【python科研绘图】封装接口直接利用DataFrame绘制百分比堆叠柱状图

╰半橙微兮° 2023-02-14 15:37 26阅读 0赞

### 封装接口直接利用DataFrame绘制百分比柱状图 ###

*  1. 背景前言
 *  2. 官方网址示例
 *   *  2.1 matplotlib\_percentage\_stacked\_bar\_plot
     *  2.2 percent-stacked-barplot
     *  2.3 Discrete distribution as horizontal bar chart
 *  3. 问题解决
 *   *  3.1 全部代码
     *  3.2 代码试错
 *  4. 实操检验
 *   *  4.1 实操测试
     *  4.2 更换标签
     *  4.3 部分标签输出

手动反爬虫：[原博地址][Link 1] https://editor.csdn.net/md/?articleId=106524459

知识梳理不易，请尊重劳动成果，文章仅发布在CSDN网站上，在其他网站看到该博文均属于未经作者授权的恶意爬取信息

本文为付费内容，禁止转载

# 1. 背景前言 #

最近打比赛遇到的问题有点多，在绘制了堆叠柱状图之后，队长说不仅要看到具体的数量多少的堆叠图，还要看到具体占比的百分比柱状图，具体的样例可参考灵魂画图，因此也就产生了绘制百分比柱状图的需求  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70]

# 2. 官方网址示例 #

## 2.1 matplotlib\_percentage\_stacked\_bar\_plot ##

[示例网址1][1]

里面的代码是真的长，完全属于一步步进行“堆砖块”然后才形成的百分比堆叠图，最终得出图结果如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 1]

## 2.2 percent-stacked-barplot ##

[示例网址2][2]

这个网址给出的代码比第一个网址给出的较为简洁，但是本质上都是属于一个个“砖块”的叠加，代码及生成的示例图形如下：

# libraries
    import numpy as np
    import matplotlib.pyplot as plt
    from matplotlib import rc
    import pandas as pd
    
    # Data
    r = [0,1,2,3,4]
    raw_data = { 'greenBars': [20, 1.5, 7, 10, 5], 'orangeBars': [5, 15, 5, 10, 15],'blueBars': [2, 15, 18, 5, 10]}
    df = pd.DataFrame(raw_data)
    
    # From raw value to percentage
    totals = [i+j+k for i,j,k in zip(df['greenBars'], df['orangeBars'], df['blueBars'])]
    greenBars = [i / j * 100 for i,j in zip(df['greenBars'], totals)]
    orangeBars = [i / j * 100 for i,j in zip(df['orangeBars'], totals)]
    blueBars = [i / j * 100 for i,j in zip(df['blueBars'], totals)]
    
    # plot
    barWidth = 0.85
    names = ('A','B','C','D','E')
    # Create green Bars
    plt.bar(r, greenBars, color='#b5ffb9', edgecolor='white', width=barWidth)
    # Create orange Bars
    plt.bar(r, orangeBars, bottom=greenBars, color='#f9bc86', edgecolor='white', width=barWidth)
    # Create blue Bars
    plt.bar(r, blueBars, bottom=[i+j for i,j in zip(greenBars, orangeBars)], color='#a3acff', edgecolor='white', width=barWidth)
    
    # Custom x axis
    plt.xticks(r, names)
    plt.xlabel("group")
    
    # Show graphic
    plt.show()

→ 输出的结果为：（这个结果相对好一点）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 2]

## 2.3 Discrete distribution as horizontal bar chart ##

[示例网址3][3]

官方给出的示例图是下面这样的，看的第一眼是非常符合自己的要求的，而且还有不同的配色以及主题的标签设置及文本文字标注  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 3]  
接着就看一下给出的源码，如下，代码封装的挺不错的，还有可以直接调用的函数，按照官方示例的代码运行后的确可以实现上方的图形效果（内心狂喜~~ ）

import numpy as np
    import matplotlib.pyplot as plt
    
    category_names = ['Strongly disagree', 'Disagree',
                      'Neither agree nor disagree', 'Agree', 'Strongly agree']
    results = { 
        'Question 1': [10, 15, 17, 32, 26],
        'Question 2': [26, 22, 29, 10, 13],
        'Question 3': [35, 37, 7, 2, 19],
        'Question 4': [32, 11, 9, 15, 33],
        'Question 5': [21, 29, 5, 5, 40],
        'Question 6': [8, 19, 5, 30, 38]
    }
    
    def survey(results, category_names):
        """ Parameters ---------- results : dict A mapping from question labels to a list of answers per category. It is assumed all lists contain the same number of entries and that it matches the length of *category_names*. category_names : list of str The category labels. """
        labels = list(results.keys())
        data = np.array(list(results.values()))
        data_cum = data.cumsum(axis=1)
        category_colors = plt.get_cmap('RdYlGn')(
            np.linspace(0.15, 0.85, data.shape[1]))
    
        fig, ax = plt.subplots(figsize=(9.2, 5))
        ax.invert_yaxis()
        ax.xaxis.set_visible(False)
        ax.set_xlim(0, np.sum(data, axis=1).max())
    
        for i, (colname, color) in enumerate(zip(category_names, category_colors)):
            widths = data[:, i]
            starts = data_cum[:, i] - widths
            ax.barh(labels, widths, left=starts, height=0.5,
                    label=colname, color=color)
            xcenters = starts + widths / 2
    
            r, g, b, _ = color
            text_color = 'white' if r * g * b < 0.5 else 'darkgrey'
            for y, (x, c) in enumerate(zip(xcenters, widths)):
                ax.text(x, y, str(int(c)), ha='center', va='center',
                        color=text_color)
        ax.legend(ncol=len(category_names), bbox_to_anchor=(0, 1),
                  loc='lower left', fontsize='small')
    
        return fig, ax
    
    
    survey(results, category_names)
    plt.show()

这个官方给出的代码，看似可以解决问题，但是直接调用之后发现，并不是百分比柱状图的结果，比如这里将数据稍作修改，更改数据如下，然后再运行代码

results = { 
        'Question 1': [10, 15, 17, 32, 26],
        'Question 2': [26, 22, 29, 10, 13],
        'Question 3': [35, 37, 7, 2, 19],
        'Question 4': [32, 11, 9, 15, 33],
        'Question 5': [21, 29, 5, 5, 40],
        'Question 6': [8, 190, 5, 30, 38] #在19后面加个0
    }

→ 输出的结果为：（实际上这个图本身就不是百分比堆叠柱状图，根据官方的名称是离散分布的水平柱形图）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 4]  
然后百度搜索相关的python绘制的百分比堆叠柱状图基本上都是进行一个个“垒砌”的，看到百度搜索返回的[第一个结果][Link 2]，竟然把这个官方的示例声称为自己封装的函数，标题还是绘制百分比柱状图，**误导读者**（本人也是被忽悠了，直到看到官网示例和实际调试）

# 3. 问题解决 #

既然没有现成的可以直接`copy`的代码，而且也没有像绘制堆叠图时候直接就拥有`stacked`的参数，所以就必须自己手动整理了。前面的第三个示例代码的框架可以直接拿过来用，就不用再进行编写了，只需要修改部分内容即可

## 3.1 全部代码 ##

仿照之前的代码形式，进行代码改写，只需要传入DataFrame数据即可，如下

def percentage_bar(df):
        labels = df.index.tolist() #提取分类显示标签
        results = df.to_dict(orient = 'list') #将数值结果转化为字典
        category_names = list(results.keys()) # 提取字典里面的类别（键-key）
        data = np.array(list(results.values())) #提取字典里面的数值（值-value）
    
        category_colors = plt.get_cmap('RdYlGn')(np.linspace(0.15, 0.85, data.shape[0])) 
        #设置占比显示的颜色，可以自定义，修改括号里面的参数即可，如下
    	#category_colors = plt.get_cmap('hot')(np.linspace(0.15, 0.85, data.shape[0]))
    	
    	
        fig, ax = plt.subplots(figsize=(12, 9)) #创建画布，开始绘图
        ax.invert_xaxis()#这个可以通过设置df中columns的顺序调整
        ax.yaxis.set_visible(False) #设置y轴刻度不可见
        ax.set_xticklabels(labels=labels, rotation=90) #显示x轴标签，并旋转90度
        ax.set_ylim(0,1) #设置y轴的显示范围
        starts = 0  #绘制基准
        for i, (colname, color) in enumerate(zip(category_names, category_colors)):
            heights = data[i,: ]/ data.sum(axis =0) #计算出每次遍历时候的百分比
            ax.bar(labels, heights, bottom=starts, width=0.5,label=colname, color=color,edgecolor ='gray') # 绘制柱状图
            xcenters = starts + heights/2  #进行文本标记位置的选定
            starts += heights  #核心一步，就是基于基准上的百分比累加
            #print(starts) 这个变量就是能否百分比显示的关键，可以打印输出看一下
            percentage_text = data[i,: ]/ data.sum(axis =0) #文本标记的数据
            
            r, g, b, _ = color  # 这里进行像素的分割
            text_color = 'white' if r * g * b < 0.5 else 'k'  #根据颜色基调分配文本标记的颜色
            for y, (x, c) in enumerate(zip(xcenters, percentage_text)):
                ax.text(y, x, f'{ round(c*100,2)}%', ha='center', va='center',
                        color=text_color, rotation = 90) #添加文本标记
        ax.legend(ncol=len(category_names), bbox_to_anchor=(0, 1),
                  loc='lower left', fontsize='large') #设置图例
        return fig, ax  #返回图像

比如把刚刚示例中的数据转化为DataFrame数据，如下  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 5]  
然后将`df`作为参数直接传递到`percentage_bar`函数中，看看结果输出，内部虽然设置x轴标签旋转90度，但是在函数外边还是可以直接调整其方向，这里就是取消旋转了，而且在最后的文本标记中采用的是百分比进行进标注的，这样更能清晰的明确各方的占比情况  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 6]

## 3.2 代码试错 ##

还是和最初一样，在最后一行数据的19后面添加一个0，变成190，这里顺带将y轴的刻度范围调整为（0,1.1），来查看是否符合百分比的要求，然后执行代码及输出结果如下  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 7]

# 4. 实操检验 #

上面已经对函数进行了试错，无误后直接将函数放置到自己自定义的第三方模块下，方便自己调用，关于这步的操作，可以参考博客[将自定义常用的一些函数封装成可以直接调用的模块方法][Link 3]

## 4.1 实操测试 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 8]

## 4.2 更换标签 ##

如果需要更换标签显示（df的标签与列标题互换），只需要将df转置即可，如下  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 9]

## 4.3 部分标签输出 ##

如果需要输出部分的标签，可以直接对df的columns进行切片即可（如果更换标签index转置之后也是同理），输出如下，比如这里只取两个标签  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 10]  
最后，梳理不易，码字分享希望能够帮助大家。

[Link 1]: https://blog.csdn.net/lys_828/article/details/106524459
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200603152235315.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg=,size_16,color_FFFFFF,t_70
[1]: https://chrisalbon.com/python/data_visualization/matplotlib_percentage_stacked_bar_plot/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200603154352722.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg=,size_16,color_FFFFFF,t_70
[2]: https://python-graph-gallery.com/13-percent-stacked-barplot/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200603154758581.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg=,size_16,color_FFFFFF,t_70
[3]: https://matplotlib.org/gallery/lines_bars_and_markers/horizontal_barchart_distribution.html#sphx-glr-gallery-lines-bars-and-markers-horizontal-barchart-distribution-py
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20200603155334163.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20200603160011440.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg=,size_16,color_FFFFFF,t_70
[Link 2]: https://blog.csdn.net/weixin_44521703/article/details/101827068
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20200603163012682.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20200603163342527.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 7]: https://img-blog.csdnimg.cn/20200603164108392.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg=,size_16,color_FFFFFF,t_70
[Link 3]: https://blog.csdn.net/lys_828/article/details/106176229
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 8]: https://img-blog.csdnimg.cn/20200603165134550.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 9]: https://img-blog.csdnimg.cn/20200603165236912.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 10]: https://img-blog.csdnimg.cn/20200603165613829.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg=,size_16,color_FFFFFF,t_70