数据可视化第二版-03部分-07章-局部与整体
光荣的三八节到了，来个充满理想年代的图片。
总结
本系列博客为基于《数据可视化第二版》一书的教学资源博客。本文主要是第07章-局部与整体可视化的案例相关。
可视化视角-局部与整体
代码实现
韦恩图
可参考：https://www.jb51.net/article/238729.htm
https://pypi.org/project/matplotlib-venn/
python中Matplotlib并没有现成的函数可直接绘制venn图， 不过已经有前辈基于matplotlib.patches及matplotlib.path开发了两个轮子。
安装matplotlib_venn：
pip install matplotlib_venn -i https://pypi.tuna.tsinghua.edu.cn/simple
该包提供了四个主要函数:venn2、venn2_circles、venn3和venn3_circles。
venn3
韦恩图1
from matplotlib import pyplot as plt from matplotlib_venn import venn3 # 1 plt.figure(figsize=(4, 4)) # 设置画布大小 plt.title("韦恩图示例") plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 # (Abc, aBc, ABc, abC, AbC, aBC, ABC) v = venn3(subsets=(20, 10, 5, 15, 5, 10, 5), set_labels=('逻辑学', '艺术修养', '大学语文'), set_colors=('magenta', 'cyan', 'b')) plt.show()
输出为：
from matplotlib import pyplot as plt from matplotlib_venn import venn3 # 2 plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 plt.figure(figsize=(4, 4)) # 设置画布大小 v = venn3(subsets=(20, 10, 5, 15, 5, 10, 5), set_labels=('逻辑学', '艺术修养', '大学语文'), set_colors=('magenta', 'cyan', 'b')) plt.show()
venn2
#导入依赖packages import matplotlib.pyplot as plt from matplotlib_venn import venn2,venn2_circles # subsets参数 #绘图数据的格式，以下5种方式均可以，注意异同 # (Ab, aB, AB) subset = [[{1,2,3},{1,2,4}],#列表list(集合1，集合2) ({1,2,3},{1,2,4}),#元组tuple(集合1，集合2) {'10': 1, '01': 1, '11': 2},#字典dict(A独有，B独有，AB共有) (3, 3, 2),####元组tuple（A有，B有，AB共有），注意和其它几种方式的异同点 [3,3,2]#列表list（A有，B有，AB共有） ] for i in subset: my_dpi=100 plt.figure(figsize=(500/my_dpi, 500/my_dpi), dpi=my_dpi) # #控制图尺寸的同时，使图高分辨率（高清）显示 g=venn2(subsets=i, #默认数据绘制venn图，只需传入绘图数据 set_colors=("#098154","#c72e29"),#设置圈的颜色，中间颜色不能修改 alpha=0.6,#透明度 normalize_to=1.0,#venn图占据figure的比例，1.0为占满 ) g=venn2_circles(subsets = i, linestyle='--', linewidth=0.8, color="black"#外框线型、线宽、颜色 ) plt.title('subsets=%s'%str(i)) plt.show()
饼图
plt.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=0, 0, frame=False, rotatelabels=False, *, normalize=None, data=None)
x即每个扇形的占比的序列或数组
explode如果不是None，则是一个len(x)长度的数组，指定每一块的突出程度；突出显示，设置每一块分割出来的间隙大小
labels为每个扇形提供标签的字符串序列
colors为每个扇形提供颜色的字符串序列
autopct如果它是一个格式字符串，标签将是fmt % pct。如果它是一个函数，它将被调用。
shadow阴影
startangle从x轴逆时针旋转,饼的旋转角度
pctdistance, default: 0.6每个饼片的中心与由autopct生成的文本的开头之间距离与半径的比率，大于1的话会显示在圆外
labeldistance, default: 1.1饼状图标签绘制时的径向距离（我认为这个也与8类似是个比率）。如果设置为None，则不绘制标签，而是存储在图例()中使用。
# -*- coding:UTF-8 -*- from matplotlib import pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams["axes.unicode_minus"] = False # 用来正常显示负号 # 1 labels = '法语', '意大利语', '德语' # 建立不同类别 sizes = [60, 40, 30] # 不同类别对应的数量 fig = plt.figure(figsize=(4, 4)) ax1 = fig.add_subplot(111) color = ['tomato', 'Gold', 'DeepSkyBlue'] ax1.pie(sizes, labels=labels, labeldistance=0.5, colors=color, textprops=dict(color='black'), # 字体颜色 autopct='%1.1f%%', # 显示数值标签 pctdistance=0.7) # 数值标签到中心点的距离 ax1.axis('equal') plt.title('小语种学习人数饼图') plt.show()
from matplotlib import pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams["axes.unicode_minus"] = False # 用来正常显示负号 # 2 labels = 'Python组', 'Java组', 'C组', 'Go组' sizes = [25, 45, 30, 10] fig = plt.figure(figsize=(4, 4)) explode = (0.1, 0, 0, 0) # 分割扇形 ax2 = fig.add_subplot(111) ax2.pie(sizes, explode=explode, # 分隔扇形 labels=labels, autopct='%1.1f%%') plt.title('不同种类程序语言使用分割饼图') plt.show()
from matplotlib import pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams["axes.unicode_minus"] = False # 用来正常显示负号 # 3 labels = '男性', '女性' # 建立不同类别 sizes = [30, 70] # 不同类别对应的数量 fig = plt.figure(figsize=(4, 4)) ax1 = fig.add_subplot(111) color = ['RoyalBlue', 'DeepPink'] ax1.pie(sizes, labels=labels, labeldistance=0.5, colors=color, textprops=dict(color='white'), # 字体颜色 autopct='%1.1f%%', # 显示数值标签 pctdistance=0.7) # 数值标签到中心点的距离 ax1.axis('equal') plt.title('某款应用程序使用者性别饼图') plt.show()
环形图
参考：
可以重点看下这个链接。
wedgeprops中通过width参数设定内部圆的半径，edgecolor设置内部圆的颜色。
import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams["axes.unicode_minus"] = False # 用来正常显示负号 # 1 labels = ['四川', '河北', '北京', '重庆', '天津'] # 设定类别 A1 = [36980.22, 35964.00, 28000.40, 19500.00, 18595.38] color = ['yellow', 'cyan', 'lightblue', 'lightgreen', 'pink'] wedges1, texts1, autotexts1 = plt.pie(A1, autopct='%3.1f%%', radius=1, pctdistance=0.8, colors=color, startangle=180, textprops=dict(color='black'), wedgeprops=dict(width=0.4, edgecolor='w')) plt.legend(wedges1, labels, fontsize=12, title='地区', loc='center right', bbox_to_anchor=(1, 0, 0.3, 1)) plt.title('2017年四个地区生产总值') plt.show()
import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams["axes.unicode_minus"] = False # 用来正常显示负号 # 2 labels = ['日用品', '餐饮', '交通', '储蓄', '其他'] # 设定类别 A1 = [1000, 1500, 500, 2000, 1000] color = ['lightpink', 'hotpink', 'MediumPurple', 'Lavender', 'seashell'] wedges1, texts1, autotexts1 = plt.pie(A1, autopct='%3.1f%%', radius=1, pctdistance=0.8, colors=color, startangle=180, textprops=dict(color='black'), wedgeprops=dict(width=0.4, edgecolor='w')) plt.legend(wedges1, labels, fontsize=12, title='消费种类', loc='center right', bbox_to_anchor=(1.1, 0, 0.3, 1)) plt.title('个人消费环形图') plt.show()
旭日图
参考：
https://pyecharts.org/#/zh-cn/intro
https://pyecharts.org/#/zh-cn/basic_charts?id=sunburst%ef%bc%9a%e6%97%ad%e6%97%a5%e5%9b%be
from pyecharts.charts import Sunburst from pyecharts import options as opts data = [ opts.SunburstItem( name="A公司", children=[ opts.SunburstItem( name="男装", value=15, children=[ opts.SunburstItem(name="上装", value=8), opts.SunburstItem(name="下装", value=7)] ), opts.SunburstItem( name="女装", value=10, children=[ opts.SunburstItem(name="衬衫", value=5), opts.SunburstItem(name="裙子", value=1), opts.SunburstItem(name="裤子", value=4), ], ), ], ), opts.SunburstItem( name="B公司", children=[ opts.SunburstItem(name="鞋子", children=[ opts.SunburstItem(name="凉鞋", value=1), opts.SunburstItem(name="运动鞋", value=2), ], ) ], ), ] sunburst = ( Sunburst(init_opts=opts.InitOpts(width="600px", height="600px")) .add(series_name="", data_pair=data, radius=[0, "90%"]) .set_global_opts(title_opts=opts.TitleOpts(title="旭日图示例")) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}")) .render("旭日图.html") ) import os os.system("旭日图.html")
园堆积图
参考：https://blog.csdn.net/LuohenYJ/article/details/119006870
pip install circlify==0.15.0
代码：
# 圆堆积图 import circlify import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams["axes.unicode_minus"] = False # 用来正常显示负号 data = [{'id': '中国', 'datum': 1015986, 'children': [ {'id': "广东", 'datum': 110760.94, 'children': [ {'id': "深圳", 'datum': 27670.24}, {'id': "广州", 'datum': 25019.11} ]}, {'id': "上海", 'datum': 38700.58}, {'id': "北京", 'datum': 36102.6}, {'id': "重庆", 'datum': 25002.79}, {'id': "浙江", 'datum': 64613, 'children': [ {'id': "杭州", 'datum': 16106}, {'id': "宁波", 'datum': 12408.7}, {'id': "温州", 'datum': 6870.9} ]} ]}] # 计算圆圈位置 circles = circlify.circlify( data, show_enclosure=False, target_enclosure=circlify.Circle(x=0, y=0, r=1) ) # 设置画布 fig, ax = plt.subplots(figsize=(4, 4)) # 设置标题 ax.set_title('2020年中国部分地市GDP') ax.axis('off') lim = max( max( abs(circle.x) + circle.r, abs(circle.y) + circle.r, ) for circle in circles ) plt.xlim(-lim, lim) plt.ylim(-lim, lim) # 画最高级的圆圈： for circle in circles: if circle.level != 1: continue x, y, r = circle ax.add_patch(plt.Circle((x, y), r, alpha=0.5, linewidth=2, color="yellow")) # 画第二级的圆圈: for circle in circles: if circle.level != 2: continue x, y, r = circle ax.add_patch(plt.Circle((x, y), r, alpha=0.5, linewidth=2, color="lightblue")) # 画第三级的圆圈: for circle in circles: if circle.level != 3: continue x, y, r = circle label = circle.ex["id"] ax.add_patch(plt.Circle((x, y), r, alpha=0.5, linewidth=2, color="green")) plt.annotate(label, (x, y), ha='center', color="black") # 设置标签 for circle in circles: if circle.level != 2: continue x, y, r = circle label = circle.ex["id"] plt.annotate(label, (x, y), va='top', ha='center', bbox=dict(edgecolor='blue', pad=.5), fontsize=8) plt.show()
输出为：
voronoi一般指泰森多边形。 泰森多边形又叫冯洛诺伊图（Voronoi diagram），得名于Georgy Voronoi，是一组由连接两邻点线段的垂直平分线组成的连续多边形。
矩形树图
squarify一种坐标系，包括原点（x和y）和宽度/高度（dx和dy）的值。
从最大值到最小值排序并规范化为总面积（即dx*dy）的正值列表。
将数据生成基于matplotlib的树状图可视化
pip install squarify
# 导入第三方包 import matplotlib.pyplot as plt import squarify # 中文及负号处理办法 plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams["axes.unicode_minus"] = False # 用来正常显示负号 # 创建数据 name = ['俄罗斯', '加拿大', '中国', '美国', '巴西', '澳大利亚', '印度', '阿根廷', '哈萨克斯坦', '苏丹', '阿尔及利亚'] income = [1707.50, 997.1, 960.1, 936.4, 854.7, 774.1, 328.8, 278, 271.1, 250.6, 238.2] # 绘图 colors = ['steelblue', '#9999ff', 'red', 'indianred', 'green', 'yellow', 'orange', 'lightblue', 'gold', 'lightgreen', 'pink'] plot = squarify.plot(sizes=income, # 指定绘图数据 label=name, # 指定标签 color=colors, # 指定自定义颜色 alpha=0.6, # 指定透明度 value=income, # 添加数值标签 edgecolor='white', # 设置边界框为白色 linewidth=3 # 设置边框宽度为3 ) # 设置标签大小 plt.rc('font', size=9) # 设置标题大小 plot.set_title('世界国土面积情况(单位：万平方公里）', fontdict={'fontsize': 16}) # 去除坐标轴 plt.axis('off') # 去除上边框和右边框刻度 plt.tick_params(top='off', right='off') # 显示图形 plt.show()
# 导入第三方包 import matplotlib.pyplot as plt import squarify # 中文及负号处理办法 plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams["axes.unicode_minus"] = False # 用来正常显示负号 # 2 # # 创建数据 name = ['美国', '加拿大', '中国', '德国', '意大利', '英国', '土耳其', '西班牙'] income = [529951, 23318, 83482, 126266, 152271, 79885, 52167, 163027] # 绘图 colors = ['royalblue', 'cyan', 'red', 'violet', 'green', 'yellow', 'orange', 'lightblue'] plot = squarify.plot(sizes=income, # 指定绘图数据 label=name, # 指定标签 color=colors, # 指定自定义颜色 alpha=0.5, # 指定透明度 value=income, # 添加数值标签 linewidth=3 # 设置边框宽度为3 ) # 设置标签大小 plt.rc('font', size=9) # 设置标题大小 plot.set_title('截止2020年4月12日的新冠肺炎感染人数', fontdict={'fontsize': 16}) # 去除坐标轴 plt.axis('off') # 去除上边框和右边框刻度 plt.tick_params(top='off', right='off') # 显示图形 plt.show()
漏斗图
基于matplot’lib的漏斗图
# 漏斗图1 import numpy as np import matplotlib.pyplot as plt from matplotlib.patches import Polygon # Polygon()可以用来传入按顺序组织的多边形顶点，从而生成出多边形 from matplotlib.collections import PatchCollection plt.style.use('seaborn-dark') # 设置主题 plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams["axes.unicode_minus"] = False # 用来正常显示负号 data = [135043, 113413, 74909, 10366, 9018, 4151] phase = ['总访客数量 ', '活跃访客数量', '注册用户数量', '预定用户数量', '支付用户数量', '复购用户数量'] visitor_num = 135043 data1 = [visitor_num / 2 - i / 2 for i in data] data2 = [i + j for i, j in zip(data, data1)] color_list = ['#5c1d1d', '#892c2c', '#994a4a', '#c56161', '#d48989', '#e2b0b0'] # 柱子颜色 fig, ax = plt.subplots(figsize=(16, 9), facecolor='#f4f4f4') ax.barh(phase[::-1], data2[::-1], color=color_list, height=0.7) # 柱宽设置为0.7 ax.barh(phase[::-1], data1[::-1], color='#f4f4f4', height=0.7) # 设置成背景同色 ax.axis('off') polygons = [] for i in range(len(data)): # 阶段 ax.text( 0, # 坐标 i, # 高度 phase[::-1][i], # 文本 color='black', alpha=0.8, size=16, ha="right") # 数量 ax.text( data2[0] / 2, i, str(data[::-1][i]) + '(' + str(round(data[::-1][i] / data[0] * 100, 1)) + '%)', color='black', alpha=0.8, size=18, ha="center") if i < 5: # 比例 ax.text( data2[0] / 2, 4.4 - i, str(round(data[i + 1] / data[i], 3) * 100) + '%', color='black', alpha=0.8, size=16, ha="center") # 绘制多边形 polygons.append(Polygon(xy=np.array([(data1[i + 1], 4 + 0.35 - i), # 因为柱状图的宽度设置成了0.7，所以一半便是0.35 (data2[i + 1], 4 + 0.35 - i), (data2[i], 5 - 0.35 - i), (data1[i], 5 - 0.35 - i)]))) # 使用add_collection与PatchCollection来向Axes上添加多边形 ax.add_collection(PatchCollection(polygons, facecolor='#e2b0b0', alpha=0.8)); plt.title("商品购买情况分析", fontsize=18) plt.show()
基于pyecharts的漏斗图
pip install openpyxl
# 漏斗图2 import pandas as pd import os os.chdir(os.path.dirname(os.path.realpath(__file__))) data = pd.read_excel('漏斗图.xlsx', 'Sheet1') attrs = data['环节'].tolist() attr_value = data['人数'].tolist() from pyecharts import options as opts from pyecharts.charts import Funnel c = ( Funnel() .add("商品", [list(z) for z in zip(attrs, attr_value)], label_opts=opts.LabelOpts(position="inside"), ) .set_global_opts(title_opts=opts.TitleOpts(title="漏斗图示例")) .render("漏斗图.html") ) import os os.system("漏斗图.html")
输出为：
基于pyecharts的治愈率漏斗图
from pyecharts import options as opts from pyecharts.charts import Funnel data = [13500, 10000, 9000, 7000] phase = ['检查', '阳性', '手术治疗', '治愈'] c = ( Funnel() .add("阶段", [list(z) for z in zip(phase, data)]) .set_global_opts(title_opts=opts.TitleOpts(title="漏斗图")) .render("治愈率漏斗图.html") ) import os os.system("治愈率漏斗图.html")
虚拟环境相关命令汇集
激活conda
d:\ProgramData\Anaconda3\Scripts\activate
创建python版本的命令
conda create -n py10 python=3.10
查看当前的python版本
conda env list
切换到指定的python版本
conda activate py10
激活虚拟环境后，安装python虚拟环境
python -m venv venv202302
切换路径到文件当前路径
import os print(os.getcwd(),"-----------------") # os.chdir("./") os.chdir(os.path.dirname(os.path.realpath(__file__))) print(os.getcwd(),"-----------------")
临时使用阿里镜像安装python包
pip install 包名 -i https://mirrors.aliyun.com/pypi/simple/
持久使用阿里镜像安装python包
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
