前兩篇文章介紹了幾種常見的條形圖，實際上看起來簡單的條形圖可探索的設(shè)置還有很多！在體育賽事中，經(jīng)常出現(xiàn)一種對稱條形圖，比如對比兩個熱門選手或者隊伍在各方面的打分情況等，這也是在普通橫向條形圖的基礎(chǔ)上繪制出來的，作為無所不能的python，當(dāng)然也是可以繪制這種圖形的！

閑話少敘，直接上代碼吧！

df = pd.read_excel(r"D:\data\football\曼城vs利物浦.xlsx")
df

這是從英超歷年球隊積分的數(shù)據(jù)中截取出來的曼城和利物浦兩支球隊的數(shù)據(jù)，制作一個對稱條形圖，查看這兩只球隊在2010–2019年的積分表現(xiàn)。

這是原數(shù)據(jù)，單看表格對比不是很明顯，來畫一個對稱條形圖試試看：

plt.figure(figsize=(10,6))

ax = plt.gca()  #獲取坐標(biāo)軸對象
ax.spines['right'].set_color('none') #把右邊的邊框顏色設(shè)置為無色,隱藏右邊框
ax.spines['top'].set_color('none')  #把上邊的邊框顏色設(shè)置為無色,隱藏上邊框
ax.spines['bottom'].set_color('none')  #把上邊的邊框顏色設(shè)置為無色,隱藏上邊框

ax.yaxis.set_ticks_position('left')  #指定左邊的邊為 y 軸
ax.spines['left'].set_position(('data', 0))  #指定 data  設(shè)置的left(也就是指定的y軸)綁定到x軸的0這個點上 

plt.xticks([])  #去掉x軸刻度
plt.yticks(df.iloc[:,0].tolist()) #設(shè)置y軸刻度為年份

 #繪制利物浦隊的條形圖，顏色用默認(rèn)的藍(lán)色            
plt.barh(df.iloc[:,0],df.iloc[:,1], height=0.5,label = "利物浦") 

 #繪制曼城隊的條形圖，需要在y軸的兩側(cè)顯示條形，所以曼城隊的數(shù)據(jù)取負(fù)數(shù)，設(shè)置顏色為粉色
plt.barh(df.iloc[:,0],-df.iloc[:,2],height=0.5,label = "曼城",color = "pink") 

 #通過循環(huán)為曼城隊的每個橫向條形加標(biāo)簽，標(biāo)簽位置在對應(yīng)條形的頂端，內(nèi)容為球隊當(dāng)年的積分
for i,j in zip(range(len(df)),[2010,2011,2012,2013,2014,2015,2016,2017,2018,2019]):
    plt.text(-df.iloc[:,2][i]-5,j,df.iloc[:,2][i])

 #通過循環(huán)為利物浦隊的每個橫向條形加標(biāo)簽，標(biāo)簽位置在對應(yīng)條形的頂端，內(nèi)容為球隊當(dāng)年的積分    
for i,j in zip(range(len(df)),[2010,2011,2012,2013,2014,2015,2016,2017,2018,2019]):
    plt.text(df.iloc[:,1][i]+1,j,df.iloc[:,1][i])
             
plt.legend(loc = 4);  #顯示圖例，loc參數(shù)指定圖例位置在右下角

請看效果圖：

是不是比看上邊的表格要清晰和容易多了，一眼就能看出每一年兩個球隊的積分對比情況，整體看來曼城隊是強于利物浦隊的，至于那個異常的2019年數(shù)據(jù)，不是全年的數(shù)據(jù)，所以和其他年份數(shù)據(jù)差異很大。

發(fā)散型條形圖

對稱條形圖一般只能對比兩個個體之間的各項指標(biāo)數(shù)據(jù)，如果涉及多個個體，對稱條形圖就不怎么好用了。有另一種圖可以同時展示多個個體的情況，就是發(fā)散型條形圖！但是它本身也是有限制的，發(fā)散型條形圖只能展示在某一個指標(biāo)上多個個體的不同，而對稱條形圖是展示兩個個體在多個指標(biāo)上的對比，所以在實際應(yīng)用中需要區(qū)分好需要實現(xiàn)的是什么。

到底是什么樣的情況，我們還是直接上代碼看圖片吧：

df_yc = pd.read_excel(r"D:\data\football\球隊排名比分2019.xlsx")
df_yc.head(10) #查看前十條數(shù)據(jù)

這是英超2019年個球隊的積分?jǐn)?shù)據(jù)：

這是所有球隊中在2019年積分排名前十的球隊信息，繪圖的時候所有球隊的數(shù)據(jù)都會包含。

雖然發(fā)散型條形圖形式和對稱條形圖類似，條形都是像兩個互為相反的方向延申，然而兩者還是有一些不同，對稱條形圖直接在其中一類數(shù)據(jù)直接取負(fù)數(shù)，而發(fā)散型條形圖是在所有數(shù)據(jù)上都減掉了整體數(shù)據(jù)的均值，這樣大于均值的數(shù)據(jù)依然為正，而低于均值的數(shù)據(jù)就會變成負(fù)數(shù)：

df_yc.積分.mean() #求所有球隊的平均積分
df_yc.積分 = df_yc.積分 - df_yc.積分.mean() #所有球隊的積分減掉均值
df_yc.sort_values("積分", inplace=True) #依據(jù)減掉均值后的積分進(jìn)行升序排序
df_yc.head(10) #查看最新的前十條數(shù)據(jù)

由于條形圖在繪制過程中是先從最下邊開始畫，我們希望最小的數(shù)值被畫在最下邊，由下到上升序排序，所以原數(shù)據(jù)要進(jìn)行升序排序。

到這里其實什么都不用設(shè)置就可以直接出圖了（做個心理建設(shè)，直接出的圖有點丑）：

plt.barh(y =df_yc.iloc[:,0],width=df_yc.iloc[:,1],height=0.3 ,color = colors,alpha=0.5);

是不是和曾經(jīng)見過的發(fā)散型條形圖長的差不多，除了丑一點。下邊來進(jìn)行一些完善，美化圖形。

完善后的代碼可就多了很多呢，具體如下：

plt.figure(figsize=(12,8)) #新建畫布，尺寸為12*8

colors = [] #指定條形顏色
for i in df_yc.iloc[:,1]:
    if i > 0:
        colors.append("g") #超過均值的數(shù)值為綠色
    else:
        colors.append("r") #低于均值的數(shù)值為紅色

 #繪制橫向條形圖，設(shè)置條形透明度為0.5，降低色彩飽和度，看起來更舒服一些       
plt.barh(y =df_yc.iloc[:,0],width=df_yc.iloc[:,1],height=0.3 ,color = colors,alpha=0.5)

pos = [] #指定要添加文本的x軸位置
for i in df_yc.iloc[:,1]:
    if i > 0:
        pos.append(i+0.5) #如果數(shù)值高于均值，文本在x軸的位置超過條形頂端0.5的距離
    else:
        pos.append(i- 0.5)#如果數(shù)值低于均值，文本在x軸的位置小于條形頂端0.5的距離

for i in range(len(df_yc)): #通過循環(huán)為每個條形添加標(biāo)簽值
    if pos[i] > 0:   #plt.text(x軸方向位置，y軸方向位置，添加的文本信息）
        plt.text(x = pos[i]+0.5,y = i,s = round(df_yc.iloc[:,1].iloc[i],2))
    else:
        plt.text(x = pos[i]-2,y = i,s =  round(df_yc.iloc[:,1].iloc[i],2))

plt.title("2019英超各球隊積分排名圖（積分均值為30.25）")
plt.grid(linestyle='--', alpha=0.5); #配置網(wǎng)格線

效果圖：

是不是好看了很多，其實就是設(shè)置了畫布大小，讓整個圖看起來不那么局促；然后控制條形的上下寬度，再加上標(biāo)簽方便查看每個條形的數(shù)據(jù)以及加了網(wǎng)格線，看起來就高大上了許多。

這個圖很明顯能看出英超球隊積分參差不齊，沒過均線的球隊數(shù)量幾乎是均線上球隊數(shù)量的兩倍，這也說明了好的球隊特別好，把均線拉高了，差的球隊數(shù)量很多，但是水平倒沒有差的太離譜；整體來說還是好的球隊更厲害，最好的超均線30分，最差的球隊也只低于均線16分。

（本人一點都不懂足球，僅僅從2019年的數(shù)據(jù)中得到的一點點分析結(jié)果，之所以選擇英超數(shù)據(jù)單純的因為體育數(shù)據(jù)更容易得到一點而已，所以如果分析的不好，還請輕拍。）