从本课开始，依次介绍常用的一些统计图表，以下引用来自维基百科中的“统计图表”词条部分内容。
图表（Chart），或又称为统计图表，代表了一张图像化的数据，并经常以所用的图像命名，例如圆饼图，是主要使用圆形符号，长条图或直方图，则主要使用长方形符号。折线图，意味着使用线条符号。
常见的图表包括：直方图（Histogram）、长条图（Bar Chart）、饼图（Pie Chart）、折线图（Line Chart）等。
1.5.1 柱形图
柱形图，还称为长条图、条图、条状图、棒形圖、柱状图，长条图，英文中可以使用“bar graph”或者“bar chart”。
柱形图基本样式如下图所示，它是一种以柱子高度为变量的统计图表。在柱形图中可以直观地观察到某些变量之间的相对大小关系。通常，柱形图适用于较小的数据集，如果数据集的维度太多，会造成“柱子”太密集，失去了可视化的效果。
%matplotlib inline
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
position = ['apple', 'facebook', 'google', 'huawei', 'alibaba']
data = [56, 65, 98, 73, 86]
plt.bar(x=position, height=data)
输出结果：
enter image description here
绘制柱形图所使用的函数为 plt.bar，其完整形式如下：
plt.bar(x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs)
下面对若干常用参数进行解释：
- x，坐标系的横坐标
- height，柱子的高度
- width，柱子的宽度
- bottom，柱子底部与 x 轴之间的距离
- align，可选值为 'center' 或 'edge'，设置 x 轴横坐标的主刻线与柱子的中央对齐，还是与边缘对齐
- color，柱子的颜色
- edgecolor，柱子边缘的颜色
- linewidth，柱子边线的宽度，如果为 0，则没有边线
- tick_label，横坐标刻线的标示，如果不设置，则默认为数字
再使用 plt.bar 制图，加深对某些参数的理解，特别注意观察参数的值和输出结果，并与上面的输出结果对比。
plt.bar(x=position, height=data, width=0.4, bottom=[10,7,0,5,3], color='red', linewidth=5)
plt.grid(True)
输出结果：
image
除了使用 plt.bar 之外，前面曾经提过，在 pandas 的 DataFrame 对象下，有专门绘图的方法，柱形图就可以这样来实现。
df = pd.DataFrame({"position":position, 'data':data})
df.plot.bar(x='position', y='data')
输出结果：
enter image description here
上述柱形图比较的是单个变量（维度、特征）之间的大小关系，在此基础上，还可以用一种称为“堆积柱形图”的方式，展示每个变量（维度、特征）内部的各元素比例。
下面看一个示例，是对近年全国暑期票房收入的统计（仅统计历年 8 月份），借此理解“堆积柱形图”的绘制和应用。
首先本例所用数据来自 Tushare，如果读者愿意使用第三方模块获得数据，请安装：pip3 install Tushare，然后按照如下演示得到数据。但是，这个模块的官方在读者阅读的时候或许已经修改了读取数据的政策，若用下面的方式没有得到数据，请到官方网站查阅最新政策。另外，为了方便学习，我把以下示例用到的数据整理到了数据仓库，可以将此数据下载到本地，然后用pd.read_csv函数加载。
import tushare as ts
box_office = pd.DataFrame()
for y in range(2010, 2019): # 2010年(含)至2018年(含)
ym = str(y) + '-8'
df = ts.month_boxoffice(ym)
box_office[ym] = df['boxoffice']
box_office
# output
2010-8 2011-8 2012-8 2013-8 2014-8 2015-8 2016-8 2017-8 2018-8
0 26918 39162 27993 63665 39313 73427 98811 424006 132009
1 17760 30890 23051 29567 36338 54977 58144 53419 122078
2 8816 22919 15020 29460 28981 48912 38770 49087 102581
3 8125 17219 14636 17121 20807 20948 38675 34147 68285
4 5157 6243 13518 16468 18746 19542 34589 29012 55460
5 5133 5326 8895 14473 18714 18083 26931 23652 32013
6 3980 3594 7037 11416 16926 17220 16663 16825 23011
7 2655 3410 6868 7542 9770 14643 15334 15806 19543
8 2581 3301 4159 6286 9729 14458 14736 12588 17830
9 2233 1954 3471 5440 9464 9977 8376 11341 15238
10 8245 13137 17216 24674 53426 69576 54576 66712 93990
然后计算每年的票房总收入。
box_office = box_office.astype(np.int) # 将数据类型转化为整数型
total = box_office.sum()
total
# output
2010-8 91603
2011-8 147155
2012-8 141864
2013-8 226112
2014-8 262214
2015-8 361763
2016-8 405605
2017-8 736595
2018-8 682038
dtype: int64
接下来才是激动人心的时刻，先贴出代码和结果，再慢慢品味。
import matplotlib.ticker as ticker
first = box_office.iloc[0].astype(np.int) # 历年票房第一
after_first = total - first # 其他影片票房收入
date_index = pd.to_datetime(total.index)
fig, ax = plt.subplots()
ax.grid(color='gray')
ax.bar(range(1, 10), after_first.values, label='others') # ①
ax.bar(range(1, 10), first.values, bottom=after_first.values, label='first') # ②
ax.set_xticks(range(0, 10)) # ③
ax.xaxis.set_major_formatter(ticker.IndexFormatter([0]+date_index.year.tolist())) # ④
plt.legend(loc=0)
输出结果：
image
先观察输出结果的图示，从中都可以读出什么信息？
- 基本上票房收入在一直增加，2017 年 8 月份是历年 8 月份的最高峰，2018 年则略有下降。
- 再看每年票房收入第一的影片在当年总收入中所占比重，显然 2017 年的是凸点，这年影片票房收入的头部效应非常显著，而其他影片的票房收入相比上一年并没有太多增加。
2017 年票房第一的就是那部高扬民族主义大旗的动作片《战狼2》，据娱乐新闻报道后来也得补税。
看电影的时候热血沸腾，但研究科学问题，还是要静下心来。“科学技术是第一生产力”，再鼓舞士气的电影，也不如扎扎实实的生产力发展。因此，建议读者，还是要认真研究程序中的每个语句，这才是真正民族崛起的保证。
① 和 ② 两个语句，是在坐标系中绘制柱形图，它们的差别在于 ① 中没有设置 bottom 参数，② 中有 bottom = after_first.values，从而实现票房收入第一的和当年其他影片收入成为“堆积柱”，两者的总高度是该年的总票房收入。
注意，语句 ③ 和 ④ 是用来设置横坐标的主刻线以及相应的标示，特别是在 ④ 中，使用了 matplotlib.ticker 中的 IndexFormatter 类得到标示对象。
堆积柱形图可以看做是柱形图的拓展，此外，还有被称为“簇状柱形图”的拓展，即将若干个柱形图作为一簇，在每一簇中，柱子和柱子之间的距离小于簇与簇之间的距离，通常将簇内各柱子之间距离设置为 0。
position = np.arange(1, 6)
a = np.random.random(5)
b = np.random.random(5)
total_width = 0.8
n = 2
width = total_width / n
position = position - (total_width - width) / n # ⑤
plt.bar(position, a, width=width, label='a', color='b') # ⑥
plt.bar(position + width, b, width=width, label='b', color='r') # ⑦
plt.legend(loc=0)
输出结果：
image
语句 ⑤ 计算除了每簇的中央位置，这个很重要，请揣摩一下它的数学表达式含义。
语句 ⑥ 和 ⑦ 分别绘制每簇中的两个柱子，因为每簇中柱子之间的距离是 0，所以在 ⑦ 中用 position + width 表示第二根柱子的中央线位置。
对于绘制“簇状柱形图”，如果直接使用 DataFrame 对象的方法，可以更简单。例如：
speed = [0.1, 17.5, 40, 48, 52, 69, 88]
lifespan = [2, 8, 70, 1.5, 25, 12, 28]
index = ['snail', 'pig', 'elephant', 'rabbit', 'giraffe', 'coyote', 'horse']
df = pd.DataFrame({'speed': speed,'lifespan': lifespan}, index=index)
ax = df.plot.bar(rot=0)
网友评论