26.極區(qū)圖（南丁格爾玫瑰圖）
27.維恩圖 （Venn diagram）
28.面狀圖（Area chart）
29.樹地圖

26.極區(qū)圖（南丁格爾玫瑰圖）

極區(qū)圖（又名南丁格爾玫瑰圖）呈放射延伸狀，每塊會占一定的角度。其半徑大小表示它代表的某一類數(shù)據(jù)的大小。其角度大小表示它所占總類別的比例。

南丁格爾玫瑰圖，是由南丁格爾發(fā)明的，她是英國護(hù)士和統(tǒng)計學(xué)家。其在英國軍營工作時收集了在克里米亞戰(zhàn)爭時期的士兵在不同月份的死亡率和原因分布，通過玫瑰圖的方式有效的打動了當(dāng)時的高層管理人員，于是醫(yī)療改良的提案才受到了大力的支持，將士兵的死亡率從42%降低至2%，因此后來將此圖形稱為南丁格爾玫瑰圖。

那南丁格爾玫瑰圖一般用在什么場景呢？其實南丁格爾玫瑰圖和餅圖類似，算是餅圖的一種變形，用法也一樣，主要用在需要查看占比的場景中。兩者唯一的區(qū)別是：餅圖是通過角度判別占比大小，而玫瑰圖可以通過半徑大小或者扇形面積大小來判別。

import numpy as np import matplotlib.pyplot as plt# Fixing random state for reproducibility np.random.seed(19680801)# Compute pie slices N = 10 theta = np.linspace(0.0, 2 * np.pi, N, endpoint=False) radii = 10 * np.random.rand(N) width = np.pi / 4 * np.random.rand(N) colors = plt.cm.viridis(radii / 10.)ax = plt.subplot(111, projection='polar') ax.bar(theta, radii, width=width, bottom=0.0, color=colors, alpha=0.5)plt.show()

import matplotlib.pyplot as plt import numpy as npN = 7 '''生成角度值''' theta = np.arange(0.,2*np.pi,2*np.pi/N) '''生成半徑值''' radii = np.array([7,4,5,3,2,4,6]) '''定義軸類型''' plt.axes([0.025,0.025,0.95,0.95],polar=True) '''定義顏色集，這里使用RGB值，當(dāng)然也可以使用顏色名稱''' colors = np.array(['#4bb2c5','#c5b47f','#EAA228','#579575','#839557','#958c12','#953579']) '''bar()函數(shù)要求傳入角度和半徑作為參數(shù)''' bars = plt.bar(theta,radii,width=(2*np.pi/N),bottom=0.0,color=colors) plt.show()

27.維恩圖 （Venn diagram）

維恩圖是顯示集合之間邏輯關(guān)系（交集，差集，并集）的圖。

使用時要安裝matplotlib-venn：pip install matplotlib-venn

import matplotlib.pyplot as plt from matplotlib_venn import venn2# First way to call the 2 group Venn diagram venn2(subsets=(10, 5, 2), set_labels=('Group A', 'Group B')) plt.show()

import matplotlib.pyplot as plt from matplotlib_venn import venn2# Second way venn2([set(['A', 'B', 'C', 'D']), set(['D', 'E', 'F'])]) plt.show()

import pandas as pd import numpy as np import matplotlib.pyplot as plt from matplotlib_venn import venn2df = pd.DataFrame({'Product': ['Only cheese', 'Only red wine', 'Both'],'NbClient': [900, 1200, 400]},columns = ['Product', 'NbClient']) print(df) ''' 輸出結(jié)果：Product NbClient 0 Only cheese 900 1 Only red wine 1200 2 Both 400 '''# First way plt.figure(figsize=(8, 11))v2 = venn2(subsets = {'10': df.loc[0, 'NbClient'],'01': df.loc[1, 'NbClient'],'11': df.loc[2, 'NbClient']},set_labels=('', '')) v2.get_patch_by_id('10').set_color('yellow') v2.get_patch_by_id('01').set_color('red') v2.get_patch_by_id('11').set_color('orange')v2.get_patch_by_id('10').set_edgecolor('none') v2.get_patch_by_id('01').set_edgecolor('none') v2.get_patch_by_id('11').set_edgecolor('none')v2.get_label_by_id('10').set_text('%s\n%d\n(%.0f%%)' % (df.loc[0, 'Product'],df.loc[0, 'NbClient'],np.divide(df.loc[0, 'NbClient'],df.NbClient.sum())*100))v2.get_label_by_id('01').set_text('%s\n%d\n(%.0f%%)' % (df.loc[1, 'Product'],df.loc[1, 'NbClient'],np.divide(df.loc[1, 'NbClient'],df.NbClient.sum())*100))v2.get_label_by_id('11').set_text('%s\n%d\n(%.0f%%)' % (df.loc[2, 'Product'],df.loc[2, 'NbClient'],np.divide(df.loc[2, 'NbClient'],df.NbClient.sum())*100)) for text in v2.subset_labels:text.set_fontsize(12)plt.show()

import pandas as pd import numpy as np import matplotlib.pyplot as plt from matplotlib_venn import venn2# Second way grp1 = set(['cheese-a', 'cheese-b', 'cheese-c', 'cheese-d','cheese-e', 'cheese-f', 'cheese-g', 'cheese-h','cheese-i', 'cheese', 'red wine']) grp2 = set(['red wine-a', 'red wine-b', 'red wine-c', 'red wine-d','red wine-e', 'red wine-f', 'red wine-g', 'red wine-h','red wine-i', 'red wine-j', 'red wine-k', 'red wine-l','red wine', 'cheese'])v2 = venn2([grp1, grp2], set_labels = ('', ''))v2.get_patch_by_id('10').set_color('yellow') v2.get_patch_by_id('01').set_color('red') v2.get_patch_by_id('11').set_color('orange')v2.get_patch_by_id('10').set_edgecolor('none') v2.get_patch_by_id('01').set_edgecolor('none') v2.get_patch_by_id('11').set_edgecolor('none')v2.get_label_by_id('10').set_text('Only cheese\n(36%)') v2.get_label_by_id('01').set_text('Only red wine\n(48%)') v2.get_label_by_id('11').set_text('Both\n(16%)')plt.show()

這種維恩圖通常可用于零售交易的分析。 假設(shè)需要研究奶酪和紅酒的受歡迎程度，并且有2500位客戶回答了問卷。 根據(jù)上圖，我們發(fā)現(xiàn)在2500位客戶中，有900位客戶（36％）喜歡奶酪，有1200位客戶（48％）喜歡紅酒，而400位客戶（16％）喜歡這兩種產(chǎn)品。

import matplotlib.pyplot as plt from matplotlib_venn import venn3plt.figure(figsize=(12,12))v3 = venn3(subsets = {'100':30, '010':30, '110':17,'001':30, '101':17, '011':17, '111':5},set_labels = ('', '', ''))v3.get_patch_by_id('100').set_color('red') v3.get_patch_by_id('010').set_color('yellow') v3.get_patch_by_id('001').set_color('blue') v3.get_patch_by_id('110').set_color('orange') v3.get_patch_by_id('101').set_color('purple') v3.get_patch_by_id('011').set_color('green') v3.get_patch_by_id('111').set_color('grey')v3.get_label_by_id('100').set_text('Math') v3.get_label_by_id('010').set_text('Computer science') v3.get_label_by_id('001').set_text('Domain expertise') v3.get_label_by_id('110').set_text('Machine learning') v3.get_label_by_id('101').set_text('Statistical research') v3.get_label_by_id('011').set_text('Data processing') v3.get_label_by_id('111').set_text('Data science')for text in v3.subset_labels:text.set_fontsize(13)plt.show()

28.面狀圖（Area chart）

面狀圖或面積圖以圖形方式顯示定量數(shù)據(jù)。 它基于折線圖。 通常用顏色、紋理和陰影線強(qiáng)調(diào)軸和線之間的區(qū)域。
可用于顯示或比較隨時間變化的定量進(jìn)度。

import numpy as np import matplotlib.pyplot as pltplt.figure(figsize=(6, 4))turnover = [2, 7, 14, 17, 20, 27, 30, 38, 25, 18, 6, 1] plt.fill_between(np.arange(12), turnover, color="skyblue", alpha=0.4) plt.plot(np.arange(12), turnover, color="Slateblue", alpha=0.6, linewidth=2)plt.tick_params(labelsize=12) plt.xticks(np.arange(12), np.arange(1,13)) plt.xlabel('Month', size=12) plt.ylabel('Turnover (K dollars) of ice-cream', size=12) plt.ylim(bottom=0)plt.show()

假設(shè)上面的圖描述了一年內(nèi)冰淇淋銷售的營業(yè)額。 根據(jù)該圖，可以清楚地發(fā)現(xiàn)，銷售在夏天達(dá)到頂峰，然后從秋天到冬天下降。

例子2：

import numpy as np import matplotlib.pyplot as pltplt.figure(figsize=(9, 6))year_n_1 = [1.5, 3, 10, 13, 22, 36, 30, 33, 24.5, 15, 6.5, 1.2] year_n = [2, 7, 14, 17, 20, 27, 30, 38, 25, 18, 6, 1]plt.fill_between(np.arange(12), year_n_1, color="lightpink", alpha=0.5, label='year N-1') plt.fill_between(np.arange(12), year_n, color="skyblue", alpha=0.5, label='year N')plt.tick_params(labelsize=12) plt.xticks(np.arange(12), np.arange(1,13)) plt.xlabel('Month', size=12) plt.ylabel('Turnover (K dollars) of ice-cream', size=12) plt.ylim(bottom=0) plt.legend()plt.show()

29.樹地圖

樹地圖將層次結(jié)構(gòu)（樹狀結(jié)構(gòu)）數(shù)據(jù)顯示為一組嵌套矩形。 樹的每個分支都有一個矩形，然后用代表子分支的較小矩形平鋪。 葉節(jié)點(diǎn)的矩形的面積與數(shù)據(jù)的指定尺寸成比例。 通常，葉節(jié)點(diǎn)被著色以顯示數(shù)據(jù)的單獨(dú)維度。
樹地圖的思想就是通過方塊的面積來表示，面積越大，其代表的值就越大，反之亦然。
使用時安裝squarify：pip install squarify

(base) C:\Users\toto>pip install squarify Collecting squarifyDownloading squarify-0.4.3-py3-none-any.whl (4.3 kB) Installing collected packages: squarify Successfully installed squarify-0.4.3(base) C:\Users\toto>

函數(shù)語法及參數(shù)：

squarify.plot(sizes, norm_x=100, norm_y=100, color=None, label=None, value=None, alpha,**kwargs)

?sizes：指定離散變量各水平對應(yīng)的數(shù)值，即反映樹地圖子塊的面積大小；
?norm_x：默認(rèn)將x軸的范圍限定在0-100之內(nèi)；
?norm_y：默認(rèn)將y軸的范圍限定在0-100之內(nèi)；
?color:自定義設(shè)置樹地圖子塊的填充色；
?label：為每個子塊指定標(biāo)簽；
?value：為每個子塊添加數(shù)值大小的標(biāo)簽；
?alpha：設(shè)置填充色的透明度；
?**kwargs：關(guān)鍵字參數(shù)，與條形圖的關(guān)鍵字參數(shù)類似，如設(shè)置邊框色、邊框粗細(xì)等。

import matplotlib.pyplot as plt import squarify# 中文及負(fù)號處理辦法 plt.rcParams['font.sans-serif'] = 'Microsoft YaHei' # plt.rcParams['axes.unicode_minus'] = False# 數(shù)據(jù)創(chuàng)建 name = ['上海GDP', '北京GDP', '深圳GDP', '廣州GDP','重慶GDP', '蘇州GDP', '成都GDP', '武漢GDP','杭州GDP', '天津GDP', '南京GDP', '長沙GDP','寧波GDP', '無錫GDP', '青島GDP', '鄭州GDP','佛山GDP', '泉州GDP', '東莞GDP', '濟(jì)南GDP'] income = [38155, 35371, 26927, 23628, 23605, 19235, 17012, 16900, 15373, 14104,14030, 12580, 11985, 11852, 11741, 11380, 10751, 9946, 9482, 9443]# 繪圖details colors = ['steelblue', '#9999ff', 'red', 'indianred', 'deepskyblue', 'lime', 'magenta', 'violet', 'peru', 'green','yellow', 'orange', 'tomato', 'lawngreen', 'cyan', 'darkcyan', 'dodgerblue', 'teal', 'tan', 'royalblue'] plot = squarify.plot(sizes=income, # 指定繪圖數(shù)據(jù)label=name, # 指定標(biāo)簽color=colors, # 指定自定義顏色alpha=0.6, # 指定透明度value=income, # 添加數(shù)值標(biāo)簽edgecolor='white', # 設(shè)置邊界框為白色linewidth=3 # 設(shè)置邊框?qū)挾葹?) # 設(shè)置標(biāo)簽大小為10 plt.rc('font', size=10) # 設(shè)置標(biāo)題和字體大小 plot.set_title('2019年城市GDP排名前20(億元)', fontdict={'fontsize': 15}) # 去除坐標(biāo)軸 plt.axis('off') # 除上邊框和右邊框刻度 plt.tick_params(top='off', right='off') # 圖形展示 plt.show()

總結(jié)

以上是生活随笔為你收集整理的26.27.28.29.极区图（南丁格尔玫瑰图）、维恩图 （Venn diagram）、面状图（Area chart）、树地图的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。