Python使用Matplotlib繪制甘特圖的實踐

更新時間：2021年12月17日 10:15:04 作者：趙卓不凡

甘特圖已經發(fā)展成項目規(guī)劃和跟蹤的必備工具，本文主要介紹了Python使用Matplotlib繪制甘特圖的實踐，文中通過示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下

1.引言

甘特圖已經擁有 100 多年的歷史，這種可視化圖表對項目管理非常有用。

在這里插入圖片描述

Henry Gantt 為了分析已經完成的項目創(chuàng)建了甘特圖，他最初設計這個可視化工具主要用來衡量員工的工作效率并從中識別表現不佳的員工。經過多年的發(fā)展，甘特圖已經發(fā)展成項目規(guī)劃和跟蹤的必備工具。

本文主要介紹如何使用Matplotlib來繪制甘特圖，并不斷優(yōu)化我們的可視化效果。

閑話少說，我們直接開始吧。：）

2.舉個栗子

首先我們導入Pandas和Numpy庫，這兩個庫可以幫助我們進行數據預處理。

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

為了舉例，這里采用一個項目管理的數據集，如下所示為對應的讀取代碼：

df = pd.read_excel('../data/plan.xlsx')
df

結果如下：

在這里插入圖片描述

上圖所示，我們一共有14個Task，從TaskA到TaskM。其中每一行依次表示編號，Task名字，Task所屬部門，Task開始日期，Task結束日期，以及已經完成了多少。

3.數據預處理

為了使我們的繪圖變得更加容易，我們需要增加一些變量。
首先我們需要設置整個項目開始日期，接著，我們將添加一列，用于表示從項目開始日期到每個子任務開始的天數；這將有助于在 x 方向上定位每個子任務的位置。

同理，我們對從項目開始日期到子任務結束的天數也增加一列，這將有助于計算完成子任務所需的總的天數。

編寫代碼如下：

# project start date
proj_start = df.Start.min()
# number of days from project start to task start
df['start_num'] = (df.Start - proj_start).dt.days
# number of days from project start to end of tasks
df['end_num'] = (df.End - proj_start).dt.days
# days between start and end of each task
df['days_start_to_end'] = df.end_num - df.start_num

運行結果如下：

在這里插入圖片描述

如上圖所示，我們設置整個項目的開始日期為2022-02-15，我們增加了3列，依次為start_num用于表示子任務開始日期到整個項目開始日期的天數，end_num用于表示子任務結束日期到整個項目開始日期的天數，days_start_to_end用于表示完成子任務所需要的天數。

4.繪制甘特圖

做好上述準備，我們就可以繪制我們的甘特圖了。這里我們使用Matplotlib中的條形圖進行繪制。
Y軸表示任務名稱，每個子項的寬度表示子任務開始和結束之間的天數，子項的起始位置為從項目開始到子任務開始之間的天數。
繪制代碼如下：

fig, ax = plt.subplots(1, figsize=(16,6))
ax.barh(df.Task, df.days_start_to_end, left=df.start_num)
plt.show()

運行結果如下：

在這里插入圖片描述

5.添加顏色

觀察上圖，我們繪制了最簡單的條形圖用來表示項目管理。但是太粗糙了，接著我們來一步一步進行改進吧。。。
首先我們觀察上圖，條形圖中的子項都是同一顏色，區(qū)分度不明顯，但是我們數據中每項任務都有歸屬部門，我們可以對不同部門設置不同顏色。代碼如下：

# create a column with the color for each department
def color(row):
    c_dict = {'MKT':'#E64646', 'FIN':'#E69646', 'ENG':'#34D05C', 'PROD':'#34D0C3', 'IT':'#3475D0'}
    return c_dict[row['Department']]
df['color'] = df.apply(color, axis=1)

同時我們觀察到上圖中x軸為數字，所代表的含義并不直觀，我們將其轉化為日期每隔三天進行一次顯示。這樣我們優(yōu)化后x軸日期顯示代碼如下：

from matplotlib.patches import Patch
fig, ax = plt.subplots(1, figsize=(16,6))
ax.barh(df.Task, df.days_start_to_end, left=df.start_num, color=df.color)
##### LEGENDS #####
c_dict = {'MKT':'#E64646', 'FIN':'#E69646', 'ENG':'#34D05C',
          'PROD':'#34D0C3', 'IT':'#3475D0'}
legend_elements = [Patch(facecolor=c_dict[i], label=i)  for i in c_dict]
plt.legend(handles=legend_elements)
##### TICKS #####
xticks = np.arange(0, df.end_num.max()+1, 3)
xticks_labels = pd.date_range(proj_start, end=df.End.max()).strftime("%m/%d")
xticks_minor = np.arange(0, df.end_num.max()+1, 1)
ax.set_xticks(xticks)
ax.set_xticks(xticks_minor, minor=True)
ax.set_xticklabels(xticks_labels[::3])
plt.show()

運行結果如下：

在這里插入圖片描述

6.添加透明度

仔細觀察上圖，是不是比第一版美觀很多。我們觀察我們的數據，發(fā)現我們還有一列Completeness沒有進行可視化，我們知道它代表每項子任務的完成度。接著我們來對齊進行可視化。

# days between start and current progression of each task
df['current_num'] = (df.days_start_to_end * df.Completion)

我們將新創(chuàng)建一個條形圖，子項為上述每項子任務的完成度。同時我們將在子項的末尾寫上完成度的百分比。

為了區(qū)分已完成和未完成，我們可以使用參數alpha將未完成部分設置成透明效果。

代碼如下：

from matplotlib.patches import Patch
fig, ax = plt.subplots(1, figsize=(16,6))
# bars
ax.barh(df.Task, df.current_num, left=df.start_num, color=df.color)
ax.barh(df.Task, df.days_start_to_end, left=df.start_num, color=df.color, alpha=0.5)
# texts
for idx, row in df.iterrows():
    ax.text(row.end_num+0.1, idx, 
            f"{int(row.Completion*100)}%", 
            va='center', alpha=0.8)
##### LEGENDS #####
c_dict = {'MKT':'#E64646', 'FIN':'#E69646', 'ENG':'#34D05C', 'PROD':'#34D0C3', 'IT':'#3475D0'}
legend_elements = [Patch(facecolor=c_dict[i], label=i)  for i in c_dict]
plt.legend(handles=legend_elements)
##### TICKS #####
xticks = np.arange(0, df.end_num.max()+1, 3)
xticks_labels = pd.date_range(proj_start, end=df.End.max()).strftime("%m/%d")
xticks_minor = np.arange(0, df.end_num.max()+1, 1)
ax.set_xticks(xticks)
ax.set_xticks(xticks_minor, minor=True)
ax.set_xticklabels(xticks_labels[::3])
plt.show()

運行結果如下：

在這里插入圖片描述