Matplotlib实战之百分比柱状图绘制详解

更新时间：2023年08月23日 10:55:03 作者：databook

百分比堆叠式柱状图是一种特殊的柱状图,可以用于可视化比较不同类别或组的百分比或比例的图表,下面我们就来介绍一下如何使用Matplotlib绘制百分比柱状图,需要的可以参考下

1. 主要元素

百分比柱状图是一种用于可视化比较不同类别或组的百分比或比例的图表。

它的主要元素包括：

横轴：表示数据的主分类。
纵轴：每个子分类的比例关系。
堆叠的矩形：每个柱状图由多个堆叠部分组成，和堆叠柱状图不同的是，每个柱子都是一样高的。
图例：每个堆叠部分代表的意义。

2. 适用的场景

百分比柱状图适用的场景很多，比如：

市场份额：比较不同产品或服务的市场份额，帮助决策者了解市场竞争情况。
人口比例：显示不同地区或不同群体的人口比例，或不同年龄段的人口比例。
问卷调查结果：比较不同选项或答案的频率或比例，或者用户对产品特性的满意度。
部门预算分配：显示不同部门或项目的预算分配比例，帮助管理者了解资源分配情况。
等等。。。

3. 不适用的场景

百分比柱状图也有不适用于的场景，比如：

比较绝对数值：如果需要比较具体的数值大小而不仅仅是比例，那么百分比柱状图可能不是最合适的选择。
数据存在重叠：如果不同类别的数据存在重叠或者相互依赖的情况，百分比柱状图可能无法清晰地展示比例关系。
数据量过大或过小：如果数据量过大或过小，百分比柱状图可能无法有效地显示比例关系。

4. 分析实战

和上一篇堆叠柱状图使用相同的原始数据，绘制图形之后可以看看这两种柱状图展示分析结果的区别。

4.1. 数据来源

数据来自国家统计局公开的人民生活数据，可从下面的网址下载：databook.top/nation/A0A

使用的是其中 A0A0A.csv文件（全国居民主要食品消费量）

fp = "d:/share/A0A0A.csv"
df = pd.read_csv(fp)
df

4.2. 数据清理

选取和上一篇堆叠柱状图一样，还是5类：

居民人均蔬菜及食用菌消费量(千克)
居民人均肉类消费量(千克)
居民人均禽类消费量(千克)
居民人均水产品消费量(千克)
居民人均蛋类消费量(千克)

和堆叠柱状图不同的是，绘制百分比柱状图用的是百分比数值，所有要把原始数据中每年的绝对数值转换为百分比数值。

data = df[(df["sj"] >= 2013) & 
        (df["sj"] <= 2021) & 
        (df["zb"].isin(["A0A0A03", 
                        "A0A0A04",
                        "A0A0A05",
                        "A0A0A06",
                        "A0A0A07"]))].copy()
data["年消耗总量"] = data.groupby("sj").value.transform("sum")
data["各类消耗量占比"] = data["value"] / data["年消耗总量"]
data.loc[:, ["sjCN", "zbCN", "各类消耗量占比"]].head(10)

4.3. 分析结果可视化

import matplotlib.ticker as mticker
data = data.sort_values("sj")
data["各类消耗量占比"] = data["各类消耗量占比"]*100
with plt.style.context("seaborn-v0_8"):
    fig = plt.figure()
    ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
    years = data["sjCN"].drop_duplicates(keep="first").tolist()
    bar_data = {
        "蔬菜及菌类(%)": data[data["zb"] == "A0A0A03"]["各类消耗量占比"].tolist(),
        "肉类(%)": data[data["zb"] == "A0A0A04"]["各类消耗量占比"].tolist(),
        "禽类(%)": data[data["zb"] == "A0A0A05"]["各类消耗量占比"].tolist(),
        "水产品(%)": data[data["zb"] == "A0A0A06"]["各类消耗量占比"].tolist(),
        "蛋类(%)": data[data["zb"] == "A0A0A07"]["各类消耗量占比"].tolist(),
    }
    bottom = np.zeros(len(years))
    for key, vals in bar_data.items():
        ax.bar(years, vals, label=key, bottom=bottom)
        bottom += vals
    # 设置Y轴刻度的显示格式
    ax.set_ylim(0, 110)
    yticks = ax.get_yticks().tolist()
    ax.yaxis.set_major_locator(mticker.FixedLocator(yticks))
    ax.set_yticklabels(["{}%".format(x) for x in yticks])
    ax.set_title("全国居民主要粮食消耗情况")
    ax.legend(loc="upper left", ncol=5)

百分比柱状图每年的数据高度都一样，与堆叠柱状图相比，更容易比较每个种类粮食的消耗情况。

不过，这种图看不出粮食总量的变化情况了。

到此这篇关于Matplotlib实战之百分比柱状图绘制详解的文章就介绍到这了,更多相关Matplotlib百分比柱状图内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

Python读取图片属性信息的实现方法
这篇文章介绍了利用Python读取图片属性信息的方法，读取的内容包括GPS 信息、图片分辨率、图片像素、设备商、拍摄设备等，有需要的朋友们可以参考借鉴。
2016-09-09
python抓取网页内容示例分享
这篇文章主要介绍了python抓取网页内容示例,在抓取的时候对于gbk编码网页还需要转化一下，具体看下面的示例吧
2014-02-02
Python人工智能之混合高斯模型运动目标检测详解分析
运动目标检测是计算机视觉领域中的一个重要内容，其检测效果将会对目标跟踪与识别造成一定的影响，本文将介绍用Python来进行混合高斯模型运动目标检测，感兴趣的朋友快来看看吧
2021-11-11
Python循环结构的应用场景详解
这篇文章主要介绍了Python循环结构的应用场景详解,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,需要的朋友可以参考下
2019-07-07
详解python实现线程安全的单例模式
这篇文章主要介绍了python实现线程安全的单例模式,小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
2018-03-03
Python项目中5个Enum枚举巧妙操作详解
这篇文章主要为大家详细介绍了Python项目中5个Enum枚举巧妙操作,文中的示例代码讲解详细,具有一定的借鉴价值,有需要的小伙伴可以了解下
2025-10-10
Python代码连接到 Chat GPT API的方法
Chat GPT 由于其独特、近乎准确且类似人类的响应，如今在互联网上引起了过多的讨论，本文讨论如何通过 Python 代码连接到 Chat GPT API，感兴趣的朋友一起看看吧
2023-02-02
Python 获得命令行参数的方法(推荐)
本篇将介绍python中sys, getopt模块处理命令行参数的方法，本文给大家介绍的非常详细，具有参考借鉴价值，需要的朋友参考下吧
2018-01-01
Python利用PySimpleGUI实现自制桌面翻译神器
工作上经常需要与外国友人邮件沟通，奈何工作电脑没有安装有道词典一类的翻译软件，结合自己的需要，自己用PySimpleGUI撸一个桌面翻译神器，感兴趣的可以了解一下
2022-09-09
Python基于回溯法子集树模板解决数字组合问题实例
这篇文章主要介绍了Python基于回溯法子集树模板解决数字组合问题,简单描述了数字组合问题并结合实例形式分析了Python回溯法子集树模板解决数字组合问题的具体步骤与相关操作技巧,需要的朋友可以参考下
2017-09-09