• 还在用饼状图?来瞧瞧这些炫酷的百分比可视化新图形(附代码实现)


    💡 作者:韩信子@ShowMeAI
    📘 数据分析实战系列https://www.showmeai.tech/tutorials/40
    📘 本文地址https://www.showmeai.tech/article-detail/339
    📢 声明:版权所有,转载请联系平台与作者并注明出处
    📢 收藏ShowMeAI查看更多精彩内容

    饼图是用于显示分类数据比例的典型图表,我们用圆形图形代表整个样本集,把它分为多个切片并显示对应数据与总数相比的比例贡献。饼图在数据可视化中经常使用,因为它直观且结果容易理解。

    不过饼图并不是我们可以使用的唯一选择,还有一些炫酷高级的图表可以表示比例或百分比,在本篇内容中 ShowMeAI 将给大家讲到另外9个备选可视化图形方案,具备相同的功能但实现效果不一样。

    本篇内容涉及的工具库,大家可以参考ShowMeAI制作的工具库速查表和教程进行学习和快速使用。

    💡 获取数据

    我们先导入所需工具库:

    # 数据分析处理工具库
    import numpy as np
    import pandas as pd
    
    # 数据可视化工具库
    import matplotlib.pyplot as plt
    import seaborn as sns
    
    %matplotlib inline
    

    我们将以案例的形式给大家讲解可视化技巧,本篇的数据我们将使用爬虫技术爬取获取,我们对维基百科上显示截至 2020 年煤炭产量超过 500 万吨的国家和地区进行数据爬取和整理。

    # 爬虫与网页解析工具库
    import requests 
    from bs4 import BeautifulSoup
    wikiurl='https://en.wikipedia.org/wiki/List_of_countries_by_coal_production'
    table_class='wikitable sortable jquery-tablesorter'
    
    response=requests.get(wikiurl)
    
    #status/状态码为200,表示爬取成功
    print(response.status_code)
    

    我们使用 📘BeautifulSoup 工具对爬取到的网页进行解析

    # 解析对应的网页元素
    soup = BeautifulSoup(response.text, 'html.parser')
    table = soup.find('table',{'class':"wikitable"})
    
    # 整理为dataframe形态
    df_coalall = pd.read_html(str(table))[0]
    df_coalall
    

    这里我们不使用全部国家,我们选择欧洲 2020 年煤炭产量的国家。例如俄罗斯、德国、波兰、捷克共和国、乌克兰、罗马尼亚、希腊和保加利亚。

    大家也可以修改下面的代码,对国家或年份进行更改。

    # 选取国家
    list_country = ['Russia', 'Germany', 'Poland', 'Czech Republic',
    'Ukraine', 'Romania', 'Greece', 'Bulgaria']
    # 整理不同国家的数量
    df_coalpre = df_coalall[df_coalall['Country'].isin(list_country)]
    df_coalpre = df_coalpre.iloc[:,0:2]
    df_coalpre.rename(columns={'2020[1]':'2020'}, inplace=True)
    df_coalpre.reset_index(drop=True, inplace=True)
    df_coalpre
    

    我们对 DataFrame 进行melt操作创建一个百分比列以供后面使用

    df_coal = pd.melt(df_coalpre, id_vars=['Country'],
                      value_vars='2020',
                      var_name='Year', value_name='Value')
    
    # 计算百分占比
    df_coal['Percent'] = [round(i*100/sum(df_coal.Value),1) for i in df_coal.Value]
    df_coal
    

    💡 基础饼图

    饼状图当然基于 Matplotlib 是很好绘制的啦,我们用 Seaborn 调一下调色板,让呈现更好看一点,代码如下:

    # seaborn调色板
    pal_ = list(sns.color_palette(palette='plasma_r',
                                  n_colors=len(list_country)).as_hex())
    # 绘制饼图
    plt.figure(figsize=(14, 14))
    plt.rcParams.update({'font.size': 16})
    plt.pie(df_coal.Value,
            labels= df_coal.Country,
            colors=pal_, autopct='%1.1f%%',
            pctdistance=0.9)
    plt.legend(bbox_to_anchor=(1, 1), loc=2, frameon=False)
    plt.show()
    

    上面的饼图显示了 2020 年煤炭产量超过 500 万吨的欧洲国家的各自占比。

    💡 其他数据可视化图

    下面ShowMeAI将介绍 9 种饼图之外的占比可视化图,它们可以分为两组:

    圆形图形

    • 哑铃图(又名杠铃图)
    • 罗列气泡图
    • 环绕气泡图
    • 交互式饼图
    • 交互式甜甜圈图

    其他形式

    • 树状图
    • 华夫饼图
    • 条形图
    • 堆积条形图

    💦 哑铃图(杠铃图)

    哑铃图是一种可视化技巧,用于比较两个数据。顾名思义,哑铃图由两个用直线统一的圆形图形组成。 在下面的示例中我们将 X 轴范围设置为 0 到 100% 以显示煤炭产量的百分比。

    我们直接看代码和效果:

    df_select = df_coal[['Country', 'Percent']]
    df_select['Label_color'] = [i for i in df_coal['Country']]
    
    
    df_coalmod = df_coal[['Country']]
    df_coalmod['Percent'] = [100-i for i in df_coal['Percent']]
    df_coalmod['Label_color'] = ['Other countries']*len(list_country)
    
    
    df_db = pd.concat([df_select, df_coalmod],axis=0)
    df_db
    

    下面绘制 2020 年煤炭产量最高的两个国家

    # 构建数据字典
    color_country = dict(zip(list_country,pal_))
    # 添加颜色设置
    color_country['Other countries'] = '#b9b9b9'
    
    # 选择国家,设定Y轴
    df_ = df_select.iloc[0:2,:]
    df_['Y'] = [1]*len(df_)
    
    import plotly.express as px
    fig = px.scatter(df_, x='Percent', y='Y', color='Label_color',
                     text = [str(i)+' %' for i in df_.Percent][0:len(df_)],
                     opacity=1,
                     color_discrete_map=color_country)
    
    fig.update_layout(width = 950, height = 300, plot_bgcolor = 'white',
                      margin = dict(t=40, l=20, r=20, b=20),
                      yaxis={'categoryorder':'total descending'},
                      legend=dict(title='Countries'),
                      showlegend=True)
    
    for c in list_country:
        df = df_[df_['Country']==c]
        fig.add_shape(type="line", layer="below",
                      line=dict(color='black', width=6),
                      y0=1, x0=list(df_.Percent)[0],
                      y1=1, x1=list(df_.Percent)[1])
    
    
    fig.update_traces(textposition='top center', marker={'size':65},
                      textfont=dict(color='black'))
    fig.update_yaxes(visible=False)
    fig.update_xaxes(visible=True, showgrid =False, range=[-1, 101]) 
    fig.show()
    

    绘制每个国家与剩余其他国家总和相比的百分比

    color_country = dict(zip(list_country,pal_))
    color_country['Other countries'] = '#b9b9b9'
    
    
    import plotly.express as px
    fig = px.scatter(df_db, x='Percent', y='Country', color='Label_color',
                     text = [str(i)+' %' for i in df_db.Percent],
                     opacity=1,
                     color_discrete_map=color_country)
    
    
    fig.update_layout(width = 950, height = 900, plot_bgcolor = 'white',
                      margin = dict(t=40, l=20, r=20, b=20),
                      yaxis={'categoryorder':'total descending'},
                      legend=dict(title='Countries'),
                      showlegend=True)
    
    
    for c in list_country:
        df = df_db[df_db['Country']==c]
        fig.add_shape(type="line", layer="below",
                      line=dict(color=color_country.get(c), width=6),
                      y0=c, x0=list(df.Percent)[0],
                      y1=c, x1=list(df.Percent)[1])
    
    
    fig.update_traces(textposition='top center', marker={'size':58},
                      textfont=dict(color='black'))
    fig.update_yaxes(title='', visible=True, showgrid =False)
    fig.update_xaxes(visible=False) 
    fig.show()
    

    结果看起来不错,不过我们这里的圈圈大小都是一样的,这可能不方便在国家之间进行比较。我们可以通过根据百分比值改变圆形大小,代码模板如下:

    import plotly.express as px
    fig = px.scatter(df_db, x='Percent', y='Country', color='Label_color',
                     text = [str(i)+' %' for i in df_db.Percent],
                     size = 'Percent', size_max=45,
                     opacity=1,
                     color_discrete_map=color_country)
    
    
    fig.update_layout(width = 950, height = 900, plot_bgcolor = 'white',
                      margin = dict(t=40, l=20, r=20, b=20),
                      yaxis={'categoryorder':'total descending'},
                      legend=dict(title='Countries'),
                      showlegend=True)
    
    
    for c in list_country:
        df = df_db[df_db['Country']==c]
        fig.add_shape(type="line", layer="below",
                      line=dict(color=color_country.get(c), width=6),
                      y0=c, x0=list(df.Percent)[0],
                      y1=c, x1=list(df.Percent)[1])
    
    
    fig.update_traces(textposition='top center',
                      textfont=dict(color='black'))
    
    
    fig.update_yaxes(title='', visible=True, showgrid =False)
    fig.update_xaxes(visible=False) 
    fig.show()
    

    💦 罗列气泡图

    我们可以使用多个大小不一样的圆圈来表示数据大小与占比,这也就是气泡图,我们把气泡水平罗列排布就可以起到对比和展示的作用,也就是罗列气泡图,下面是它的实现代码:

    df_coal['Y'] = [1]*len(df_coal)
    list_x = list(range(0,len(df_coal)))
    df_coal['X'] = list_x
    df_coal
    

    绘制罗列气泡图

    # 构建气泡列表
    label = [i+'
    '
    +str(j)+'
    '
    +str(k)+'%' for i,j,k in zip(df_coal.Country, df_coal.Value, df_coal.Percent)] import plotly.express as px fig = px.scatter(df_coal, x='X', y='Y', color='Country', color_discrete_sequence=pal_, size='Value', text=label, size_max=90 ) fig.update_layout(width=900, height=320, margin = dict(t=50, l=0, r=0, b=0), showlegend=False ) fig.update_traces(textposition='top center') fig.update_xaxes(showgrid=False, zeroline=False, visible=False) fig.update_yaxes(showgrid=False, zeroline=False, visible=False) fig.update_layout({'plot_bgcolor': 'white', 'paper_bgcolor': 'white'}) fig.show()

    气泡图显示了 2020 年煤炭产量超过 500 万吨的欧洲国家百分比的情况。不过罗列气泡图有一个问题:绘图空间。绘制的圆圈越多,需要的面积就越大。

    💦 环绕气泡图

    上面的罗列气泡图非常占空间,我们可以把气泡圈圈以不同的方式排布,以节省空间,比如环绕气泡图

    import circlify
    # 气泡的位置分布
    circles = circlify.circlify(df_coal['Value'].tolist(), 
                                show_enclosure=False, 
                                target_enclosure=circlify.Circle(x=0, y=0)
                               )
    circles.reverse()
    

    绘制圆形包装

    # 构建气泡列表
    label = [i+'
    '
    +str(j)+'
    '
    +str(k)+'%' for i,j,k in zip(df_coal.Country, df_coal.Value, df_coal.Percent)] fig, ax = plt.subplots(figsize=(14,14), facecolor='white') ax.axis('off') lim = max(max(abs(circle.x)+circle.r, abs(circle.y)+circle.r,) for circle in circles) plt.xlim(-lim, lim) plt.ylim(-lim, lim) # 以环绕方式绘图 for circle, note, color in zip(circles, label, pal_): x, y, r = circle ax.add_patch(plt.Circle((x, y), r, alpha=1, color = color)) plt.annotate(note.replace('
    '
    ,'\n'), (x,y), size=16, va='center', ha='center') plt.xticks([]) plt.yticks([]) plt.show()

    💦 交互式饼图

    饼图其实依旧是很好的可视化展示工具,但是我们经常会有更灵活的要求,比如俄乌2022年冲突的大背景下,我们需要刨去 Russia 之后看各国家占比,那又是另外一个分布情况,而这种灵活的交互式应用,可以借助于 Python 中的 📘Plotly 工具库完成,下面是交互式饼状图绘制代码:

    import plotly.express as px
    fig = px.pie(df_coal, values='Value', names='Country',
                 color_discrete_sequence=pal_)
    fig.update_layout(width = 800, height = 600,
                      margin = dict(t=0, l=0, r=0, b=0))
    fig.update_traces(textfont_size=16)
    fig.show()
    

    💦 甜甜圈图

    顾名思义,甜甜圈图,就是中心有空白的饼图。它其实和饼图很像,但是因为中心位置空出来了,大家可以在其中添加一些额外的信息。下面是我们借助 Plotly 工具库绘制甜甜圈图的示例:

    import plotly.express as px
    fig = px.pie(df_coal, values='Value', names='Country',
                 color_discrete_sequence=pal_)
    fig.update_traces(textposition='outside', textinfo='percent+label', 
                      hole=.6, hoverinfo="label+percent+name")
    fig.update_layout(width = 800, height = 600,
                      margin = dict(t=0, l=0, r=0, b=0))
    fig.show()
    

    💦 树状图

    并不只有圆圈状的可视化图适合显示占比,我们也可以使用其他的形状,比如最常见的可视化图之一就是树状图,我们会用方块状的图来展示数据大小和占比情况,参考示例如下:

    # 添加颜色
    color_country['(?)'] = '#e9e9e9'
    
    
    # 构建占比列表
    Label_per = [str(round(i*100/sum(df_coal.Value),1))+' %' for i in df_coal.Value]
    
    
    import plotly.express as px
    fig = px.treemap(df_coal, path=[px.Constant('2022'), 'Country'],
                     values=df_coal.Percent,
                     color=df_coal.Country,
                     color_discrete_map=color_country,
                     hover_name=Label_per,
                    )
    fig.update_layout(margin = dict(t=50, l=25, r=25, b=25), showlegend=True)
    fig.show()
    

    💦 华夫饼图

    大家一定见过 GitHub 中的活跃天数图,大家有没有觉得,这也是一个非常酷的可视化方法,在可视化领域,这样的图叫做华夫饼图。是不是很形象,就像吃的华夫饼一样分成很多小块块。

    绘制华夫饼图的简单代码示例如下:

    # 注意需要通过 pip install pywaffle来安装对应的工具库
    
    from pywaffle import Waffle
    fig = plt.figure(FigureClass=Waffle, 
                     rows=20, columns=50,
                     values=df_coal.Percent, 
                     colors=pal_,
                     labels=[i+' '+j for i,j in zip(df_coal.Country, Label_per)],
                     figsize = (15,6),
                     legend={'loc':'upper right',
                             'bbox_to_anchor': (1.32, 1),
                            })
    plt.tight_layout()
    plt.show()
    

    💦 条形图

    另一种典型的占比图示是条形图,大家对进度条有没有印象,它对于显示占比情况也是非常有效的。

    下面我们使用类似的呈现手法,使用 Plotly 工具库构建条形图来显示占比,而且我们构建的图示是交互式的,大家的鼠标悬停在条形上时会显示相应的信息。

    # 添加颜色设置
    color_country['Other countries'] = '#dcdcdc'
    
    
    import plotly.express as px
    fig = px.bar(df_db, y='Country', x='Percent', color='Label_color',
                 text=[i+' '+str(j)+' %' if i != 'Other countries' else '' for i,j in zip(df_db.Label_color,
                                                                                          df_db.Percent)],
                 orientation='h',
                 color_discrete_map=color_country
                )
    fig.update_layout(width = 950, height = 500, plot_bgcolor = 'white',
                      margin = dict(t=10, l=10, r=0, b=10),
                      yaxis={'categoryorder':'total descending'},
                      legend=dict(title='Countries'),
                      showlegend=True
                     )
    fig.update_traces(textposition='auto')
    fig.update_xaxes(visible=False)
    fig.update_yaxes(visible=False)
    fig.show()
    

    💦 堆积条形图

    对应到上述条形图,我们当然也可以构建堆积条形图,它能更清晰显示单个数据点与总数的比例。不过大家稍微注意一下,这种堆叠的结构的一个可能问题是,很小占比的国家,可能就显示不太清楚了,堆叠条形图的代码示例如下:

    import plotly.express as px
    fig = px.bar(df_coal, y='Year', x='Percent', color='Country',
                 text = [i + str(j)+' %' for i,j in zip(df_coal.Country, df_coal.Percent)],
                 orientation='h',color_discrete_sequence=pal_)
    fig.update_layout(width = 1400, height = 360, plot_bgcolor = 'white',
                      margin = dict(t=40, l=20, r=20, b=20),
                      #title_text = '2020',
                      showlegend=False)
    fig.update_traces(textposition='inside')
    fig.update_xaxes(visible=False)   
    fig.update_yaxes(visible=False)
    fig.show()
    

    💡 总结

    饼图是数据可视化中的典型图表,对于占比呈现非常有效。但是一直使用饼图也是非常单一的,容易视觉疲劳,本文中 ShowMeAI 讲解了9种替代饼图的可视化方法,大家可以结合它们的优缺点进行选择,和丰富自己的可视化工具箱。

    参考资料

  • 相关阅读:
    mongo数据同步的三种方案
    HarmonyOS之自选股App
    经典算法之希尔排序(Shell‘s Sort)
    按摩 推拿上门服务小程序源码 家政上门服务系统源码
    《微服务架构设计模式》之三:微服务架构中的进程通信
    经典排序方法思路简介
    K8S的基础知识
    面试官:说说TCP如何实现可靠传输
    Rome链分析
    分类预测 | MATLAB实现SSA-CNN-BiGRU-Attention数据分类预测(SE注意力机制)
  • 原文地址:https://blog.csdn.net/ShowMeAI/article/details/127055640