|
標(biāo)簽：Python，Matplotlib，瀑布圖我們將用Python制作瀑布圖，特別是使用matplotlib庫。瀑布圖顯示了運行總數(shù)以及增減，這對于屬性分析來說是很好的選擇。Matplotlib沒有像“waterfall_chart()”這樣的神奇函數(shù)，使我們能夠用一行代碼就繪制瀑布圖。然而，可以使用一點小小的技巧在Python中自定義自己的瀑布圖。1.創(chuàng)建標(biāo)準(zhǔn)的條形圖。2.創(chuàng)建另一個條形圖并將其放在第一個條形圖的頂部，然后將新條形圖的顏色設(shè)置為與背景色相同的顏色，以隱藏第一個條形圖的底部。實際上，因為我們看不到第二組條形圖，所以我們可以使用它們來“隱藏”另一組條形圖。import matplotlib.pyplot as pltdf= pd.DataFrame({'category':['Sales','Service','Expenses','Taxes','Interest'], 'num':[100,10,-20,-30,60]})任務(wù)現(xiàn)在變成創(chuàng)建兩個條形圖，其中一個應(yīng)該記錄運行總數(shù)，另一個只是運行總數(shù)的變化，我們稍后就會看到。可以使用cumsum()方法計算一個運行總數(shù)，然后將其下移1行。這兩個新的列tot和tot1為我們提供了每個瀑布條的起點和終點。例如，在第2行Expenses（費用）中，起點是110，終點是90。df['tot']= df['num'].cumsum()df['tot1']= df['tot'].shift(1).fillna(0)由于起點和終點可以位于兩個新列中的任意一列（取決于值的符號），因此我們可以再創(chuàng)建兩列來捕獲upper點和lower點：lower= df[['tot','tot1']].min(axis=1)upper= df[['tot','tot1']].max(axis=1)我們使用upper點繪制第一組條形圖。注意，這些條形的顏色與背景顏色不同。然后，我們使用lower點繪制第二組條形圖，并將顏色設(shè)置為與背景顏色相同，默認(rèn)情況下為白色。ax.bar(x=df['category'],height=upper,)ax.bar(x=df['category'],height=lower,color='white')現(xiàn)在我們得到一個類似下面圖3所示的圖表。基本上，由于與背景顏色相同，高度為“lower點”的條形圖是不可見的。現(xiàn)在，我們有了一個基本的瀑布圖，再給它添加一些顏色。這里使用綠色表示增加，紅色表示減少。數(shù)據(jù)在num列中隨時可用，讓我們創(chuàng)建一個新的color列來存儲每個類別的適當(dāng)顏色。df.loc[df['num']>= 0, 'color'] = 'green'df.loc[df['num']< 0, 'color'] = 'red'ax.bar(x=df['category'],height=upper,color= df['color'])瀑布圖顯示了每個類別對總數(shù)的貢獻，因此可在每個條形的中間添加標(biāo)簽信息。也可以添加“連接符”，將上一個條形的起點和終點連接到下一個條形。下面將完整的瀑布圖代碼轉(zhuǎn)換為一個方便的Python函數(shù)，以便以后可以重用它。該函數(shù)接受三個參數(shù)：包含數(shù)據(jù)的數(shù)據(jù)框架、要放置為x軸的數(shù)據(jù)列的名稱以及要用作y軸的數(shù)據(jù)列的名稱。 df['tot'] = df[y].cumsum() df['tot1']=df['tot'].shift(1).fillna(0) lower = df[['tot','tot1']].min(axis=1) upper = df[['tot','tot1']].max(axis=1) # 正數(shù)顯示綠色, 負(fù)數(shù)顯示紅色 df.loc[df[y] >= 0, 'color'] = 'green' df.loc[df[y] < 0, 'color'] = 'red' connect= df['tot1'].repeat(3).shift(-1) bars = ax.bar(x=df[x],height=upper, color=df['color']) plt.bar(x=df[x],height=lower,color='white') plt.plot(connect.index,connect.values, 'k') for i, v in enumerate(upper): plt.text(i-.15, mid[i],f'{df[y][i]:,.0f}')waterfall(df,'category','num')注：本文學(xué)習(xí)整理自pythoninoffice.com，供有興趣的朋友參考。歡迎在下面留言，完善本文內(nèi)容，讓更多的人學(xué)到更完美的知識。歡迎到知識星球：完美Excel社群，進行技術(shù)交流和提問，獲取更多電子資料，并通過社群加入專門的微信討論群，更方便交流。
|
