哑铃图：数据对比的优雅之选

轻便的线条毗连两个数据点，就像哑铃的两头，在对比分析中显现出令人惊艳的清楚度。

在平常的数据分析项目中，我常常会碰到比力两个干系数据集的变革环境。
这时，传统的做法是使用堆积条形图或簇状条形图，但它们存在一个共同题目：当我们须要正确追踪每个项目在两个时间点或两种条件下的变革时，这些图表会让我们的眼睛在条形之间来回跳跃，难以直观把握变革的幅度和方向。
本日，我要向各人保举一种更优雅的更换方案--哑铃图。
1. 哑铃图是什么？

哑铃图（Dumbbell Plot），偶然也称为DNA图或杠铃图，是一种用于比力两个干系数据点的可视化图表。
它源于人们对更有用数据比力方式的一连探索。
在传统的时间序列比力中，我们通常使用两条折线，但当须要比力的项目较多时，折线图会变得紊乱。哑铃图通过将比力焦点放在每个项目标两个状态上，办理了多项目对比时的视觉紊乱题目。
它的根本布局很简朴：

• 每个观察单位（如产物、地域、时间段）对应两个数据点
  
• 这两个数据点由一条直线（或线段）毗连
  
• 整个图形看起来像一排排哑铃，因而得名
  

2. 实现原理

哑铃图的焦点计划理念是最小化认知负荷。
当我们须要比力A和B时，最直接的方式就是把它们放在一起，用一条线毗连，然后观察这条线的长度（差别巨细）和方向（哪个更大）。
在matplotlib中创建哑铃图，我们重要使用以下元素：

• 散点图：表现两个数据点
  
• 直线段：毗连两个干系点
  
• 颜色编码：通常用差别颜色区分前后状态或差别组别
  
• 标签体系：清楚标识每个观察单位
  

3. 实战示例

接下来，我们看看哑铃图在实际场景中的表现效果。
假设我们是一家电商公司的数据分析师，须要比力8个重要产物种别在2022年和2023年的贩卖额变革。
（完备的代码在文章末端提供下载地点，文中只截取部分代码）
先创建一些测试数据：

1. # 示例数据：8个产品类别在2022年和2023年的销售额（单位：万元）
2. categories = [
3.     "电子产品",
4.     "服装鞋帽",
5.     "家居用品",
6.     "美妆护肤",
7.     "图书音像",
8.     "运动户外",
9.     "食品饮料",
10.     "母婴用品",
11. ]
12. sales_2022 = [85, 92, 78, 65, 45, 60, 88, 72]
13. sales_2023 = [95, 87, 85, 78, 52, 73, 95, 80]

复制代码

然后，我们绘制传统的簇状条形图和哑铃图来对比一下效果：

1. # 创建子图，对比两种可视化方法
2. fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(14, 8))
4. # 簇状条形图
5. x = np.arange(len(categories))
7. bars1 = ax1.bar(x - width/2, sales_2022, width, label='2022年', color='#4C72B0', alpha=0.8)
8. bars2 = ax1.bar(x + width/2, sales_2023, width, label='2023年', color='#DD8452', alpha=0.8)
10. # 在每个条形上添加数值标签
11. # 省略 ...
13. # 哑铃图
14. # 设置y轴位置（每个类别的垂直位置）
15. y_pos = np.arange(len(categories))
17. # 绘制连接线
18. for i, (y2022, y2023) in enumerate(zip(sales_2022, sales_2023)):
19.     # 确定线颜色：增长为绿色，下降为红色
20.     line_color = '#55A868' if y2023 > y2022 else '#C44E52'
21.     ax2.plot([y2022, y2023], [i, i], color=line_color, linewidth=2.5, alpha=0.7, zorder=1)
23. # 绘制数据点
24. ax2.scatter(sales_2022, y_pos, s=120, color='#4C72B0', alpha=0.9, label='2022年', zorder=2, edgecolors='white', linewidth=2)
25. ax2.scatter(sales_2023, y_pos, s=120, color='#DD8452', alpha=0.9, label='2023年', zorder=2, edgecolors='white', linewidth=2)
27. # 省略 ...
29. plt.tight_layout()
30. plt.show()

复制代码

通过上面的对比，我们可以清楚地看到哑铃图的上风：

• 变革一清二楚：毗连线的长度直观表现变革幅度，方向表现增长或降落
  
• 镌汰视觉跳跃：眼睛不须要在条形间来回移动，而是沿着水平线天然追踪
  
• 突出比力重点：专注于每个项目标两个状态对比，而非绝对数值
  

进一步，我们还可以给哑铃图排序，按照增长由快到慢给各个品类排序，如许天然形成从"降落最明显"到"增长最明显"的一连谱，模式主动显现，无需刻意探求。
好比上面的哑铃图中，【服装鞋帽】这个品类实在贩卖额是降落的，混在一堆哑铃中不容易看出来吧？

1. # 创建排序后的哑铃图
2. fig, ax = plt.subplots(figsize=(10, 8))
4. # 按变化幅度排序
5. sorted_indices = np.argsort(
6.     [sales_2023[i] - sales_2022[i] for i in range(len(categories))]
7. )
8. sorted_categories = [categories[i] for i in sorted_indices]
9. sorted_2022 = [sales_2022[i] for i in sorted_indices]
10. sorted_2023 = [sales_2023[i] for i in sorted_indices]
12. # 绘制连接线
13. # 省略 ...
15. # 绘制数据点
16. # 省略 ...
18. # 添加变化箭头标注
19. # 省略 ...
21. plt.tight_layout()
22. plt.show()

复制代码

如许改造后，由上到下的哑铃，越来越短（也就是增长越来越慢），最底部的谁人是负增长，用了赤色来标注。
4. 总结

数据可视化的焦点目标是有用转达信息。当我们须要夸大变革、比力两个干系状态时，哑铃图提供了一种轻便而强盛的办理方案。
就像选择符合的工具完成工作一样，在面对数据比力使命时，我们应该根据详细需求选择最符合的可视化情势：

• 当须要比力多个项目标两个状态时，选择哑铃图
  
• 当须要展示单个项目标多个构成部分时，选择堆积条形图
  
• 当须要比力多个项目标多个种别时，选择簇状条形图
  

最好的可视化不是最复杂的，而是能让观众在最短时间内明白最多信息的谁人。
哑铃图正是如许一种高效的工具，它用最简朴的线条毗连，陈诉了数据天下中最动人的变革故事。
下次做陈诉时，不妨试着把那张拥挤的簇状条形图换成哑铃图，信赖你的观众会感叹：“哇，这张图做得真专业！”
完备代码：哑铃图.ipynb (访问暗码: 6872)

免责声明：如果侵犯了您的权益，请联系站长及时删除侵权内容，谢谢合作！qidao123.com:ToB企服之家，中国第一个企服评测及软件市场,开放入驻,技术点评得现金.