Python-seaborn 经济学人经典图表仿制

DataCharm

发布于 2021-02-22 12:07:26

5470

发布于 2021-02-22 12:07:26

文章被收录于专栏：数据学术商业新闻数据学术商业新闻

上篇原创推文使用了R-ggplot2 实现了经济学人经典的图表仿制实现R-ggplot2 经典经济学人图表仿制，所以这期呢，我们就使用Python-seaborn实现这个经典的经济学人图表再现。主要涉及的知识点如下：

Python-seaborn regplot回归线性拟合图绘制
matplotlib 绘图图例的定制化绘制
adjustText 库实现文本避重添加

Python-seaborn 绘制拟合线图

首先，我们预览下数据(部分)：

其中Region_new 列则是根据相关要求更改的新列，作图也是以次数据为基础的。

使用seaborn 进行拟合线的绘制就可以避免自己重复造轮子,接下来我们直接绘制最基础(没经过任何修饰的)，代码如下：

fig,ax = plt.subplots(figsize=(8,4.5),dpi=200,facecolor='white',edgecolor='white')
ax.set_facecolor("white")
fit_line = sns.regplot(data=test_data,x="CPI",y="HDI",logx=True,ax=ax)

ax.text(.85,-.07,'\nVisualization by DataCharm',transform = ax.transAxes,
        ha='center', va='center',fontsize = 8,color='black')

可视化效果如下：

这里需要主要的参数如下：

logx ：用于绘制对数拟合曲线，默认为False,即绘制线性拟合线。
ci ：即绘制拟合曲线的置信区间，可以是(0~100)的整数，也可以设置为False,即不绘制置信区间。
{scatter,line}_kws ：字典类型，即可定制化设置点和线的绘图属性，包括颜色、大小、粗细等

目前只介绍这些(因为绘图需要)，更多详细内容可以参照对应官网：seaborn.regplot

我们直接放上绘制的可视化代码，然后再进行单独解释，代码如下：

fig,ax = plt.subplots(figsize=(8,4.5),dpi=200,facecolor='white',edgecolor='white')
ax.set_facecolor("white")

color = [region_color[i] for i in test_data['Region_new']]

fit_line = sns.regplot(data=test_data,x="CPI",y="HDI",logx=True,ci=False,
                       line_kws={"color":"red",
                                 "label":r"$R^2$=56%",
                                 "lw":1.5},
                       scatter_kws={"s":50,"fc":"white",
                                    "ec":color,
                                    "lw":1.5,
                                    "alpha":1},
                       ax=ax)

texts = []
for i, j ,t  in zip(data_text["CPI"],data_text["HDI"],data_text["Country"]):
    texts.append(ax.annotate(t,xy=(i, j),xytext=(i-.8,j),
                              arrowprops=dict(arrowstyle="-", color="black",lw=.5),
                              color='black',size=9))
adjust_text(texts,only_move={'text': 'xy','objects':'x','point':'y'})
#adjust_text(texts,only_move={'text': 'xy'})

ax.set_xlabel("Corruption Perceptions Index, 2011 (10=least corrupt)",fontstyle="italic",
             fontsize=8)

ax.set_ylabel("Human Development Index, 2011 (1=best)",fontstyle="italic",fontsize=8)

ax.set_xlim((.5, 10.2))
ax.set_ylim((.2, 1))
ax.set_xticks(np.arange(1, 10.3, step=1))
ax.set_yticks(np.arange(0.2, 1.05, step=0.1))

#网格设置
ax.grid(which='major',axis='y',ls='-',c='gray',)
ax.set_axisbelow(True)
#轴脊设置
for spine in ['top','left','right']:
    ax.spines[spine].set_visible(None) #隐去轴脊
ax.spines['bottom'].set_color('k') #设置bottom颜色
#刻度设置，只显示bottom的刻度，且方向向外，长、宽也进行设置
ax.tick_params(bottom=True,direction='in',labelsize=12,width=1,length=3,
               left=False)
    
#添加图例
ax.scatter([], [], ec='#01344A', fc="white",label='OECD', lw=1.5)
ax.scatter([], [], ec='#228DBD', fc="white",label='Americas', lw=1.5)
ax.scatter([], [], ec='#6DBBD8', fc="white",label='Asia & \nOceania', lw=1.5)
ax.scatter([], [], ec='#1B6E64', fc="white",label='Central & \nEastern Europe', lw=1.5)
ax.scatter([], [], ec='#D24131', fc="white",label='Middle East & \nnorth Africa', lw=1.5)
ax.scatter([], [], ec='#621107', fc="white",label='Sub-Saharan \nAfrica', lw=1.5)
ax.legend(loc="upper center",frameon=False,ncol=7,fontsize=6.5,bbox_to_anchor=(0.5, 1.1))


ax.text(.5,1.19,"Corruption and human development",transform = ax.transAxes,ha='center', 
        va='center',fontweight="bold",fontsize=16)

ax.text(.5,1.12, "Base Charts:Scatter Exercise in Python",
        transform = ax.transAxes,ha='center', va='center',fontsize = 12,color='black')
ax.text(.9,.05,'\nVisualization by DataCharm',transform = ax.transAxes,
        ha='center', va='center',fontsize = 8,color='black')

「知识点」

颜色字典构建，方便赋值散点颜色

color = ('#01344A','#228DBD','#6DBBD8','#1B6E64','#D24131','#621107')
region =("OECD","Americas","Asia & \nOceania","Central & \nEastern Europe",
         "Middle East & \nnorth Africa", "Sub-Saharan \nAfrica")
region_color = dict(zip(region,color))

color = [region_color[i] for i in test_data['Region_new']]

#在regplot()调用如下
scatter_kws={"s":50,"fc":"white",
              "ec":color,
              "lw":1.5,
              "alpha":1}

adjust_text()方法添加ax.annotate属性

texts = []
for i, j ,t  in zip(data_text["CPI"],data_text["HDI"],data_text["Country"]):
    texts.append(ax.annotate(t,xy=(i, j),xytext=(i-.8,j),
                              arrowprops=dict(arrowstyle="-", color="black",lw=.5),
                              color='black',size=9))
adjust_text(texts,only_move={'text': 'xy','objects':'x','point':'y'})

matplotlib 定制化图例设置

#添加图例
ax.scatter([], [], ec='#01344A', fc="white",label='OECD', lw=1.5)
ax.scatter([], [], ec='#228DBD', fc="white",label='Americas', lw=1.5)
ax.scatter([], [], ec='#6DBBD8', fc="white",label='Asia & \nOceania', lw=1.5)
ax.scatter([], [], ec='#1B6E64', fc="white",label='Central & \nEastern Europe', lw=1.5)
ax.scatter([], [], ec='#D24131', fc="white",label='Middle East & \nnorth Africa', lw=1.5)
ax.scatter([], [], ec='#621107', fc="white",label='Sub-Saharan \nAfrica', lw=1.5)
ax.legend(loc="upper center",frameon=False,ncol=7,fontsize=6.5,bbox_to_anchor=(0.5, 1.1))

最终可视化效果如下：