
前兩篇文章介紹了幾種常見的條形圖,實(shí)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(gè)熱門選手或者隊(duì)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(duì)積分的數(shù)據(jù)中截取出來的曼城和利物浦兩支球隊(duì)的數(shù)據(jù),制作一個(gè)對稱條形圖,查看這兩只球隊(duì)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(gè)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(gè)點(diǎn)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(duì)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(duì)的條形圖,需要在y軸的兩側(cè)顯示條形,所以曼城隊(duì)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(duì)的每個(gè)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(duì)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(duì)的每個(gè)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(duì)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(gè)球隊(duì)的積分對比情況,整體看來曼城隊(duì)是強(qiáng)于利物浦隊(duì)的,至于那個(gè)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。
對稱條形圖一般只能對比兩個(gè)個(gè)體之間的各項(xiàng)指標(biāo)數(shù)據(jù),如果涉及多個(gè)個(gè)體,對稱條形圖就不怎么好用了。有另一種圖可以同時(shí)展示多個(gè)個(gè)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(gè)指標(biāo)上多個(gè)個(gè)體的不同,而對稱條形圖是展示兩個(gè)個(gè)體在多個(gè)指標(biāo)上的對比,所以在實(shí)際應(yīng)用中需要區(qū)分好需要實(shí)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(duì)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(gè)球隊(duì)的積分?jǐn)?shù)據(jù):
這是所有球隊(duì)中在2019年積分排名前十的球隊(duì)信息,繪圖的時(shí)候所有球隊(duì)的數(shù)據(jù)都會(huì)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(gè)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(huì)變成負(fù)數(shù):
df_yc.積分.mean() #求所有球隊(duì)的平均積分 df_yc.積分 = df_yc.積分 - df_yc.積分.mean() #所有球隊(duì)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(shí)什么都不用設(shè)置就可以直接出圖了(做個(gè)心理建設(shè),直接出的圖有點(diǎn)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(diǎn)。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(gè)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(duì)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(shí)就是設(shè)置了畫布大小,讓整個(gè)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(gè)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(gè)圖很明顯能看出英超球隊(duì)積分參差不齊,沒過均線的球隊(duì)數(shù)量幾乎是均線上球隊(duì)數(shù)量的兩倍,這也說明了好的球隊(duì)特別好,把均線拉高了,差的球隊(duì)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(duì)更厲害,最好的超均線30分,最差的球隊(duì)也只低于均線16分。
(本人一點(diǎn)都不懂足球,僅僅從2019年的數(shù)據(jù)中得到的一點(diǎn)點(diǎn)分析結(jié)果,之所以選擇英超數(shù)據(jù)單純的因?yàn)轶w育數(shù)據(jù)更容易得到一點(diǎn)而已,所以如果分析的不好,還請輕拍。)
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗(yàn)如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢變化以及識(shí)別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對策略? 長短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場調(diào)研是企業(yè)洞察市場動(dòng)態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動(dòng)力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動(dòng)力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03