Python 制作子弹图
更新时间：2021年12月21日 10:05:06 作者：迟业
这篇文章主要介绍了Python 制作子弹图，众所周知，Python 的应用是非常广泛的，今天我们就通过 matplotlib 库学习下如何制作精美的子弹图,需要的朋友可以参考一下
1、什么是子弹图
一个子弹图约定俗成的定义：
子弹图使用长度/高度、位置和颜色对数据进行编码，以显示与目标和性能带相比的实际情况
我们先来看下子弹图大概长什么样子：
子弹图具有单一的主要度量（例如，当前年初至今的收入），将该度量与一个或多个其他度量进行比较以丰富其含义（例如，与目标相比），并将其显示在性能的定性范围的背景，例如差、满意和好。定性范围显示为单一色调的不同强度，使色盲者可以辨别它们，并将仪表板上的颜色使用限制在最低限度
好了，差不多这就是子弹图的应用场景和绘制标准了，下面我们就开始制作吧
2、构建图表
思路大致是，可以使用堆叠条形图来表示各种范围，并使用另一个较小的条形图来表示值，最后，用一条垂直线标记目标
可以看出，我们需要多个组件图层，使用 matplotlib 来实现会比较方便
import matplotlib.pyplot as plt import seaborn as sns from matplotlib.ticker import FuncFormatter %matplotlib inline
这里我们还导入了 Seaborn，是因为 Seaborn 有一些非常有用的工具来管理调色板，利用这种功能比尝试以其他方式复制它更容易
我们需要生成调色板的主要原因是我们很可能希望为各种定性范围生成视觉上吸引人的配色方案，直接使用 seaborn 来完成会方便很多
在下面的例子中，我们可以使用 palplot 便利函数来显示 5 种绿色色调的调色板
sns.palplot(sns.light_palette("green", 5))
sns.palplot(sns.light_palette("purple",8, reverse=True))
以相反的顺序制作 8 种不同深浅的紫色
我们现在知道了如何设置调色板，接下来让我们使用 Matplotlib 根据上面列出的原则创建一个简单的子弹图
首先，定义我们想要绘制的值
limits = [80, 100, 150]
data_to_plot = ("Example 1", 105, 120)
这个将创建 3 个范围：0-80、81-100、101-150 和一个值为 105 和目标线为 120 的“示例”线 接下来，构建一个蓝色调色板：
palette = sns.color_palette("Blues_r", len(limits))
接下来是构建范围的堆积条形图：
fig, ax = plt.subplots()
ax.set_aspect('equal')
ax.set_yticks([1])
ax.set_yticklabels([data_to_plot[0]])
prev_limit = 0
for idx, lim in enumerate(limits):
ax.barh([1], lim-prev_limit, left=prev_limit, height=15, color=palette[idx])
prev_limit = lim
然后我们可以添加一个较小的条形图来表示 105 的值：
ax.barh([1], data_to_plot[1], color='black', height=5)
已经初见雏形了
最后一步是使用 axvline 添加目标标记：
ax.axvline(data_to_plot[2], color="gray", ymin=0.10, ymax=0.9)
上面我就完成了子弹图的简单制作，但是我们所有的测试数值都是写死的，下面我们编写一个可以填写任意数值的代码
3、最终代码
def bulletgraph(data=None, limits=None, labels=None, axis_label=None, title=None,
size=(5, 3), palette=None, formatter=None, target_color="gray",
bar_color="black", label_color="gray"):
# Determine the max value for adjusting the bar height
# Dividing by 10 seems to work pretty well
h = limits[-1] / 10
# Use the green palette as a sensible default
if palette is None:
palette = sns.light_palette("green", len(limits), reverse=False)
# Must be able to handle one or many data sets via multiple subplots
if len(data) == 1:
fig, ax = plt.subplots(figsize=size, sharex=True)
else:
fig, axarr = plt.subplots(len(data), figsize=size, sharex=True)
# Add each bullet graph bar to a subplot
for idx, item in enumerate(data):
# Get the axis from the array of axes returned when the plot is created
if len(data) > 1:
ax = axarr[idx]
# Formatting to get rid of extra marking clutter
ax.set_aspect('equal')
ax.set_yticklabels([item[0]])
ax.set_yticks([1])
ax.spines['bottom'].set_visible(False)
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['left'].set_visible(False)
prev_limit = 0
for idx2, lim in enumerate(limits):
# Draw the bar
ax.barh([1], lim - prev_limit, left=prev_limit, height=h,
color=palette[idx2])
prev_limit = lim
rects = ax.patches
# The last item in the list is the value we're measuring
# Draw the value we're measuring
ax.barh([1], item[1], height=(h / 3), color=bar_color)
# Need the ymin and max in order to make sure the target marker
# fits
ymin, ymax = ax.get_ylim()
ax.vlines(
item[2], ymin * .9, ymax * .9, linewidth=1.5, color=target_color)
# Now make some labels
if labels is not None:
for rect, label in zip(rects, labels):
height = rect.get_height()
ax.text(
rect.get_x() + rect.get_width() / 2,
-height * .4,
label,
ha='center',
va='bottom',
color=label_color)
if formatter:
ax.xaxis.set_major_formatter(formatter)
if axis_label:
ax.set_xlabel(axis_label)
if title:
fig.suptitle(title, fontsize=14)
fig.subplots_adjust(hspace=0)
代码虽然看起来有点长，但是其实都是上面步骤的叠加，都比较简单，就不再重复说明了
我们直接调用一下看看效果：
data_to_plot2 = [("张三", 105, 120),
("李四", 99, 110),
("王五", 109, 125),
("赵六", 135, 123),
("钱七", 45, 105)]
bulletgraph(data_to_plot2, limits=[20, 60, 100, 160],
labels=["Poor", "OK", "Good", "Excellent"], size=(8,5),
axis_label="Performance Measure", label_color="black",
bar_color="#252525", target_color='#f7f7f7',
title="销售代表表现")
我们还可以进行一些优化，格式化 x 轴以便更一致地显示信息
在下面这个例子中，我们可以衡量一家假设公司的营销预算绩效
def money(x, pos):
'The two args are the value and tick position'
return "${:,.0f}".format(x)
money_fmt = FuncFormatter(money)
data_to_plot3 = [("HR", 50000, 60000),
("Marketing", 75000, 65000),
("Sales", 125000, 80000),
("R&D", 195000, 115000)]
palette = sns.light_palette("grey", 3, reverse=False)
bulletgraph(data_to_plot3, limits=[50000, 125000, 200000],
labels=["Below", "On Target", "Above"], size=(10,5),
axis_label="Annual Budget", label_color="black",
bar_color="#252525", target_color='#f7f7f7', palette=palette,
title="营销渠道预算绩效",
formatter=money_fmt)
到此这篇关于Python 制作子弹图的文章就介绍到这了,更多相关Python 制作子弹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:
相关文章
这篇文章主要为大家详细介绍了python GUI实现小球满屏乱跑效果，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-05-05
这篇文章主要为大家详细介绍了python smtplib模块自动收发邮件功能的第二篇，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-05-05
这篇文章主要介绍了numpy数组之存取文件的实现示例，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2019-05-05
这篇文章主要介绍了深入了解python中的元类,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2019-08-08
在本篇文章里小编给大家整理的是一篇关于django支付宝支付的代码实例内容，需要的朋友们可以学习下。2019-10-10
这篇文章主要介绍了python应用文件读取写登录注册功能，本文通过实例代码给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下2019-09-09
这篇文章主要给大家介绍了关于利用python操作SQLite数据库及文件操作的相关资料，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。2017-09-09
这篇文章主要介绍了Python实现微信翻译机器人的方法，本文通过实例代码给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下2019-08-08
pycharm是一种Python IDE，能够帮助我们在编写代码时提高效率。 这篇文章主要介绍了Pycharm小白级简单使用教程,需要的朋友可以参考下2020-01-01
TarFile类就是tar压缩包，其由member块组成, member块则包括header块和data块. 每个member以TarInfo对象形式描述. 所以TarFile就是TarInfo的序列2023-02-02
最新评论