用來制作甘特圖的專業(yè)工具也不少，常見的有：Microsoft Office Project、GanttProject、WARCHART XGantt、jQuery.Gantt、Excel等，網(wǎng)絡(luò)上也有一些優(yōu)質(zhì)工具支持在線繪制甘特圖。

可是這種現(xiàn)成的工具，往往也存在一些弊端，讓編程人員不知所措。比如說，花里胡哨的UI，讓人目不暇接，不知點哪個才好：

比如說，有些基于瀏覽器的圖表需要掌握HTML、JS等編程語言，只會點Python的我直接被勸退：

再比如，進(jìn)來就是注冊、登錄、試用，等搞完了這波操作，時間、精力也耗費(fèi)得差不多了：

其實這種在線環(huán)境還有一個很大的弊端——安全性。我們永遠(yuǎn)也不知道用戶的數(shù)據(jù)是去了開發(fā)者郵箱還是被短暫存儲后銷毀。

相比之下，還是簡簡單單的代碼來的醒目、直觀、安全又便捷。而且，第二種方式，使得圖表的自定義程度也更高，配色、組件尺寸等調(diào)整也往往更加方便。

下面用一個例子來說明如何使用Python繪制甘特圖：

背景：假定疫苗生產(chǎn)需經(jīng)過CJ1、CJ2、CJ3、CJ4共4個工位，且必須按照CJ1-CJ2-CJ3-CJ4的順序輪流在4個工位加工。為防止疫苗包裝出現(xiàn)混亂，規(guī)定每個工位不能同時生產(chǎn)不同類型的疫苗，且疫苗生產(chǎn)不允許插隊，即進(jìn)入第一個工位安排的每類疫苗的生產(chǎn)順序一旦確定就要一直保持不變，而且前一種類型的疫苗離開某個工位后，后一種類型的疫苗才能進(jìn)入這個工位。已知各工位生產(chǎn)加工10種疫苗的平均時長（單位：min）如下表：

目標(biāo)：確定最短的總加工時間，并對生產(chǎn)過程以合適的方式進(jìn)行呈現(xiàn)。

思路：在生產(chǎn)調(diào)度問題中，關(guān)于最短加工時長的目標(biāo)優(yōu)化問題，比較常見的算法是根據(jù) Johnson 規(guī)則推廣的 CDS 算法 ，在此不再贅述，感興趣的朋友可以自行搜索。假定已確定的生產(chǎn)順序為YM4-5-2-7-10-1-8-6-3-9，并計算出了每個工位的開始加工時間（單位：min），如下表：

針對生產(chǎn)過程呈現(xiàn)的問題，我們用Python繪制甘特圖來進(jìn)行可視化處理。

首先，導(dǎo)入依賴的庫：

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.patches as mpatches

正常顯示中文和負(fù)號：

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

讀取數(shù)據(jù)表，獲取各工位加工時長和各工位開始加工時間：

df1 = pd.read_excel('time.xlsx', sheet_name='continue_time', index_col='YM')
df2 = pd.read_excel('time.xlsx', sheet_name='start_time', index_col='YM')
 
CJS = ['CJ1', 'CJ2', 'CJ3', 'CJ4']
YMS = ['YM4', 'YM5', 'YM2', 'YM7', 'YM10', 'YM1', 'YM8', 'YM6', 'YM3', 'YM9']
 
# continue_time:各工位加工時長，start_time:各工位開始加工時間
continue_time = []
start_time = []
for cj in CJS:
    continue_time.append([ym for ym in df1[cj][YMS]])
    start_time.append([ym for ym in df2[cj][YMS]])

獲取數(shù)組大小，用于之后的循環(huán)：

m = range(len(continue_time))
n = range(len(continue_time[0]))

以下是繪圖過程：

# 指定每個水平柱子顏色
colors = ['r', 'pink', 'orange', 'y', 'g', 'b', 'deeppink', 'purple', 'brown', 'black']
 
# 設(shè)置畫布大小和分辨率
plt.figure(figsize=(20, 8), dpi=200)
# barh:水平柱狀圖，設(shè)置循壞迭代以繪制層疊效果
for i in m:
    for j in n:
        plt.barh(m[i] + 1, continue_time[i][j], left=start_time[i][j], color=colors[j])
plt.title("疫苗生產(chǎn)甘特圖", fontsize=17)
labels = [''] * len(continue_time[0])
for f in n:
    labels[f] = "YM%d" % (f + 1)
# 添加圖例
patches = [mpatches.Patch(color=colors[i],label="{:s}".format(labels[i])) for i in range(len(continue_time[0]))]
plt.legend(handles=patches, loc=4)
# XY軸標(biāo)簽
plt.xlabel("加工時間/分鐘", fontsize=15)
plt.ylabel("各工位加工流程", fontsize=15)
# XY軸刻度
plt.yticks([1, 2, 3, 4], ['CJ1', 'CJ2', 'CJ3', 'CJ4'])
# 網(wǎng)格線，此圖使用不好看，注釋掉
# plt.grid(linestyle="--",alpha=0.5)
plt.savefig('gatte.jpg')
plt.show()

到此為止，一副甘特圖就完工了。

可是對于咱們充滿藝術(shù)細(xì)胞的數(shù)據(jù)從業(yè)者來說，圖表的顏值也是相當(dāng)重要，因此我們在來一個小小的美化，只需修改設(shè)置一下漸變配色列表就好~（來自十八線美工的手動配置）

colors = ['#3B9DD3', '#41ADE8', '#48BEFF', '#44D5FF', '#40EBFF', '#40E0CF', '#43C59E', '#42B091', '#409B83', '#51A48E']

于是乎，一副精美的甘特圖出來了~

考慮到有些小伙伴不是很喜歡漸變色，或者對色彩的區(qū)分度要求比較高，亦或者，老板大人是個色狼，哦不對，色盲，那么下一種配色方案就顯得格外重要了

(將上面第一步的設(shè)置漸變配色列表替換為以下內(nèi)容即可~)

from colour import Color
red = Color("red")
colors = list(red.range_to(Color("purple"), 14))
colors = [color.rgb for color in colors]

結(jié)果如下：

是漂亮的彩虹色！無論對方是女王御姐蘿莉正太少女還是奶狗學(xué)長大叔氣質(zhì)男神，分分鐘給他征服！這也是一個很通用的小技巧，對于可視化工作有很大幫助~

最后，簡單總結(jié)一下甘特圖優(yōu)缺點。

優(yōu)點

1.醒目、直觀、易于理解；

2.方便調(diào)配各項業(yè)務(wù)及工作流程的時間安排；

3.有專業(yè)軟件支持，無須擔(dān)心復(fù)雜計算和分析。

局限

1.僅僅部分地反映了活動流程的時間、成本和范圍約束；

2.不適用于時間依賴關(guān)系過復(fù)雜的場景，否則將大大提高讀圖成本。

一日一書

《數(shù)據(jù)分析從Excel到Power BI：Power BI商業(yè)數(shù)據(jù)分析思維、技術(shù)與實踐》本書以 Power BI 數(shù)據(jù)分析軟件為平臺，將企業(yè)實際工作需求作為出發(fā)點，分別從思維、技術(shù)、實踐這三個方面，全面系統(tǒng)地講解和分享了Power BI在企業(yè)日常數(shù)據(jù)分析場景的運(yùn)用思維、實操技能及綜合管理應(yīng)用的思路。

以上就是一篇文章教你學(xué)會使用Python繪制甘特圖的詳細(xì)內(nèi)容，更多關(guān)于Python繪圖的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論