ToB企服应用市场:ToB评测及商务社交产业平台

标题: Python可视化 | 利用matplotlib绘制面积图示例 [打印本页]

---

作者: 徐锦洪    时间: 2024-6-11 08:59
标题: Python可视化 | 利用matplotlib绘制面积图示例
面积图是数据可视化中的一个有效工具，用于阐明时间上的关系和趋势。它们提供了一种全面的、视觉上迷人的方法，通过纯熟地将折线图的可读性与填充地域的吸引力相结合来呈现数值数据。
在本文中，我们将学习更多关于在Python中创建面积折线图的知识。面积图为数据可视化提供了一个有价值的工具，提供了一种清晰而引人入胜的方式来传达随着时间的推移的趋势和关系。
什么是面积图？

面积线图，也称为面积图或堆积面积图，是一种数据可视化技术，用于表现随时间或跨种别的数据。它是根本折线图的扩展，当您想要表现整体的组成、沿着单个组件以及它们如何随时间或跨种别变化时，它特殊有效。在本文中，我们将探索如何利用matplotlib库在Python中创建面积线图，并解释它们在可视化数据中的重要性。
以下是面积线图的关键组成部分和特性。
X轴：程度轴代表自变量，通常是时间或种别。它是一种连续或分类量表，为数据点提供背景。
Y轴：垂直轴表现因变量，通常是一个数值，用于度量您正在可视化的内容的数目或大小。
线：面积线图中的各条线表现不同的种别、组或构件。每一行从基线（通常是X轴）开始，向上表现该种别或组件在特定时间点或沿着种别轴的值。
地域填充：线条和基线之间的地域用颜色填充，使其在视觉上与众不同。该地域的颜色通常用于表现它所代表的种别或组件。
堆叠：在堆叠面积图中，每条线都堆叠在前一条线的顶部。这种叠加阐明了总体如何随时间或跨种别变化，以及每个种别对整体的贡献。
创建面积图

起首，让我们利用Python制作一个根本的面积线图。为了创建图并表现各种种别如何随时间变化，我们将利用Matplotlib。

1. import pandas as pd
2. import matplotlib.pyplot as plt
4. # Sample data
5. df = pd.DataFrame({
6.         'x': list(range(1, 11)),
7.         'y': [1, 3, 2, 4, 5, 7, 6, 8, 9, 10]
8. })
10. # Create the area line plot
11. plt.fill_between(df['x'], df['y'], color='blue', alpha=0.2)
12. plt.plot(df['x'], df['y'], color='red', alpha=0.5, linewidth=0.9)
14. plt.title("Area Line Plot")
15. plt.xlabel("X-axis")
16. plt.ylabel("Y-axis")
17. plt.show()

复制代码

带标记和标签的面积图

添加更多功能，使其更具吸引力

• 导入必要的库：pandas用于数据利用，matplotlib.pyplot用于数据可视化。
  
• 准备示例数据：创建一个DataFrame，其中’x’和’y’列包罗数值。
  
• 天生面积线图：利用plt.fill_between（）创建半透明的蓝色面积线图，利用plt.plot（）创建微弱的红色线。
  
• 利用标记和标签加强图：利用plt.scatter（）在数据点处添加红色圆形标记（s=30）。利用plt.text（）在每个数据点上方添加黑色标签，将其程度居中（ha =‘center’）并在底部垂直对齐（va =‘bottom’）。自定义轴、添加标题并表现绘图。
  

1. import pandas as pd
2. import matplotlib.pyplot as plt
4. # Sample data
5. df = pd.DataFrame({
6.         'x': list(range(1, 11)),
7.         'y': [1, 3, 2, 4, 5, 7, 6, 8, 9, 10]
8. })
10. # Create the area line plot
11. plt.fill_between(df['x'], df['y'], color='blue', alpha=0.5)
12. plt.plot(df['x'], df['y'], color='red', alpha=0.1)
14. # Add red markers at data points
15. plt.scatter(df['x'], df['y'], color='red', s=30)
17. # Add labels above data points
18. for i, row in df.iterrows():
19.         plt.text(row['x'], row['y'], str(row['y']), ha='center', va='bottom', color='black', size=10)
21. plt.title("Area Line Plot with Markers and Labels")
22. plt.xlabel("X-axis")
23. plt.ylabel("Y-axis")
24. plt.show()

复制代码

堆叠面积图

• 导入必要的库：pandas用于数据利用，matplotlib.pyplot用于数据可视化。
  
• 准备示例数据：创建一个DataFrame，其中包罗“x”、“Category A”、“Category B”和“Category C”列，列中包罗数值。
  
• 定义自定义颜色：定义要用于每个种别的颜色列表（“黄色”、“紫色”、“粉红色”）。
  
• 天生堆叠面积线图：利用plt.stackplot（）创建具有定义的颜色和透明度的堆叠面积线图。别的，利用不同的颜色、线宽和透明度为每个种别绘制单独的线条。添加标签、自定义轴并表现绘图。
  

1. import pandas as pd
2. import matplotlib.pyplot as plt
4. # Sample data
5. df = pd.DataFrame({
6.         'x': list(range(1, 11)),
7.         'Category A': [1, 3, 2, 4, 5, 7, 6, 8, 9, 10],
8.         'Category B': [2, 4, 3, 5, 6, 8, 7, 9, 10, 11],
9.         'Category C': [3, 5, 4, 6, 7, 9, 8, 10, 11, 12]
10. })
12. # Define custom colors for each category
13. colors = ['yellow', 'purple', 'pink']
15. # Create the stacked area line plot with custom colors
16. plt.stackplot(df['x'], df['Category A'], df['Category B'], df['Category C'], colors=colors, alpha=0.7)
18. # Plot lines for each category with custom colors
19. plt.plot(df['x'], df['Category A'], color='blue', alpha=0.5, linewidth=0.9)
20. plt.plot(df['x'], df['Category B'], color='green', alpha=0.5, linewidth=0.9)
21. plt.plot(df['x'], df['Category C'], color='red', alpha=0.5, linewidth=0.9)
23. plt.title("Stacked Area Line Plot with Custom Colors")
24. plt.xlabel("X-axis")
25. plt.ylabel("Y-axis")
26. plt.legend()
27. plt.show()

复制代码

线间填充

• 导入必要的库：matplotlib.pyplot用于数据可视化，numpy用于数值运算。
  
• 准备样本数据：利用np.linspace天生x轴值，并利用sin和cos函数计算相应的y轴值。
  
• 创建绘图元素：利用plt.subplots（）创建一个图形和轴，并利用ax.plot（）绘制两条具有不同颜色和标签的线。
  
• 线间填充：利用ax.fill_between（）以特定颜色和透明度填充线条之间的地域，并应用条件和插值。添加标签、自定义轴并表现绘图。
  

1. import matplotlib.pyplot as plt
2. import numpy as np
4. # Sample data for demonstration
5. x = np.linspace(0, 10, 100)
6. y1 = np.sin(x)
7. y2 = np.cos(x)
9. # Create a figure and axis
10. fig, ax = plt.subplots()
12. # Plot the two lines
13. ax.plot(x, y1, label='Line 1', color='blue')
14. ax.plot(x, y2, label='Line 2', color='green')
16. # Fill the area between the lines
17. ax.fill_between(x, y1, y2, where=(y1 > y2), interpolate=True, alpha=0.5, color='yellow', label='Fill Area')
19. # Customize the plot
20. ax.set_xlabel('X-axis')
21. ax.set_ylabel('Y-axis')
22. ax.set_title('Filling Between Lines')
23. ax.legend()
25. # Display the plot
26. plt.show()

复制代码

总结

总而言之，面积图可有效表现数据随时间或跨种别的趋势、比较和部分与整体的关系。它们提供了一种视觉上引人注目的方式来理解不同的组件如何对整体做出贡献，以及这些贡献如何在选定的轴（时间或种别）上发生变化。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

---

欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/)

Powered by Discuz! X3.4