前言

有小伙伴說，使用 matplotlib 做出來的圖表比不上其他的基于 js 包裝的庫(pyechart、bokeh、plotly等)漂亮，他們可以還可以交互。同時，基于 matplotlib  包裝的 seaborn 似乎也比較省代碼。

本想寫一篇文章整體說一下這些庫的對比，但是如果沒有實際例子不太符合我的風格。

因此，今天的目標圖表是其他上層可視化庫難以做到(或者根本無法完成)：

 

• 此圖表是模仿《經濟學人》，是關于加拿大移民與出生地相關的圖表

那些基于 js 包裝的可視化庫，在js環境下，按理應該是可以做到。但在 Python 中就不會這么樂觀

有機會我會分享 d3.js 的做法，你會發現他與 matplotlib  的思路很相似

本文所需要的庫如下：

 

• 行8：cycler 包只是為了方便定義顏色板

數據是這樣子：

 

• 行3：泡泡圖的數據列

• 行4：堆積圖的數據列

本文所有的通用函數以寬表作為依據，行索引放 X 軸，每一列作為不同的圖表系列

這是顏色的定義：

 

• m_color_cycle 定義了7個系列的顏色，顏色值提取自示例圖表

• m_bubble_color 是泡泡圖的顏色

篇幅有限，我不會對所有的知識點都作詳細講解

逐一擊破

通常復雜的可視化是通過多種類型的圖形組合而成，顯然這次的目標圖表是由3個部分組成：

1. 堆積圖，實際就是四邊形圖形而已

2. 泡泡圖，實際就是圓圈圖形

3. 中間作為連接修飾的長方形

為什么我用"圖形"去描述他們？

如果你使用一些上層的可視化庫，你會發現他們會在圖表類型層面歸類，這無疑讓你能快速作圖。但缺點就是無法隨心所欲定制化圖表。

而 matplotlib  提供了底層"圖形"的控制，同時也提供了基本圖表操作。

首先看看如何做出堆積圖，下面以2個系列作為示例：

 

• 行7：使用 Axes.bar 方法可以畫出柱狀圖，其中 bottom 參數決定了每個柱子的起始位置，默認情況下全是0

• 行11：當畫第二個系列時，只要把第一個系列的 y 值設置為 第二系列 的 起始點，自然而然就做出了堆積圖的效果

圖表如下：

 

知道這個原理，那么就可以定義通用的函數：

 

• 本文所有的通用函數都基于寬表數據

• 行3：通過累計求和+偏移操作，求出每個系列的 bottom 值

• 行5：直接從 DataFrame 中遍歷取出每一列，分別畫柱子。m_color_cycle 是之前定義好的顏色板

行3是基本的 pandas 操作，有興趣可以參考我的 pandas 專欄

調用如下：

 

• 行3：原數據有多余的列，要選出需要的列，然后按第一年的值，橫向排序一下

圖表如下：

 

基本的圖表做出來，最后再調整一些細節(比如y軸的位置，刻度線等等)，因為這些只是一些操作，非常簡單。

接下來做泡泡圖

圖形屬性映射

數據可視化的本質，實際是數據到圖形元素的映射。

看看之前的堆積圖，我們成功把數據中的3種維度數據映射上去：

1. 年份，映射到柱子的水平位置(x軸位置)

2. 數值，映射到柱子的高度(調用 bar 方法時的參數 height)

3. 地區，映射到柱子的顏色

看一個極端的例子。數據中還有一列移民人數(migrant)，我們仍然可以往堆積圖上映射：

 

雖然現在圖表看起來非常奇怪，但的確是可行：

 

• 每一年的柱子寬度與數據 migrant 關聯起來，柱子越寬，表示那一年移民人數越多

現在，你應該感受到數據可視化的本質，同時也看到，每一種的圖表可以合理映射的維度是有限的。

比如上面的堆積圖的柱子寬度顯然不是一個合理映射屬性。

解決方法就是用其他的"圖形"繼續做映射。

我們在同一個坐標系上畫散點圖，映射關系如下：

• 圓點的水平位置映射為年份

• 圓點的垂直位置映射為固定值(只要在柱子的下方就可以)

• 圓點的半徑映射為數據 migrant

代碼如下：

 

• 本文所有通用函數基于 DataFrame 固定列名。比如數據中需要有名為 size 的列，此列作為泡泡的大小。

• 行6：Axes.scatter 即可畫出圓點，參數 s 就是圓點的半徑

• 參數 clip_on 設置為 False，可以防止圓點太大超出了可視區被裁剪

調用如下：

 

• 行6：把列名修改合適

• 行7：參數y，決定泡泡的位置。注意這里的 -25 是對應圖表上y軸的數值

看看圖表：

 

下一步，加上中間連接修飾的矩形框

畫圖形

matplotlib 內置了許多基本圖形，因此創建圖形不是什么難事：

 

• 這是在

• 行9：創建一個矩形，第一個參數是系列，表示 x、y 的位置。

• 行10：往坐標系中加入這個圖形

注意，上面行9中設置的參數的數值，默認是按數據表示。

比如，[0，40] 的40，相當于指定矩形的左下角點位于 y 軸值為 40 的位置

但是，[0,40] 的 0 應該表示的是 x 軸，為什么是0？

這是因為我們作圖時，傳給 x 軸的是字符串：

 

此時坐標系 x 軸被 matplotlib 轉成 0 開始的升序編碼

matplotlib 有6種坐標系轉換，這是最重要的核心機制，這里不深入講解

看看效果：

 

• 矩形左下角在 第一個柱子中間，y 軸點40的位置

• 高度剛好占 y 軸 20個單位的長度

• 寬度剛好是 10 個柱子寬度總和

知道了原理，那么需求就非常容易了：

 

看看效果：

 

非常好，為泡泡圖加上數據標簽，原理與之前一樣：

 

 

最后，按要求調整軸的細節即可：

 

完整調用如下：

 

效果如下：

 

你會發現，整個過程我們一直在設置數據與圖形的關聯，這就是 matplotlib 的核心思路！

看似需要很多代碼，但是我們非常容易就可以使他們在不同的數據之間重復使用。

接下來我會繼續編寫更多非常規要求的圖表，敬請關注！