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。
源码地址：
链接:https://pan.baidu.com/s/1vUgjonTOvgN7rDPx_8RfUg 密码:i613
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...
以上就是如何用Python绘制棒棒糖图表的详细内容，更多关于用Python绘制棒棒糖图表的资料请关注服务器之家其它相关文章！
原文链接：https://mp.weixin.qq.com/s/f5lAfAbsckiRwH9qfUox5A
