Python-matplotlib 散点图绘制02
Python-matplotlib 散点图绘制02
01. 引言
这篇推文还是python-matplotlib 散点图的绘制过程，涉及到的内容主要包括matplotlib ax.scatter()、hlines()、vlines()、text()、添加小图片和定制化散点图图例样式等。前期的数据处理部分还是pandas、numpy库的灵活 应用(这里主要涉及可视化的设置，数据处理、分析部分后期会专门开设专辑进行教程讲解。当然大家有不理解地方可以后台和我交流)
02. 数据处理
2.1 原始数据
原始数据主要如下(部分)：
首先对数据进行排序操作：
#按照'season','episode' 排序操作，并将na值放置最后
office = office.sort_values(by=['season','episode'],na_position='last')这里提一下，后期构建的绘图数据集主要基于上数据集中“season”和“episode”两列数据。
2.2 构建绘图新数据
通过如下代码构建新的特征变量：
office['episode_id'] = office.index + 1
office['episode_mod'] = office['episode_id'] + (9*office['season'])结果如下：
分组操作：
这里分组操作涉及pandas的groupby()方法，这也是数据统计分析中常用步骤，本文分组统计求取平均值的代码如下：
avg_select = office[['season','imdb_rating','episode_id','episode_mod']].groupby(by=['season']).mean()
avg_select.reset_index()网上好多咨询pandas 分组后无法像DataFrame一样进行查看，这里只需进行
reset_index()操作即可，结果如下：
接下来一步算是比较重要的数据处理过程了，即将groupby操作后的结果转成字典，然后再根据字典结果对生成新数据。操作如下：
生成字典：
avg_select_dic = avg_select.to_dict()结果如下：
注意红框标记的地方，下面根据字典生成新的特征列数据，代码如下：
office['avg'] = office['season'].apply(lambda x : avg_select_dic['imdb_rating'][x])
office['mid'] = office['season'].apply(lambda x : avg_select_dic['episode_mod'][x])（这一步在数据处理过程中进行使用，希望大家可以直接掌握）结果如下：
接下来的分组操作也是非常重要和根据需求操作较多的数据处理过，笔者我也是查了些资料才实现自己的需求：即groupby()后根据不同列的值生成对应不同数据操作的数据结果，大家可以直接记住此步骤。棘突代码如下：
office_line = office.groupby('season')[['episode_mod','avg']].agg(
start_x = pd.NamedAgg(column='episode_mod',aggfunc = lambda x: min(x)-5),
end_x = pd.NamedAgg(column = 'episode_mod',aggfunc = lambda x : max(x)+5),
y = pd.NamedAgg(column='avg',aggfunc = lambda x : np.unique(x))).reset_index()
office_line解释：
根据 episode_mod 列生成新特征start_x列，结果为 episode_mod 列的最小值减5；
根据 episode_mod 列生成新特征end_x列，结果为 episode_mod 列的最大值加5；
根据 avg 列生成新特征y列，结果为 avg 列的唯一值。
该操作在多数数据处理操作中经常遇到，如果觉得pandasz这样处理太过麻烦，也可以使用 R的 dplyr 包的mutate()方法结合if_else操作完成。因为本文主要介绍Matplotlib可视化绘制，数据处理也尽可能使用pandas进行数据处理。结果如下：
将宽数据转成长数据：
office_line = office_line.melt(id_vars=['season','y'],value_vars=['start_x','end_x'],
var_name=['type'],value_name='x')pandas的melt()方法可以实现此操作，结果如下（部分）：
接下来的步骤也就是根据具体的需求进行特征构建，所涉及的操作步骤也就不叫简单(列表生成式结合if-else操作)：代码如下：
group01 = [y+.1 if type == 'start_x' else y-.1 for x, y in zip(office_line.type,office_line['x'])]
group02 = [y-.1 if (z == 'start_x') & (x == office_line.x.min()) else y for z, x,y in zip(office_line.type,office_line['x'],office_line.x_group)]
group03 = [y+.1 if (z == 'end_x') & (x == office_line.x.max()) else y for z, x,y in zip(office_line.type,office_line['x'],office_line.x_group)]这里吐槽下：pandas数据处理方面确实有些不如R的dplyr包，也有可能是我还没找到好的方法进行处理
。最终的数据结果如下(部分)：
03. 数据可视化
这里提下如下内容：
from mpl_toolkits.axes_grid1.inset_locator import inset_axes上述代码用于图片的添加，试了很多方法，还是这种效果最好，当然，如果是ggplot2 绘制的话，结合 png::readPNG()和cowplot包的draw_image()就可完美绘制。
颜色字典构建：
color = ("#486090", "#D7BFA6", "#6078A8", "#9CCCCC", "#7890A8", "#C7B0C1",
"#B5C9C9", "#90A8C0", "#A8A890")
season = office_line.season.to_list()
season_color = dict(zip(season,color))
season_color完整代码如下：
解释（部分）：
（1）第23-33行 主要就是hlines()和text()操作，注意之前的代码：
for season in office_line['season'].values:就是为了对不同season进行颜色赋值操作，其他步骤比较简单。text()操作涉及bbox属性的设置，具体如下：
bbox = dict(ec=season_color[season],fc='none',boxstyle='round')ec 设置边框颜色，fc 设置填充颜色，boxstyle 设置边框的类型。
（2）第44-47行 主要对 vlines()垂直线段的设置，代码如下：
ax.vlines(x=p1,ymin=p2,ymax=p3,color=season_color[season],lw=.8,zorder=2)（3）第56-60行 图片的插入，代码如下：
img = image.imread(r'E:\Data_resourses\DataCharm 公众号\Python\office_ratings plots make\the-office.png')
axins2 = inset_axes(ax, width=1.5, height=.8,loc='lower left')
axins2.imshow(img,alpha=.7)
axins2.axis('off')其中inset_axes 中的width和height属性分别设置图片显示的宽和高，loc位置设置。axins2.axis('off')去除刻度等属性特征。
（4）第64-76行 对散点图图例的定制化设置。其中：
labels = ['1500', '3000', '4500', '6000', '7500']
for i, label in enumerate(labels):
legend.get_texts()[i].set_text(label)是对散点图例label进行自定义设置。
最终可视化结果如下：
04. 总结
本片绘制推文还是灵活的使用python-matplotlib进行散点图的绘制，主要涉及的绘图技巧为：ax.scatter()、 hlines()、 vlines() 以及散点图例的定制绘制，其目的就是为了熟悉绘图技巧，同时也希望为大家提供绘图灵感和帮助。后期推文会尽可能使用matplotlib绘制。ggplot2的可视化绘制图文后期也会跟上的，希望大家能够喜欢。能力有限，有错误或者不理解的地方可以后台交流或加入 DataCharm交流群进行讨论。