K60至尊版剛預熱 一加Ace2 Pro正面硬剛
Redmi這邊剛如火如荼的宣傳了K60 Ultra的各種技術和硬件配置，作為競品的一加也坐不住了。一加中國區總裁李杰發布了兩條微博，表示在自家的一加Ace2上早就已經采用了和PixelWo
圖片
最富有的5個國家的GDP隨時間的演變
Matplotlib可以快速輕松地使用現成的函數繪制圖表，但是微調步驟需要花費更多精力。今天就來介紹如何使用Matplotlib繪制吸引人的圖表。
本文詳細介紹如何從下面這張圖↓
圖片
優化為下面這張圖↓
圖片
為了說明方法，本文使用了包含過去50年各國GDP信息的公開數據集：
來源：世界銀行國民賬戶數據和OECD（經濟合作與發展組織）國民賬戶數據文件。
許可證URL：https://datacatalog.worldbank.org/public-licenses#cc-by
導入必要的軟件包、讀取數據、繪制圖表，對2022年的GDP前20個國家進行篩選：
import pandas as pdimport matplotlib.pyplot as pltfrom datetime import timedelta# 讀取數據df = pd.read_csv('88a1e584-0a94-4e73-b650-749332831ef4_Data.csv', sep=',')df.drop(['Series Name', 'Series Code', 'Country Code'], axis=1, inplace=True)df = df.dropna(subset=['Country Name'])# 對 2022 年最富有的 20 個國家進行篩選top_20_countries = df[df['Year'] == '2022-01-01'].sort_values('GDP', ascending = False).head(20)['Country Name'].tolist()df = df[df['Country Name'].isin(top_20_countries)].reset_index(drop = True)df.head()首先，只需四行代碼就足以創建圖形，并循環遍歷各國以繪制它們各自的折線：
# 創建圖形和坐標軸對象，指定尺寸和DPIfig, ax = plt.subplots(figsize=(13.33,7.5), dpi = 96)# 繪制折線for country in top_20_countries: data = df[df['Country Name'] == country] line = ax.plot(data['Year'], data['GDP'], label=country)
最基本的Matplotlib折線圖
接下來向圖表中添加一些關鍵內容，使其更易于觀眾閱讀。
為了提高圖表的可讀性，網格是必不可少的。將網格的透明度設置為0.5，這樣它們就不會對數據點造成太大干擾。
為了更全面地了解微調的可能性，本文故意添加了更多的參數。例如，X軸不需要major_formatter 和major_locator對象，因為本文只顯示年份，但如果讀者的X軸包含其他數字，這就會派上用場。
由于要顯示很多條線，因此添加標簽和圖例非常重要，這樣讀者就能知道哪條線是哪條線。
# 添加圖例ax.legend(loc="best", fnotallow=8)# 創建網格ax.grid(which="major", axis='x', color='#DAD8D7', alpha=0.5, zorder=1)ax.grid(which="major", axis='y', color='#DAD8D7', alpha=0.5, zorder=1)# 重新格式化x軸標簽和刻度線標簽ax.set_xlabel('', fnotallow=12, labelpad=10) # 不需要軸標簽ax.xaxis.set_label_position("bottom")#ax.xaxis.set_major_formatter(lambda s, i : f'{s:,.0f}') #以防萬一我們需要額外的格式設置#ax.xaxis.set_major_locator(MaxNLocator(integer=True)) #以防我們需要額外的格式化ax.xaxis.set_tick_params(pad=2, labelbottom=True, bottom=True, labelsize=12, labelrotatinotallow=0)# 重新格式化y軸ax.set_ylabel('GDP (Billions USD)', fnotallow=12, labelpad=10)ax.yaxis.set_label_position("left")ax.yaxis.set_major_formatter(lambda s, i : f'{s*10**-9:,.0f}')#ax.yaxis.set_major_locator(MaxNLocator(integer=True)) #以防我們需要額外的格式化ax.yaxis.set_tick_params(pad=2, labeltop=False, labelbottom=True, bottom=False, labelsize=12)
圖片
為本文的圖表添加一些必要的功能
接下來，突出顯示最富有的五個國家，并跟蹤其GDP隨時間的變化。在字典中定義了特定的顏色和線條樣式，并對代碼稍作修改，以單獨繪制它們。
# 顏色和線條樣式colors_dict = {'United States': '#014f86', 'China': '#DC0000', 'Japan': '#ff4d6d', 'Germany': '#403d39', 'India': '#6a994e'}line_styles_dict = {'United States': '-', 'China': '-', 'Japan': '-', 'Germany': '-', 'India': '-'}# 繪制前5條線for country in top_20_countries[:5]: color = colors_dict.get(country, 'grey') # 從字典中獲取顏色，如果找不到，默認為灰色 line_style = line_styles_dict.get(country, '-') # 從字典中獲取線條樣式，如果未找到，默認為實線 data = df[df['Country Name'] == country] line = ax.plot(data['Year'], data['GDP'], color=color, linestyle=line_style, zorder=2, label=country)# 添加圖例ax.legend(loc="best", fnotallow=8)# 繪制剩余部分for country in top_20_countries[5:]: data = df[df['Country Name'] == country] line = ax.plot(data['Year'], data['GDP'], color='grey', linestyle=':', linewidth=0.5, zorder=2)
圖片
仍然是相同的折線圖，但故事更清晰了
為本文的圖表添加一些功能，可以使其看起來更加專業。它們將位于所有圖表的頂部，并且與本文中使用的數據無關。
通過下面的代碼片段，這些調整將很容易實現。
讀者可以根據自己的需求對其進行調整，以創建自己的視覺風格。
邊框是圖表周圍可見的框。除了左邊的邊框會設置得稍微粗一些外，其余的邊框都將被移除。
在標題上方添加一條紅線和一個矩形，以便將圖表與上方的文本很好地隔離開來。
添加標題來介紹圖表，副標題可以用來進一步解釋內容，甚至呈現初步的結論。
在所有制作的圖表中都必不可少的一項。
調整圖表區域周圍的邊距，以確保充分利用所有可用空間。
將背景設置為白色（默認為透明）在通過電子郵件、Teams或任何其他工具發送圖表時非常有用，因為透明背景可能會造成問題。
# 移除邊框ax.spines[['top','right','bottom']].set_visible(False)# 加粗左側邊框ax.spines['left'].set_linewidth(1.1)# 在頂部添加紅線和矩形ax.plot([0.05, .9], [.98, .98], transform=fig.transFigure, clip_notallow=False, color='#E3120B', linewidth=.6)ax.add_patch(plt.Rectangle((0.05,.98), 0.04, -0.02, facecolor='#E3120B', transform=fig.transFigure, clip_notallow=False, linewidth = 0))# 添加標題和副標題ax.text(x=0.05, y=.93, s="Evolution of the 20 Richest Countries GDP over the Past 50 Years", transform=fig.transFigure, ha='left', fnotallow=14, weight='bold', alpha=.8)ax.text(x=0.05, y=.90, s="Focus on the current 5 richest countries from 1973 to 2022", transform=fig.transFigure, ha='left', fnotallow=12, alpha=.8)# 設置來源文本ax.text(x=0.05, y=0.12, s="Source: World Bank - https://databank.worldbank.org/", transform=fig.transFigure, ha='left', fnotallow=10, alpha=.7)# 調整繪圖區域周圍的邊距plt.subplots_adjust(left=None, bottom=0.2, right=None, top=0.85, wspace=None, hspace=None)# 設置白色背景fig.patch.set_facecolor('white')
本文的視覺風格應用于圖表，使其更加整潔
為了得到在文章開頭介紹的最終結果，剩下要做的就是實現這幾個額外的組件：
這些元素純粹是為了美觀，但能為本文的折線圖增添一份亮點。用標記突出顯示每條折線的最后一個點，使其更加醒目。
借助annotate方法，可以突出顯示圖表中的特定點，并在其上直接添加注釋。
# 繪制前5條線for country in top_20_countries[:5]: color = colors_dict.get(country, 'grey') # 從字典中獲取顏色，如果找不到，默認為黑色 line_style = line_styles_dict.get(country, '-') # 從字典中獲取線條樣式，如果找不到，默認為實線 data = df[df['Country Name'] == country] line = ax.plot(data['Year'], data['GDP'], color=color, linestyle=line_style, zorder=2, label = country) ax.plot(data['Year'].iloc[-1], data['GDP'].iloc[-1], 'o', color=color, markersize=10, alpha=0.3) ax.plot(data['Year'].iloc[-1], data['GDP'].iloc[-1], 'o', color=color, markersize=5)# 在圖表上添加一些文字ax.annotate('During the 2000s,/nChina began experiencing rapid economic growth,/noutpacing all other countries.', (data['Year'].iloc[-18], 2000000000000), xytext=(data['Year'].iloc[-28]-timedelta(days=500), 18000000000000), ha='left', fnotallow=9, arrowprops=dict(arrowstyle='-|>', facecolor='k', cnotallow="arc3,rad=-0.15"))
圖片
最終成果：這個折線圖清晰易讀
本文分享了使用Matplotlib繪制折線圖的知識，同時提供了實用可重復使用的代碼片段。
本文鏈接：http://www.www897cc.com/showinfo-26-20941-0.html輕松玩轉Python，五個步驟打造驚艷的折線圖
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
上一篇： 淺談JVM調優
下一篇： Json格式弊端及優化方案
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號