Matplotlib实战之面积图绘制详解
面积图，或称区域图，是一种随有序变量的变化，反映数值变化的统计图表。
面积图也可用于多个系列数据的比较。
这时，面积图的外观看上去类似层叠的山脉，在错落有致的外形下表达数据的总量和趋势。
面积图不仅可以清晰地反映出数据的趋势变化，也能够强调不同类别的数据间的差距对比。
面积图的特点在于，折线与自变量坐标轴之间的区域，会由颜色或者纹理填充。
但它的劣势在于，填充会让形状互相遮盖，反而看不清变化。一种解决方法，是使用有透明度的颜色，来“让”出覆盖区域。
1. 主要元素
面积图是一种用于展示数据分布或密度的图表类型，主要由数据点、面积、以及X轴和Y轴组成。
面积图可以直观地反映数据的分布情况。
面积图的主要构成元素包括：
- 数据点：表示数据的具体位置和大小
- 面积：表示数据的分布或密度
- X轴：一般是有序变量，表示数据点的变化区间
- Y轴：数据点在不同时刻的值
2. 适用的场景
面积图适用于以下分析场景：
- 数据分布分析：帮助分析人员了解数据的分布情况，如城市的大小、人口分布等。
- 市场需求分析：帮助企业了解市场需求的变化趋势，如销售额的增长情况等。
- 健康状况分析：帮助医生了解患者的健康状况，如体温、血压等数据的变化趋势。
3. 不适用的场景
面积图不适用于以下分析场景：
- 数据的精确性要求较高的分析场景：面积图无法精确地反映数据的分布情况，在需要精确数据的场景中不适用。
- 需要显示数据细节的分析场景：面积图无法直观地显示数据的细节和变化趋势，在需要显示数据细节的场景中不适用。
- 需要进行多维数据分析的场景：面积图无法直接展示多维数据，在需要进行多维数据分析的场景中不适用。
4. 分析实战
这次使用国内生产总值相关数据来实战面积图的分析。
4.1. 数据来源
数据来源国家统计局公开数据，已经整理好的csv文件在：databook.top/nation/A02
本次分析使用其中的 A0201.csv 文件（国内生产总值数据）。
下面的文件路径 fp 要换成自己实际的文件路径。
fp = "d:/share/A0201.csv" df = pd.read_csv(fp) df
4.2. 数据清理
从中过滤出国内生产总值(亿元)和人均国内生产总值(元)，然后绘制面积图看看有什么发现。
key1 = "国民总收入(亿元)" df[df["zbCN"]==key1].head()
key2 = "人均国内生产总值(元)" df[df["zbCN"]==key2].head()
4.3. 分析结果可视化
**国内生产总值(亿元)**的面积图：
from matplotlib.ticker import MultipleLocator
with plt.style.context("seaborn-v0_8"):
fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax.xaxis.set_major_locator(MultipleLocator(4))
ax.xaxis.set_minor_locator(MultipleLocator(2))
data = df[df["zbCN"] == key1].copy()
data["value"] = data["value"] / 10000
data = data.sort_values(by="sj")
ax.fill_between(data["sjCN"], data["value"], label="国民总收入(万亿元)")
ax.legend(loc="upper left")
上面的代码把Y轴的单位改成了万亿元，原先的亿元作为单位，数值太大。
用面积图来展示分析结果，不像折线图那样，仅仅只是变化趋势的感觉；
通过折线下的面积不断扩大，会感觉到国民总收入的总量在不断变大，且2006年之后，总量增速明显提高。
同样分析步骤，人均收入的面积图如下：
from matplotlib.ticker import MultipleLocator
with plt.style.context("seaborn-v0_8"):
fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax.xaxis.set_major_locator(MultipleLocator(4))
ax.xaxis.set_minor_locator(MultipleLocator(2))
data = df[df["zbCN"] == key2].copy()
data = data.sort_values(by="sj")
ax.fill_between(data["sjCN"], data["value"], label=key2)
ax.legend(loc="upper left")
接下来，我们把国民总收入和人均收入放在一起看，但是，这两组数据的单位不一样（一个是万亿元，一个是元）。
所以要用到之前 matplotlib基础系列中介绍的双坐标轴技巧来展示。
from matplotlib.ticker import MultipleLocator
with plt.style.context("seaborn-v0_8"):
fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax.xaxis.set_major_locator(MultipleLocator(4))
ax.xaxis.set_minor_locator(MultipleLocator(2))
ax_twinx = ax.twinx()
data = df[df["zbCN"] == key1].copy()
data["value"] = data["value"] / 10000
data = data.sort_values(by="sj")
ax.fill_between(data["sjCN"], data["value"],
alpha=0.5, label="国民总收入(万亿元)")
data = df[df["zbCN"] == key2].copy()
data = data.sort_values(by="sj")
ax_twinx.fill_between(data["sjCN"], data["value"],
color='r', alpha=0.2, label=key2)
ax.legend(loc="upper left")
ax_twinx.legend(loc="upper right")
两个面积图用了不同颜色，并加了透明度（即alpha 参数），不加透明度，颜色会互相覆盖。
左边的Y轴是国民总收入，右边的Y轴是人均收入。
这两个面积图几乎完全重合，正说明了国民总收入和人均收入是强相关的。
以上就是Matplotlib实战之面积图绘制详解的详细内容，更多关于Matplotlib面积图的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要介绍了Python操作数据库之数据库编程接口，文章围绕主题展开详细的内容介绍，具有一定的参考价值，感兴趣的小伙伴可以参考一下2022-06-06
在Heroku云平台上部署Python的Django框架的教程
这篇文章主要介绍了在Heroku云平台上部署Python的Django框架的教程,Heroku云平台使用了Git版本控制系统,所以本教程主要提供了配置所需要的Git脚本,需要的朋友可以参考下2015-04-04
这篇文章主要介绍了Python 如何访问外围作用域中的变量的相关资料,需要的朋友可以参考下2016-09-09
这篇文章主要介绍了IPython 8.0 Python 命令行交互工具，IPython 是 Python 的原生交互式 shell 的增强版，可以完成许多不同寻常的任务，下面我们就拉看看文章具体的介绍内容吧2022-01-01
这篇文章主要介绍了python使用QQ邮箱发送邮件，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-04-04
这篇文章主要介绍了Python批量自动修改文件名,按指定的格式自动命名方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2023-08-08
python使用numpy寻找二维数组的最值及其下标方法分析
这篇文章主要为大家介绍了python使用numpy寻找二维数组的最值及其下标实现方法详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪2023-08-08
这篇文章主要介绍了详解python中的index函数用法，非常不错，具有一定的参考借鉴价值,需要的朋友可以参考下2019-08-08
python点云地面点滤波(Progressive Morphological Filter)算法介绍（PCL库）
这篇文章主要介绍了python点云地面点滤波(Progressive Morphological Filter)算法介绍（PCL库）,了解膨胀/腐蚀这两个基础操作,可以通过对其进行简单组合来形成开/闭操作,需要的朋友可以参考下2021-08-08
“小黄狗跑酷”是一款有趣的跑酷类游戏,玩家将控制一只可爱的小黄狗在城市的街道上跑酷,避开障碍物,收集骨头,尽可能获得高分,本文将全面介绍如何使用Python和Pygame库来开发这个游戏,从最初的概念设计到最终的代码实现,帮助您理解游戏开发的基本流程2025-03-03
最新评论