Python-matplotlib 商业图表绘制02

DataCharm

发布于 2021-02-22 15:09:30

3350

发布于 2021-02-22 15:09:30

文章被收录于专栏：数据学术商业新闻数据学术商业新闻

01. 引言

Python-matplotlib商业图表绘制的第二篇教程也已经推出，本期的推文主要涉及到文本、annotate()、散点以及颜色搭配等内容的讲解，话不多说，直接上教程

02. 数据处理

本期的数据属于比较简单的那种，数据和具体的颜色设置如下：

颜色设置如下：

#颜色字典
color = ("#008FD5", "#FC4F30", "#E5AE38", "#6D904F","#8B8B8B", "#810F7C" )
data = artist_02.data.to_list()
data_color = dict(zip(data,color))
data_color

03. 数据可视化设计

可视化内容代码具体如下：

#fig,ax = plt.subplots(figsize=(4,6),dpi=400,facecolor='#CACACA',edgecolor='#CACACA')
fig,ax = plt.subplots(figsize=(4,6),dpi=400)
#ax.set_facecolor('#CACACA')
for y,text in zip(artist_02['data'].values,artist_02['year'].values):
    scatter_bottom = ax.scatter(.5,y,s=1300,color='white',zorder=0)
    scatter = ax.scatter(.5,y,s=1000,ec='k',lw=.3,zorder=1)
    scatter_top = ax.scatter(.5,y,s=800,color='white',ec='k',lw=.3,zorder=2)
    year = ax.text(.5,y,text,ha='center', va='center',fontsize = 8,color='black',fontweight='bold')
#定制化绘制
ax.set_ylim(bottom=-1,top=11)
ax.grid(False)

#添加文本
#题目部分
ax.text(.49,10.9,'TIMELINE', ha='center', va='center',fontsize = 13,color='gray',fontweight='light')
ax.text(.49,10.5,'INFOGRAPHICS', ha='center', va='center',fontsize = 7,color='gray',fontweight='light')

left_data = [0,4,8]
for y_text in left_data:
    ax.annotate('',xy=(.496,y_text),xytext=(.492,y_text),ha="center",va="center",
               arrowprops=dict(arrowstyle="wedge,tail_width=0.1",
                                fc= data_color[y_text],ec=data_color[y_text]))
    ax.text(.484,y_text,'LOREM IPSUM',ha='left', va='center',fontsize = 8,color=data_color[y_text],weight='bold')
    ax.text(.484,y_text-.8,'Optionally, the text can be displayed in another\npositionxytext. An arrow pointing from the text\nto theannotated point xy can then be added by\ndefining arrowprops.',
            ha='left', va='center',fontsize = 5,color='k')
    
right_data = [2,6,10]
for y_text in right_data:
    #这里是和left_data 不一样的地方，因为指向不同
    ax.annotate('',xy=(.504,y_text),xytext=(.508,y_text),ha="center",va="center",
               arrowprops=dict(arrowstyle="wedge,tail_width=0.1",
                                fc= data_color[y_text],ec=data_color[y_text]))
    ax.text(.516,y_text,'LOREM IPSUM',ha='right', va='center',fontsize = 8,color=data_color[y_text],weight='bold')
    ax.text(.516,y_text-.8,'Optionally, the text can be displayed in another\npositionxytext. An arrow pointing from the text\nto theannotated point xy can then be added by\ndefining arrowprops.',
            ha='right', va='center',fontsize = 5,color='k')

#去除刻度等信息
ax.axis('off')

ax.text(.96,.0,'\nVisualization by DataCharm',transform = ax.transAxes,
        ha='center', va='center',fontsize = 4,color='black')
plt.savefig(r'F:\DataCharm\商业艺术图表仿制\artist_02.pdf',width=4,height=6,
            dpi=900,bbox_inches='tight')

（1）循环设置散点及颜色，如下：

for y,text in zip(artist_02['data'].values,artist_02['year'].values):
    scatter_bottom = ax.scatter(.5,y,s=1300,color='white',zorder=0)
    scatter = ax.scatter(.5,y,s=1000,ec='k',lw=.3,zorder=1)
    scatter_top = ax.scatter(.5,y,s=800,color='white',ec='k',lw=.3,zorder=2)
    year = ax.text(.5,y,text,ha='center', va='center',fontsize = 8,color='black',fontweight='bold')

颜色设置还是使用了颜色字典设置，此外，这里散点的x位置我们设置固定，y位置为具体的data数据，文本内容也为year内容。

（2）使用ax.annotate()方法添加了"指引"指标

left_data = [0,4,8]
for y_text in left_data:
    ax.annotate('',xy=(.496,y_text),xytext=(.492,y_text),ha="center",va="center",
               arrowprops=dict(arrowstyle="wedge,tail_width=0.1",
                                fc= data_color[y_text],ec=data_color[y_text]))
    ax.text(.484,y_text,'LOREM IPSUM',ha='left', va='center',fontsize = 8,color=data_color[y_text],weight='bold')
    ax.text(.484,y_text-.8,'Optionally, the text can be displayed in another\npositionxytext. An arrow pointing from the text\nto theannotated point xy can then be added by\ndefining arrowprops.',
            ha='left', va='center',fontsize = 5,color='k')

由于左右位置的不同，ax.annotate()中xy和xytext设置有所不同，这里主要根据和ax.annotate()指向方式（wedge）的不同设置。颜色还是使用了颜色字典定制化设计。

（3）文本的va和ha设置

由于文本我们需要使用左对齐或者右对齐，这里我们分别设置：

ha='left', va='center'

 ha='right', va='center'

此外，在文本字符串中，我们还设置了换号符号(\n):

' the text can be displayed another\npositionxytext'

最终绘制的效果如如下：

(代码中生产的效果要更好点哦

)

04. 总结

本期推文主要涉及的可视化设计技巧不多，但也是定制化绘制中比较常用的方法，希望小伙伴们可以掌握哦，特别是ax.annotate()方法，可以设计出很多“很炫”的可视化作品。能力有限，如有错误的地方可以后台留言或加群讨论，此外，此类数据较简单，我也会第一时间分享到群里，期待你的加入

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2020-08-29，如有侵权请联系 cloudcommunity@tencent.com 删除

python

data

matplotlib

可视化

本文分享自 DataCharm 微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

登录后参与评论

0 条评论

热度