Matplotlib實(shí)戰(zhàn)之百分比柱狀圖繪制詳解

更新時(shí)間：2023年08月23日 10:55:03 作者：databook

百分比堆疊式柱狀圖是一種特殊的柱狀圖,可以用于可視化比較不同類(lèi)別或組的百分比或比例的圖表,下面我們就來(lái)介紹一下如何使用Matplotlib繪制百分比柱狀圖,需要的可以參考下

1. 主要元素

百分比柱狀圖是一種用于可視化比較不同類(lèi)別或組的百分比或比例的圖表。

它的主要元素包括：

橫軸：表示數(shù)據(jù)的主分類(lèi)。
縱軸：每個(gè)子分類(lèi)的比例關(guān)系。
堆疊的矩形：每個(gè)柱狀圖由多個(gè)堆疊部分組成，和堆疊柱狀圖不同的是，每個(gè)柱子都是一樣高的。
圖例：每個(gè)堆疊部分代表的意義。

2. 適用的場(chǎng)景

百分比柱狀圖適用的場(chǎng)景很多，比如：

市場(chǎng)份額：比較不同產(chǎn)品或服務(wù)的市場(chǎng)份額，幫助決策者了解市場(chǎng)競(jìng)爭(zhēng)情況。
人口比例：顯示不同地區(qū)或不同群體的人口比例，或不同年齡段的人口比例。
問(wèn)卷調(diào)查結(jié)果：比較不同選項(xiàng)或答案的頻率或比例，或者用戶(hù)對(duì)產(chǎn)品特性的滿(mǎn)意度。
部門(mén)預(yù)算分配：顯示不同部門(mén)或項(xiàng)目的預(yù)算分配比例，幫助管理者了解資源分配情況。
等等。。。

3. 不適用的場(chǎng)景

百分比柱狀圖也有不適用于的場(chǎng)景，比如：

比較絕對(duì)數(shù)值：如果需要比較具體的數(shù)值大小而不僅僅是比例，那么百分比柱狀圖可能不是最合適的選擇。
數(shù)據(jù)存在重疊：如果不同類(lèi)別的數(shù)據(jù)存在重疊或者相互依賴(lài)的情況，百分比柱狀圖可能無(wú)法清晰地展示比例關(guān)系。
數(shù)據(jù)量過(guò)大或過(guò)小：如果數(shù)據(jù)量過(guò)大或過(guò)小，百分比柱狀圖可能無(wú)法有效地顯示比例關(guān)系。

4. 分析實(shí)戰(zhàn)

和上一篇堆疊柱狀圖使用相同的原始數(shù)據(jù)，繪制圖形之后可以看看這兩種柱狀圖展示分析結(jié)果的區(qū)別。

4.1. 數(shù)據(jù)來(lái)源

數(shù)據(jù)來(lái)自國(guó)家統(tǒng)計(jì)局公開(kāi)的人民生活數(shù)據(jù)，可從下面的網(wǎng)址下載：databook.top/nation/A0A

使用的是其中 A0A0A.csv文件（全國(guó)居民主要食品消費(fèi)量）

fp = "d:/share/A0A0A.csv"
df = pd.read_csv(fp)
df

4.2. 數(shù)據(jù)清理

選取和上一篇堆疊柱狀圖一樣，還是5類(lèi)：

居民人均蔬菜及食用菌消費(fèi)量(千克)
居民人均肉類(lèi)消費(fèi)量(千克)
居民人均禽類(lèi)消費(fèi)量(千克)
居民人均水產(chǎn)品消費(fèi)量(千克)
居民人均蛋類(lèi)消費(fèi)量(千克)

和堆疊柱狀圖不同的是，繪制百分比柱狀圖用的是百分比數(shù)值，所有要把原始數(shù)據(jù)中每年的絕對(duì)數(shù)值轉(zhuǎn)換為百分比數(shù)值。

data = df[(df["sj"] >= 2013) & 
        (df["sj"] <= 2021) & 
        (df["zb"].isin(["A0A0A03", 
                        "A0A0A04",
                        "A0A0A05",
                        "A0A0A06",
                        "A0A0A07"]))].copy()
data["年消耗總量"] = data.groupby("sj").value.transform("sum")
data["各類(lèi)消耗量占比"] = data["value"] / data["年消耗總量"]
data.loc[:, ["sjCN", "zbCN", "各類(lèi)消耗量占比"]].head(10)

4.3. 分析結(jié)果可視化

import matplotlib.ticker as mticker
data = data.sort_values("sj")
data["各類(lèi)消耗量占比"] = data["各類(lèi)消耗量占比"]*100
with plt.style.context("seaborn-v0_8"):
    fig = plt.figure()
    ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
    years = data["sjCN"].drop_duplicates(keep="first").tolist()
    bar_data = {
        "蔬菜及菌類(lèi)(%)": data[data["zb"] == "A0A0A03"]["各類(lèi)消耗量占比"].tolist(),
        "肉類(lèi)(%)": data[data["zb"] == "A0A0A04"]["各類(lèi)消耗量占比"].tolist(),
        "禽類(lèi)(%)": data[data["zb"] == "A0A0A05"]["各類(lèi)消耗量占比"].tolist(),
        "水產(chǎn)品(%)": data[data["zb"] == "A0A0A06"]["各類(lèi)消耗量占比"].tolist(),
        "蛋類(lèi)(%)": data[data["zb"] == "A0A0A07"]["各類(lèi)消耗量占比"].tolist(),
    }
    bottom = np.zeros(len(years))
    for key, vals in bar_data.items():
        ax.bar(years, vals, label=key, bottom=bottom)
        bottom += vals
    # 設(shè)置Y軸刻度的顯示格式
    ax.set_ylim(0, 110)
    yticks = ax.get_yticks().tolist()
    ax.yaxis.set_major_locator(mticker.FixedLocator(yticks))
    ax.set_yticklabels(["{}%".format(x) for x in yticks])
    ax.set_title("全國(guó)居民主要糧食消耗情況")
    ax.legend(loc="upper left", ncol=5)