜色看看。

 
 
 
   
  
  
  # 新建画布   
  
  
  fig, ax = plt.subplots(1, figsize=(12, 8))   
  
  
     
  
  
  # 年份数   
  
  
  n = len(df)   
  
  
  # 颜色设置   
  
  
  color = 'b'   
  
  
  colors = ['#E74C3C'] + ((len(df)-1)*['#F5B7B1'])   
  
  
  # 使用线条   
  
  
  for idx, val in df.iterrows():   
  
  
      plt.plot([val.Year, val.Year],   
  
  
               [-20, val.value],   
  
  
               color=colors[idx],   
  
  
               marker='o',   
  
  
               lw=4,   
  
  
               markersize=6,   
  
  
               markerfacecolor='#E74C3C')   
  
  
     
  
  
  # 移除上边框、右边框   
  
  
  ax.spines['right'].set_visible(False)   
  
  
  ax.spines['top'].set_visible(False)   
  
  
     
  
  
  # 设置x、y轴范围   
  
  
  plt.xlim(1948, 2020)   
  
  
  plt.ylim(0,)   
  
  
     
  
  
  # 中文显示   
  
  
  plt.rcParams['font.sans-serif'] = ['Songti SC']   
  
  
     
  
  
  plt.title('中国历年出生人口数据(万)', loc='left', fontsize=16)   
  
  
  plt.text(2019, -220, '来源：国家统计局', ha='right')   
  
  
     
  
  
  # 2019年出生人口数(显示)   
  
  
  value_2019 = df[df['Year'] == 2019].value.values[0]   
  
  
  plt.text(2019, value_2019+80, value_2019, ha='center')   
  
  
     
  
  
  # 保存图片   
  
  
  plt.savefig('chart.png')

得到结果如下。

现在对于条形图，你就有了另外一个选择，即棒棒糖图表。

此外我们也能了解到目前中国的新出生人口数量是越来越少，据说2020年出生人口降幅或超一成，未来几年恐跌破1000万...

名称栏目：用Python绘制棒棒糖图表，真的好看！
分享链接：http://www.shufengxianlan.com/qtweb/news22/547772.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源：创新互联

猜你还喜欢下面的内容