[Python知识库]python—matplotlib 散点图，气泡图，气泡饼图/功效矩阵可视化对比

python—matplotlib 散点图，气泡图，气泡饼图/功效矩阵可视化对比

刚入行，一直在看大神们的发帖学习，想着自己也写点什么东西，找了好久没找到气泡饼图相关的内容（可能是我眼神不好），于是打算写个matplotlib绘制散点图，气泡图和气泡饼图对比。仅供娱乐。

散点图，气泡图相信大多数都了解，都是基础图表，而气泡饼图则是在气泡图的基础上增加一个维度，用饼图代替气泡的显示，简单来说散点图是一维图表，气泡图是二维图表，气泡饼图是三维图表。个人认为任务的难点在于数据的处理，而效果在于可视化展示，接下来一步步介绍具体内容。

首先是图表类型，不难看出其涉及到的主要是：

饼图参数：matplotlib.pyplot.?pie

(

x,?explode=None?,?labels=None?,?colors=None?,?autopct=None?,pctdistance=0.6,shadow=False,labeldistance=1.1,?startangle=None?,?radius?=None?,?counterclock=True?,wedgeprops=None,textprops=None,?center(0,0),?frame=False,?rotatelabels=False,?hold=None,?dataNone

)

散点图参数：matplotlib.?pyplot.scatter

(

x,y,s=None?,C=None,?marker=None?,?cmap=None，norm=Nonevmin=None,vsax=None?,alpha=Norne,linewidths=None,verts=None,edgecolors=None,data-None, **kwargs

)

这里就不过多解释了，好多大神那里都有详尽的讲解。

示例：相同数据源下绘制散点图，气泡图，气泡饼图

数据表：由真实数据更改公开号和发明人名字所得。列举了前19条。

第三方模块：

import numpy as np  # 导入python的数值计算扩展包numpy，并重命名为np
import matplotlib.pyplot as plt  # 导入Python的绘图扩展包matplotlib，并重新命名为plt
import pandas as pd  # 导入python的数据处理扩展包pandas，并重命名为pd，该包用于读写excel文件
import matplotlib.patches as mpatches
from pylab import mpl 

一.散点图。

源代码展示：

df = pd.read_excel(r'E:\软件下载\气泡饼图数据.xlsx')
df1 = df[['第一发明人', '申请年', '公开(公告)号']] #提取字段，在原数据字段过多时使用
df1 = df1.groupby(['申请年', '第一发明人'], as_index=False).count() # 分组计数
df1 = df1.sort_values(by='公开(公告)号', ascending=False) # 排序
df1.columns = ['申请年', '第一发明人', '申请数量'] #更改字段名，主要是更改用于排序的字段名
plt.subplots_adjust(left=0.1, right=0.9, top=0.9, bottom=0.2) #设置画布尺寸
color = np.random.rand(len(df1['申请数量'])) #按照dataframe数量随机生成颜色列表
plt.scatter(df1['申请年'], df1['申请数量'],s=20) #X轴，Y轴数据，标记点的尺寸
plt.xlabel('申请年份') #X轴名称
plt.ylabel('申请数量') #Y轴名称
plt.xticks(df1['申请年'], df1['申请年'],rotation=15) #X轴刻度与标签配置
plt.show() #展示图表

可视化展示：

?二.气泡图。

源代码展示：

df = pd.read_excel(r'E:\软件下载\气泡饼图数据.xlsx')
df1 = df[['第一发明人', '申请年', '公开(公告)号']]
df1 = df1.groupby(['申请年', '第一发明人'], as_index=False).count()
df1 = df1.sort_values(by='公开(公告)号', ascending=False)
df1.columns = ['申请年', '第一发明人', '申请数量']
plt.subplots_adjust(left=0.1, right=0.9, top=0.9, bottom=0.15)
color = np.random.rand(len(df1['申请数量']))
plt.scatter(df1['申请年'], df1['第一发明人'], df1['申请数量']*20)
# df1['申请数量']*20 为尺寸列表，控制气泡的大小，*20是为了突出显示，无实际意义。其他与饼图一致不多赘述。
plt.xlabel('申请年份')
plt.ylabel('第一发明人')
plt.xticks(df1['申请年'], df1['申请年'],rotation=15)
plt.show()

可视化展示：

?

?三.气泡饼图。

源代码展示：

df = pd.read_excel(r'E:\软件下载\气泡饼图数据.xlsx')
#  x轴 Y轴  饼图分类 计数 字段
df1= df[['申请年','第一发明人','法律状态','公开(公告)号']]

#获取 三个维度的字段列表 以便绘图使用
dfs=df1.groupby('申请年',as_index=False)['公开(公告)号'].count()
dfz=df1.groupby('法律状态',as_index=False)['公开(公告)号'].count()
dfj=df1.groupby('第一发明人',as_index=False)['公开(公告)号'].count()
listz=list(dfz['法律状态'])
lists=list(dfs['申请年'])
listj=list(dfj['第一发明人'])

# x轴 Y轴
df1=df1.groupby(['申请年','第一发明人'],as_index=False)['公开(公告)号'].count()
df1=df1.sort_values(by='申请年',ascending=True)
df2= df1.pivot_table(columns='申请年',index='第一发明人', values='公开(公告)号', aggfunc=np.sum, fill_value=0) #数据透视 
df_1=df[['申请年','第一发明人','法律状态','公开(公告)号']]
df_1=df_1.groupby(['申请年','第一发明人','法律状态'],as_index=False)['公开(公告)号'].count()
df_2= df_1.pivot_table(index=['第一发明人','申请年'], values='公开(公告)号', columns='法律状态', aggfunc=np.sum, fill_value=0) #数据透视 
with pd.ExcelWriter(r"E:\软件下载\功效矩阵过渡.xlsx")as writer:
    df2.to_excel(writer, sheet_name='工作表1')
    df_2.to_excel(writer,sheet_name='工作表2')
# 将处理好的数据写入execl表，方便查看
df2 = pd.read_excel(r'E:\软件下载\功效矩阵过渡.xlsx','工作表1')
df_2 = pd.read_excel(r'E:\软件下载\功效矩阵过渡.xlsx','工作表2')
df_2=df_2.fillna(method='ffill') #对数据透视表填充空值，用前一个值填充。
df_3=df_2.iloc[:,2:] # 切片获取第二列到最后一列的数据
df_3=df_3.T # 数组转置

m=0
df2=df2.iloc[:,1:] 
x = [i+1 for i in range(len(df2.columns))]  # 获取数据表的列，作为x轴辅助绘图数据
y_index = [i for i in range(len(df2.index))]  # 获取纵轴有多少行
y = [[i for y_data in range(len(x))] for i in range(1, len(y_index)+1)]  # 生成y轴辅助数据
# 与df_3 形成对应关系
fig, ax = plt.subplots()  # 创建子图
colors = ['#FABB27', '#43B74B','#1976D2',  '#CDCE12']  # 颜色列表
ax.set(aspect='equal')  # 设置图形的对称，不然饼会椭圆
##饼图显示数值 数据过于杂乱，如有需要自行配置。
# def absolute_value(val):
#     a = np.round(val/100.*lt.sum(), 0)
#     return a
for index in range(len(y_index)):  # 对转置后的每一列进行循环 #每次找一列数据 某人 某年 各法律状态 画饼图
    print('index=',index)
    for i, j, r in zip(x, y[index], df2.T[df2.index[index]]):  # 循环执行，每次从x,y[index]中读取一个数，从转置后的excel表格中读取一列中的一个数据
        if r != 0 : 
            lt = df_3[m] #每次取一列 绘制饼图
            lt.columns = ['数量']
            ax.pie(lt,  colors=colors,startangle=90, radius=r / max(df2.max()) / 2, center=(i, j), frame=True)
            #radius控制大小 饼图半径 取最值除以2 以避免饼图重叠， center控制位置中心点坐标          
            m = m + 1
plt.grid( ls = '-.',lw = 0.35)  # 增加栅格
plt.xlabel('申请年', size=14)  # x轴说明
plt.ylabel('第一发明人', size=14)  # y轴说明
# plt.title('气泡饼图', size=14)  # 图片名称
plt.subplots_adjust(left=0.1,right=0.9,top=0.9,bottom=0.15)
plt.xticks(x, lists,rotation=15)  # 更新x轴标度
plt.yticks([i+1 for i in range(len(df2.index))], listj)  # 更新y轴标度
plt.xlim(0, len(df2.columns)+1)  # 设置x轴范围，美化图表
plt.ylim(0, len(df2.index)+1)  # 设置y轴范围，美化图表
plt.legend(handles=[mpatches.Patch(color=colors[i], label=(lt.index[i])) for i in range(len(lt.index))]
           , loc='upper left',bbox_to_anchor=(1,1))#配置图例
plt.show()  # 显示图片

过渡表格数据：

可视化展示：

?以上便是本篇全部内容。