我要评论发散条形图用于简化多个组的比较。它的设计允许我们比较各组中的数值。它还帮助我们快速地想象出有利的和不利的或积极的和消极的反应。条形图由从中间开始的两个水平条的组合组成-一个条从右向左延伸，另一个从左向右延伸。条形的长度与它所代表的数值相对应。
通常，两个分叉的条形用不同的颜色表示。左边的值通常但不一定是负面或不满意的反应。
python没有特定的函数来绘制发散条形图。另一种方法是使用hlines函数绘制具有一定线宽值的水平线，将其表示为水平条。
数据集
mercedes benz car sales data
地址：
https://www.kaggle.com/datasets/luigimersico/mercedes-benz-car-sales-data
实现步骤
导入模块
导入或创建数据
预处理数据集并清除不必要的噪声
指定表示水平条的颜色
按升序对值进行排序
设置x轴和y轴的标签以及图表的标题
显示发散条形图
实现代码
import pandas as pd
import matplotlib.pyplot as plt
import string as str
# creating a dataframe from the csv dataset
df = pd.read_csv("car_sales.csv", sep=';')
# separating the date and mercedes-benz cars unit sales (usa)
df['car_sales_z'] = df.loc[:, ['mercedes-benz cars unit sales (usa)']]
df['car_sales_z'] = df['car_sales_z'] .str.replace(
',', '').astype(float)
# removing null value
df.drop(df.tail(1).index, inplace=true)
for i in range(35):
# colour of bar chart is set to red if the sales
# is < 60000 and green otherwise
df['colors'] = ['red' if float(
x) < 60000 else 'green' for x in df['car_sales_z']]
# sort values from lowest to highest
df.sort_values('car_sales_z', inplace=true)
# resets initial index in dataframe to none
df.reset_index(inplace=true)
# draw plot
plt.figure(figsize=(14, 10), dpi=80)
# plotting the horizontal lines
plt.hlines(y=df.index, xmin=60000, xmax=df.car_sales_z,
color=df.colors, alpha=0.4, linewidth=5)
# decorations
# setting the labels of x-axis and y-axis
plt.gca().set(ylabel='quarter', xlabel='sales')
# setting date to y-axis
plt.yticks(df.index, df.date, fontsize=12)
# title of bar chart
plt.title('diverging bars chart example', fontdict={
'size': 20})
# optional grid layout
plt.grid(linestyle='--', alpha=0.5)
# displaying the diverging bar chart
plt.show() 效果图
到此这篇关于使用python实现绘制发散条形图的文章就介绍到这了,更多相关python发散条形图内容请搜索代码网以前的文章或继续浏览下面的相关文章希望大家以后多多支持代码网！
发表评论