最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

Python中優(yōu)化堆積條形圖的實(shí)現(xiàn)方法與對比效果

 更新時(shí)間:2026年01月19日 09:23:56   作者:databook  
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,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,感興趣的小伙伴可以了解下

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""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

最新評(píng)論

平遥县| 文登市| 谢通门县| 河北区| 苗栗县| 长岛县| 台南县| 邛崃市| 南阳市| 旺苍县| 玛纳斯县| 肥西县| 兴安盟| 余干县| 门源| 沽源县| 延寿县| 安阳市| 沂源县| 荣成市| 金湖县| 娱乐| 新丰县| 渑池县| 盐城市| 晋城| 乐亭县| 游戏| 乾安县| 南汇区| 德兴市| 绥棱县| 临潭县| 镇远县| 弋阳县| 元江| 桑日县| 齐齐哈尔市| 临清市| 平凉市| 浠水县|