数据可视化实例（十七）：包点图 （matplotlib，pandas）

排序 （Ranking）

包点图 （Dot Plot）

包点图表传达了项目的排名顺序，并且由于它沿水平轴对齐，因此您可以更容易地看到点彼此之间的距离。

https://datawhalechina.github.io/pms50/#/chapter17/chapter17

导入所需要的库

import numpy as np              # 导入numpy库

import pandas as pd             # 导入pandas库

import matplotlib as mpl        # 导入matplotlib库

import matplotlib.pyplot as plt

import seaborn as sns           # 导入seaborn库

设定图像各种属性

large = 22; med = 16; small = 12

params = {'axes.titlesize': large,      # 设置子图上的标题字体

            'legend.fontsize': med,     # 设置图例的字体

            'figure.figsize': (16, 10), # 设置图像的画布

           'axes.labelsize': med,       # 设置标签的字体

            'xtick.labelsize': med,     # 设置x轴上的标尺的字体

            'ytick.labelsize': med,     # 设置整个画布的标题字体

          'figure.titlesize': large}

#plt.rcParams.update(params)             # 更新默认属性

plt.style.use('seaborn-whitegrid')      # 设定整体风格

sns.set_style("white")                  # 设定整体背景风格

程序代码

# step1:导入数据

df_raw = pd.read_csv("https://github.com/selva86/datasets/raw/master/mpg_ggplot2.csv")

df = df_raw[['cty', 'manufacturer']].groupby('manufacturer').apply(lambda x:x.mean())

df.sort_values('cty', inplace = True)    # 对'mpg_z这一列数据进行排序

df.reset_index(inplace = True)           # 对排序后的数据重置索引

# step2: 绘制棒棒糖图

    # 创建画布对象以及子图对象

fig,ax = plt.subplots(figsize = (16, 10),    # 画布尺寸

                     facecolor = 'white',    # 画布颜色

                     dpi = 80)               # 分辨率

    # 绘制柱状图

ax.hlines(y=df.index,                   # 纵坐标

          xmin=11,                      # 柱状图在x轴的起点

          xmax=26,                      # 柱状图在y轴的起点

          color='gray',                 # 柱状图的颜色

          alpha=0.7,                    # 透明度

          linewidth=1,                  # 线宽

          linestyles='dashdot')         # 柱状图风格

    # 绘制柱形图上的散点

ax.scatter(y=df.index,                  # 纵坐标

           x=df.cty,                    # 横坐标

           s=75,                        # 散点的尺寸

           color='firebrick',           # 颜色

           alpha=0.7)                   # 透明度

# step3：装饰

    # 设置标题、纵坐标的范围、横纵坐标的标题

ax.set_title('Dot Plot for Highway Mileage',                    # 设置标题以及字体大小

             fontdict={'size':22})

ax.set_xlabel('Miles Per Gallon')                               # 设置x轴标签

ax.set_yticks(df.index)                                         # 设置y轴标尺刻度

ax.set_yticklabels(df.manufacturer.str.title(),                 # 刻度标尺的内容(所有单词都是以大写开始，其余字母均为小写)

                   fontdict={'horizontalalignment': 'right'})   # 相对于刻度标水平对齐，且设置字体尺寸

ax.set_xlim(10, 27)                                             # 设置x轴范围

plt.show()                                                      # 显示图像