Python中優(yōu)化堆積條形圖的實(shí)現(xiàn)方法與對比效果
在數(shù)據(jù)可視化中,堆積條形圖 擅長展示 “整體與構(gòu)成” 的關(guān)系,但當(dāng)每個(gè)柱子內(nèi)的分段超過4個(gè)時(shí),讀者很難同時(shí)追蹤各段的長度、位置與顏色映射, 誤讀概率顯著上升。
更糟的是,若不同類別的總量差異很大,堆積結(jié)構(gòu)會(huì)放大視覺錯(cuò)覺,導(dǎo)致“看起來差不多”的結(jié)論失真。
今天,本文將嘗試探索一下改進(jìn)堆積條形圖的呈現(xiàn)方式,讓復(fù)雜數(shù)據(jù)對比變得一目了然。
如果大家有更好的方式,也歡迎指教,交流。完整的代碼會(huì)在文末提供共享的地址。
1. 堆積條形圖的困境
堆積條形圖就像一道精心擺盤的多層蛋糕,當(dāng)層數(shù)不多時(shí),我們能輕松分辨每層的高度差異。
但當(dāng)?shù)案鈱訑?shù)超過4層,要比較某一特定口味在多個(gè)蛋糕中的含量就變得異常困難。
下面我們用Python模擬一個(gè)常見的堆積條形圖場景:調(diào)查某產(chǎn)品5個(gè)功能模塊的用戶滿意度(5個(gè)維度),共收集了4個(gè)季度的數(shù)據(jù)。
# 模擬數(shù)據(jù):4個(gè)季度,5個(gè)滿意度維度(強(qiáng)烈反對、反對、中立、同意、堅(jiān)決同意)
quarters = ["第一季度", "第二季度", "第三季度", "第四季度"]
categories = ["強(qiáng)烈反對", "反對", "中立", "同意", "堅(jiān)決同意"]
colors = ["#FF6B6B", "#FF9F6B", "#D6CBCB", "#6BCF7F", "#4D96FF"]
# 每個(gè)季度的滿意度分布(百分比)
data = np.array(
[
[5, 10, 25, 40, 20], # 第一季度
[3, 8, 20, 45, 24], # 第二季度
[4, 12, 18, 43, 23], # 第三季度
[2, 6, 15, 50, 27], # 第四季度
]
)
# 傳統(tǒng)橫向堆積條形圖
fig, ax = plt.subplots(1, 2, figsize=(14, 4), gridspec_kw={"width_ratios": [1, 1]})
# 左圖:傳統(tǒng)橫向堆積條形圖
# ... 省略 ...
# 右圖:橫向堆疊條形圖的改進(jìn)版,添加分隔線
# ... 省略 ...
plt.tight_layout()
plt.show()

這個(gè)橫向堆積條形圖展示了每個(gè)季度用戶滿意度的完整分布,隨便右邊的圖稍微做了一些改進(jìn),
但如果我們想回答以下問題就會(huì)遇到困難:
- "堅(jiān)決同意" 的比例在哪個(gè)季度最高?
- "反對" 和 "強(qiáng)烈反對" 的比例如何隨時(shí)間變化?
2. 拆解重構(gòu)--多個(gè)子圖
與其把所有食材燉在一鍋里,不如將它們分盤擺放。
我們將堆積條形圖拆解為5個(gè)小圖,每個(gè)小圖只關(guān)注一個(gè)滿意度維度的季度變化。
import matplotlib.gridspec as gridspec
fig = plt.figure(figsize=(12, 6))
gs = gridspec.GridSpec(2, 5, figure=fig, hspace=0.3, wspace=0.4)
# 拆解堆積條形圖:為每個(gè)類別創(chuàng)建單獨(dú)的橫向子圖
axes = []
for i in range(5):
axes.append(fig.add_subplot(gs[0, i]))
# 為每個(gè)滿意度維度創(chuàng)建一個(gè)橫向條形圖
for i, (category, color, ax) in enumerate(zip(categories, colors, axes)):
# ... 省略 ...
ax = fig.add_subplot(gs[1, :]) # 第1行,所有列 (等同于 gs[1, 0:5])
# ... 省略 ...
plt.show()

拆解后的圖表確實(shí)提升了單一維度的對比效果,但仍有一個(gè)明顯問題:我們的視線需要在多個(gè)圖表間來回跳躍,無法形成統(tǒng)一的視覺印象。
這就像閱讀一本分散在多個(gè)頁面的表格,需要不斷翻頁對照。
3. 雙向?qū)Ρ?-蝴蝶圖
蝴蝶圖(也稱為人口金字塔圖或雙向條形圖)是數(shù)據(jù)可視化的"瑞士軍刀",特別適合展示對立或雙向比較的數(shù)據(jù)。
它的設(shè)計(jì)哲學(xué)是:讓對比在中心軸兩側(cè)自然展開,就像蝴蝶展開雙翅。
# 4. 創(chuàng)建畫布 fig, ax = plt.subplots(2, 1,figsize=(10, 6)) y_pos = np.arange(len(quarters)) # 拆分?jǐn)?shù)據(jù)列 strongly_disagree = data[:, 0] disagree = data[:, 1] neutral = data[:, 2] agree = data[:, 3] strongly_agree = data[:, 4] # ========================================== # 核心邏輯修改:以中立(Neutral)的中心為0點(diǎn) # ========================================== # 1. 繪制中立 (灰色):跨越 0 軸 # left 從 -width/2 開始,這樣 0 就在正中間 # 2. 繪制左側(cè) (負(fù)面情緒):向左堆疊 # 反對 (Green):起始位置在 -neutral/2 的左邊 # 強(qiáng)烈反對 (Purple):起始位置在 反對 的左邊 # 3. 繪制右側(cè) (正面情緒):向右堆疊 # 同意 (Orange):起始位置在 neutral/2 # 強(qiáng)烈同意 (Red):起始位置在 同意 的右邊 # 5. 美化圖表 # 添加中間的基準(zhǔn)線 (穿過中立條形) # ... 省略 ... plt.show()

蝴蝶圖和一般的堆積條形圖放在一起,可以明顯看出兩者在數(shù)據(jù)展示邏輯和視覺重心上有顯著區(qū)別。
蝴蝶圖側(cè)重于展示 “對立態(tài)度的對比”,適合看正反兩面的力量懸殊以及整體的情緒傾向,而且也便于比較同側(cè)的數(shù)據(jù)。
4. 總結(jié)
總之,堆積條形圖像一鍋大雜燴,當(dāng)食材(數(shù)據(jù)維度)過多時(shí),我們很難品嘗(分析)到每種食材的原味。
通過拆解和重構(gòu),我們獲得了更清晰的視角。而蝴蝶圖則像一位優(yōu)雅的舞者,將對比數(shù)據(jù)以對稱的方式展開,既保留了整體視野,又強(qiáng)化了局部對比。
優(yōu)秀的數(shù)據(jù)可視化不在于展示所有信息,而在于以最少的認(rèn)知成本傳達(dá)最多的洞察。
下次當(dāng)我們面對多維數(shù)據(jù)對比的挑戰(zhàn)時(shí),不妨試試橫向蝴蝶圖這把"瑞士軍刀",它可能會(huì)給你帶來意想不到的清晰與美感。
到此這篇關(guān)于Python中優(yōu)化堆積條形圖的實(shí)現(xiàn)方法與對比效果的文章就介紹到這了,更多相關(guān)Python堆積條形圖內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Python延時(shí)變量和free_list鏈表的區(qū)別詳解
延時(shí)變量指Python閉包中變量在調(diào)用時(shí)而非定義時(shí)綁定值,可通過默認(rèn)參數(shù)強(qiáng)制提前綁定,這篇文章主要介紹了Python延時(shí)變量和free_list鏈表區(qū)別的相關(guān)資料,需要的朋友可以參考下2026-01-01
Python爬蟲之獲取心知天氣API實(shí)時(shí)天氣數(shù)據(jù)并彈窗提醒
今天我們來學(xué)習(xí)如何獲取心知天氣API實(shí)時(shí)天氣數(shù)據(jù),制作彈窗提醒,并設(shè)置成自啟動(dòng)項(xiàng)目.文中有非常詳細(xì)的代碼示例及介紹,對正在學(xué)習(xí)python的小伙伴們有非常好的幫助,需要的朋友可以參考下2021-05-05
wxPython中wx.gird.Gird添加按鈕的實(shí)現(xiàn)
本文主要介紹了wxPython中wx.gird.Gird添加按鈕的實(shí)現(xiàn),文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-03-03
解決Building?wheel?for?wrapt?(setup.py)?...?error的問題
這篇文章主要介紹了解決Building?wheel?for?wrapt?(setup.py)?...?error的問題,具有很好的參考價(jià)值,希望對大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2022-12-12
PyQt4 treewidget 選擇改變顏色,并設(shè)置可編輯的方法
今天小編就為大家分享一篇PyQt4 treewidget 選擇改變顏色,并設(shè)置可編輯的方法,具有很好的參考價(jià)值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-06-06
python實(shí)現(xiàn)動(dòng)態(tài)GIF英數(shù)驗(yàn)證碼識(shí)別示例
這篇文章主要為大家介紹了python實(shí)現(xiàn)動(dòng)態(tài)GIF英數(shù)驗(yàn)證碼識(shí)別示例,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2024-01-01
Python實(shí)現(xiàn)正整數(shù)分解質(zhì)因數(shù)操作示例
這篇文章主要介紹了Python實(shí)現(xiàn)正整數(shù)分解質(zhì)因數(shù)操作,結(jié)合實(shí)例形式分析了Python循環(huán)與遞歸兩種操作方法實(shí)現(xiàn)分解質(zhì)因數(shù)功能的相關(guān)操作技巧,需要的朋友可以參考下2018-08-08
解決python中無法自動(dòng)補(bǔ)全代碼的問題
今天小編就為大家分享一篇解決python中無法自動(dòng)補(bǔ)全代碼的問題,具有很好的參考價(jià)值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-12-12
python中if的基礎(chǔ)用法(if?else和if?not)
if在Python中用作某個(gè)條件或值的判斷,下面這篇文章主要給大家介紹了關(guān)于python中if的基礎(chǔ)用法,主要包括if?else和if?not,文中通過圖文介紹的非常詳細(xì),需要的朋友可以參考下2022-09-09
Python?numpy生成矩陣基礎(chǔ)用法實(shí)例代碼
矩陣是matrix類型的對象,該類繼承自numpy.ndarray,任何針對ndarray的操作,對矩陣對象同樣有效,下面這篇文章主要給大家介紹了關(guān)于Python?numpy生成矩陣基礎(chǔ)的相關(guān)資料,需要的朋友可以參考下2022-08-08

