数据相差太大，无法突出重点数据!?这样干就行...

DataCharm

发布于 2023-11-24 15:48:48

2090

发布于 2023-11-24 15:48:48

前言
- 一、数据相差太大，无法突出重点数据，怎么办？
- 二、可视化学习圈子是干什么的？
- 三、系统学习可视化
- 四、猜你喜欢

前言

今天是我的可视化课程上线的第233天，目前学员417人，每篇原创公众号都会记录这个人数，用来督促和激励我的原创内容。目前课程的主要方向是科研、统计、地理相关的学术性图形绘制方法，后续也会增加商务插图、机器学等、数据分析等方面的课程。
今天是我的可视化学习社群上线的第13天，目前学员118人，可视化学习社区以我的书籍《科研论文配图绘制指南-基于Python》为基础进行拓展，提供课堂式教学视频，还有更多拓展内容，可视化技巧远超书籍本身，书籍修正和新增都会分享到圈子里面~~
参与课程或者圈子的你将获取到：学员答疑、可视化资源分享、可视化技巧补充、可视化业务代做(学员和甲方对接)、副业交流、提升认知等等。

数据相差太大，老是无法突出重点数据，怎么办？

又到了我们学员的提问环节啦，如下：

学员提问

其实这个问题，在可视化绘制需求中经常会遇到，按要求绘制出图形结果后，又因为每组数据值相差太大，到值绘制的图形结果非常难看，但想要解决这个问题，只需要将刻度轴进行截断处理一下就可以了。下面我就给大家介绍绘制截断刻度轴的两种方法(仅限Python语言)

方法一：Matplotlib原生方法 Matplotlib官网提供了绘制截断坐标轴的方法案例，如下：

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(19680801)

pts = np.random.rand(30)*.2
# Now let's make two outlier points which are far away from everything.
pts[[3, 14]] += .8

# If we were to simply plot pts, we'd lose most of the interesting
# details due to the outliers. So let's 'break' or 'cut-out' the y-axis
# into two portions - use the top (ax1) for the outliers, and the bottom
# (ax2) for the details of the majority of our data
fig, (ax1, ax2) = plt.subplots(2, 1, sharex=True)
fig.subplots_adjust(hspace=0.05)  # adjust space between axes

# plot the same data on both axes
ax1.plot(pts)
ax2.plot(pts)

# zoom-in / limit the view to different portions of the data
ax1.set_ylim(.78, 1.)  # outliers only
ax2.set_ylim(0, .22)  # most of the data

# hide the spines between ax and ax2
ax1.spines.bottom.set_visible(False)
ax2.spines.top.set_visible(False)
ax1.xaxis.tick_top()
ax1.tick_params(labeltop=False)  # don't put tick labels at the top
ax2.xaxis.tick_bottom()

# Now, let's turn towards the cut-out slanted lines.
# We create line objects in axes coordinates, in which (0,0), (0,1),
# (1,0), and (1,1) are the four corners of the axes.
# The slanted lines themselves are markers at those locations, such that the
# lines keep their angle and position, independent of the axes size or scale
# Finally, we need to disable clipping.

d = .5  # proportion of vertical to horizontal extent of the slanted line
kwargs = dict(marker=[(-1, -d), (1, d)], markersize=12,
              linestyle="none", color='k', mec='k', mew=1, clip_on=False)
ax1.plot([0, 1], [0, 0], transform=ax1.transAxes, **kwargs)
ax2.plot([0, 1], [1, 1], transform=ax2.transAxes, **kwargs)

plt.show()

Matplotlib Broken Axis 案例

「注」：Matplotlib绘制截断坐标轴，其本质还是多子图的灵活使用。

方法二：brokenaxes工具包绘制

如果觉得Matplotlib绘制截断坐标轴的方法比较不好理解，那可以直接使用brokenaxes这个拓展工具绘制即可。

brokenaxes包在 Python 中是一个非常有用的绘图工具，它具有以下特点：

「坐标轴截断功能」：brokenaxes 包的主要特点是可以轻松地创建具有截断轴的图形。通过指定需要截断的区域，可以将重要数据突出显示，使得图表更加清晰和易读。
「灵活性」：该包提供了许多自定义选项，允许用户根据自己的需求进行调整。可以设置截断轴的位置、截断点的样式、标签的位置等。
「与 Matplotlib 兼容」：brokenaxes 包是基于 Matplotlib 构建的，因此可以与 Matplotlib 的其他功能完美配合使用。你可以在 brokenaxes 坐标轴上使用 Matplotlib 的各种绘图函数和方法。
「支持多个截断区域」：brokenaxes 包允许在同一个图表中设定多个截断区域。这意味着你可以在不同的位置截断坐标轴，并将不同的数据范围放大显示。
「支持子图」：该包还支持创建带有子图的图形。你可以在每个子图中单独设置截断轴，实现更复杂的图形布局。
「简单易用」：使用 brokenaxes 包非常简单，只需几行代码即可实现截断轴的功能。它提供了直观的接口和易于理解的参数，使得绘图过程更加方便快捷。

总之，brokenaxes 包为 Python 提供了一个方便的工具来创建具有截断轴的图形。它的灵活性、与 Matplotlib 的兼容性以及对多个截断区域和子图的支持，使得用户可以根据自己的需要轻松创建各种复杂的图表。无论是在学术研究、数据分析还是数据可视化领域，brokenaxes 都是一个强大而实用的工具。

下面给出几个brokenaxes工具包绘制的可视化案例：

import matplotlib.pyplot as plt
from brokenaxes import brokenaxes
import numpy as np

fig = plt.figure(figsize=(5, 2))
bax = brokenaxes(xlims=((0, .1), (.4, .7)), ylims=((-1, .7), (.79, 1)), hspace=.05)
x = np.linspace(0, 1, 100)
bax.plot(x, np.sin(10 * x), label='sin')
bax.plot(x, np.cos(10 * x), label='cos')
bax.legend(loc=3)
bax.set_xlabel('time')
bax.set_ylabel('value')

brokenaxes案例一

from brokenaxes import brokenaxes
from matplotlib.gridspec import GridSpec
import numpy as np

sps1, sps2 = GridSpec(2,1)

bax = brokenaxes(xlims=((.1, .3), (.7, .8)), subplot_spec=sps1)
x = np.linspace(0, 1, 100)
bax.plot(x, np.sin(x*30), ls=':', color='m')

x = np.random.poisson(3, 1000)
bax = brokenaxes(xlims=((0, 2.5), (3, 6)), subplot_spec=sps2)
bax.hist(x, histtype='bar')

brokenaxes案例二

brokenaxes案例三

更多关于该工具包的使用，可参考brokenaxes官网[1]

可视化学习圈子是干什么的？

科研论文配图书籍学习圈子主要通过以下几个方面，给大家带来比纸质书籍更丰富的学习内容：

直播教学，和读者零距离互动交流
及时修正勘误和定期新增绘制知识点
拓展衍生，绘图知识点远超书籍本身
直播视频+拓展资料+答疑，学习更高效

「PS」：我们直播教学内容为课堂式教学，原作者带着大家对书籍一章、一节、一页的进行教学。而且直播的视频都会通过剪辑后整理成课程，圈子中的同学可以免费、反复观看。当然，新增内容和定期答疑，直播也是如此。

为何会有这个书籍学习社群？除了上面介绍到的原因之外，无门槛的微信群难免会鱼龙混杂，问题和质量都无法得到保证，而且一些关键问题经常被淹没，且没有沉淀价值。
随着添加我微信的人日益增多，向我提问的人也越来越多，随便回答一下就太不负责任了；不回答也不是很好；如果都仔细回答，我也有自己的工作并且确实很忙，真的有点心有余而力不足！所以我才会建立这么一个渠道来沉淀我的可视化技巧和分享经验，以及给大家提供一个坚持学习的平台。