前兩篇文章介紹了幾種常見(jiàn)的條形圖，實(shí)際上看起來(lái)簡(jiǎn)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(duì)稱條形圖，比如對(duì)比兩個(gè)熱門(mén)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(lái)的，作為無(wú)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(lái)的曼城和利物浦兩支球隊(duì)的數(shù)據(jù)，制作一個(gè)對(duì)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(duì)比不是很明顯，來(lái)畫(huà)一個(gè)對(duì)稱條形圖試試看：

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

ax = plt.gca()  #獲取坐標(biāo)軸對(duì)象
ax.spines['right'].set_color('none') #把右邊的邊框顏色設(shè)置為無(wú)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(wú)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(wú)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(guò)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(duì)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(guò)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(duì)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(qǐng)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(duì)比情況，整體看來(lái)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。

發(fā)散型條形圖

對(duì)稱條形圖一般只能對(duì)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(duì)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(duì)稱條形圖是展示兩個(gè)個(gè)體在多個(gè)指標(biāo)上的對(duì)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(duì)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(duì)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(guò)程中是先從最下邊開(kāi)始畫(huà)，我們希望最小的數(shù)值被畫(huà)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(jiàn)過(guò)的發(fā)散型條形圖長(zhǎng)的差不多，除了丑一點(diǎn)。下邊來(lái)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(huà)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(guò)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(lái)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(guò)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(guò)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(huà)布大小，讓整個(gè)圖看起來(lái)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(lái)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(méi)過(guò)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(shuō)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(méi)有差的太離譜；整體來(lái)說(shuō)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(qǐng)輕拍。）