01. 引言
Python-matplotlib商业图表绘制的第二篇教程也已经推出，本期的推文主要涉及到文本、annotate()、散点以及颜色搭配等内容的讲解，话不多说，直接上教程
02. 数据处理
本期的数据属于比较简单的那种，数据和具体的颜色设置如下：
颜色设置如下：
#颜色字典color = ("#008FD5", "#FC4F30", "#E5AE38", "#6D904F","#8B8B8B", "#810F7C" )data = artist_02.data.to_list()data_color = dict(zip(data,color))data_color
03. 数据可视化设计
可视化内容代码具体如下：
#fig,ax = plt.subplots(figsize=(4,6),dpi=400,facecolor='#CACACA',edgecolor='#CACACA')fig,ax = plt.subplots(figsize=(4,6),dpi=400)#ax.set_facecolor('#CACACA')for y,text in zip(artist_02['data'].values,artist_02['year'].values):scatter_bottom = ax.scatter(.5,y,s=1300,color='white',zorder=0)scatter = ax.scatter(.5,y,s=1000,ec='k',lw=.3,zorder=1)scatter_top = ax.scatter(.5,y,s=800,color='white',ec='k',lw=.3,zorder=2)year = ax.text(.5,y,text,ha='center', va='center',fontsize = 8,color='black',fontweight='bold')#定制化绘制ax.set_ylim(bottom=-1,top=11)ax.grid(False)#添加文本#题目部分ax.text(.49,10.9,'TIMELINE', ha='center', va='center',fontsize = 13,color='gray',fontweight='light')ax.text(.49,10.5,'INFOGRAPHICS', ha='center', va='center',fontsize = 7,color='gray',fontweight='light')left_data = [0,4,8]for y_text in left_data:ax.annotate('',xy=(.496,y_text),xytext=(.492,y_text),ha="center",va="center",arrowprops=dict(arrowstyle="wedge,tail_width=0.1",fc= data_color[y_text],ec=data_color[y_text]))ax.text(.484,y_text,'LOREM IPSUM',ha='left', va='center',fontsize = 8,color=data_color[y_text],weight='bold')ax.text(.484,y_text-.8,'Optionally, the text can be displayed in anothernpositionxytext. An arrow pointing from the textnto theannotated point xy can then be added byndefining arrowprops.',ha='left', va='center',fontsize = 5,color='k')right_data = [2,6,10]for y_text in right_data:#这里是和left_data 不一样的地方，因为指向不同ax.annotate('',xy=(.504,y_text),xytext=(.508,y_text),ha="center",va="center",arrowprops=dict(arrowstyle="wedge,tail_width=0.1",fc= data_color[y_text],ec=data_color[y_text]))ax.text(.516,y_text,'LOREM IPSUM',ha='right', va='center',fontsize = 8,color=data_color[y_text],weight='bold')ax.text(.516,y_text-.8,'Optionally, the text can be displayed in anothernpositionxytext. An arrow pointing from the textnto theannotated point xy can then be added byndefining arrowprops.',ha='right', va='center',fontsize = 5,color='k')#去除刻度等信息ax.axis('off')ax.text(.96,.0,'nVisualization by DataCharm',transform = ax.transAxes,ha='center', va='center',fontsize = 4,color='black')plt.savefig(r'F:DataCharm商业艺术图表仿制artist_02.pdf',width=4,height=6,dpi=900,bbox_inches='tight')
（1）循环设置散点及颜色，如下：
for y,text in zip(artist_02['data'].values,artist_02['year'].values):scatter_bottom = ax.scatter(.5,y,s=1300,color='white',zorder=0)scatter = ax.scatter(.5,y,s=1000,ec='k',lw=.3,zorder=1)scatter_top = ax.scatter(.5,y,s=800,color='white',ec='k',lw=.3,zorder=2)year = ax.text(.5,y,text,ha='center', va='center',fontsize = 8,color='black',fontweight='bold')
颜色设置还是使用了颜色字典设置，此外，这里散点的x位置我们设置固定，y位置为具体的data数据，文本内容也为year内容。
（2）使用ax.annotate()方法添加了"指引"指标
left_data = [0,4,8]for y_text in left_data:ax.annotate('',xy=(.496,y_text),xytext=(.492,y_text),ha="center",va="center",arrowprops=dict(arrowstyle="wedge,tail_width=0.1",fc= data_color[y_text],ec=data_color[y_text]))ax.text(.484,y_text,'LOREM IPSUM',ha='left', va='center',fontsize = 8,color=data_color[y_text],weight='bold')ax.text(.484,y_text-.8,'Optionally, the text can be displayed in anothernpositionxytext. An arrow pointing from the textnto theannotated point xy can then be added byndefining arrowprops.',ha='left', va='center',fontsize = 5,color='k')
由于左右位置的不同，ax.annotate()中xy和xytext设置有所不同，这里主要根据和ax.annotate()指向方式（wedge）的不同设置。颜色还是使用了颜色字典定制化设计。
（3）文本的va和ha设置
由于文本我们需要使用左对齐或者右对齐，这里我们分别设置：
ha='left', va='center' ha='right', va='center'此外，在文本字符串中，我们还设置了换号符号(n):
' the text can be displayed anothernpositionxytext'最终绘制的效果如如下：
(代码中生产的效果要更好点哦
)
04. 总结
本期推文主要涉及的可视化设计技巧不多，但也是定制化绘制中比较常用的方法，希望小伙伴们可以掌握哦，特别是ax.annotate()方法，可以设计出很多“很炫”的可视化作品。
近期文章
Python网络爬虫与文本数据分析 rpy2库 | 在jupyter中调用R语言代码 tidytext | 耳目一新的R-style文本分析库 reticulate包 | 在Rmarkdown中调用Python代码 plydata库 | 数据操作管道操作符>> plotnine: Python版的ggplot2作图库 七夕礼物 | 全网最火的钉子绕线图制作教程 读完本文你就了解什么是文本分析 文本分析在经管领域中的应用概述 综述:文本分析在市场营销研究中的应用 plotnine: Python版的ggplot2作图库 小案例: Pandas的apply方法 stylecloud:简洁易用的词云库 用Python绘制近20年地方财政收入变迁史视频 Wow~70G上市公司定期报告数据集 漂亮~pandas可以无缝衔接Bokeh YelpDaset: 酒店管理类数据集10+G
- 左青龙
- 微信扫一扫
-
- 右白虎
- 微信扫一扫
-
评论