比较（五）利用python绘制棒棒糖图

棒棒糖图（Lollipop plot）简介

棒棒糖图实际上是修饰后的条形图。当在处理大量的值，并且当这些值都很高时，棒棒糖图就很有用。

快速绘制

基于matplotlib

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt# 自定义数据
df = pd.DataFrame({'group':list(map(chr, range(65, 85))), 'values':np.random.uniform(size=20) })# 按值重新排序
ordered_df = df.sort_values(by='values')
my_range=range(1,len(df.index)+1)# 利用stem（茎叶图）快速绘制
plt.stem(ordered_df['values'])
plt.xticks( my_range, ordered_df['group'])plt.show()

定制多样化的棒棒糖图

自定义棒棒糖图一般是结合使用场景对相关参数进行修改，并辅以其他的绘图知识。参数信息可以通过官网进行查看，其他的绘图知识则更多来源于实战经验，大家不妨将接下来的绘图作为一种学习经验，以便于日后总结。

matplotlib主要利用stem绘制棒棒糖图，可以通过matplotlib.pyplot.stem了解更多用法

修改参数

import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as npplt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签# 自定义数据
values = np.random.uniform(size=50)# 初始化布局
fig = plt.figure(figsize=(12,6))# 隐藏标记
plt.subplot(2, 3, 1) 
plt.stem(values, markerfmt=' ', bottom=0.5)
plt.title('隐藏标记')# 隐藏基线
plt.subplot(2, 3, 2) 
plt.stem(values, basefmt=" ")
plt.title('隐藏基线')# 自定义基线位置
plt.subplot(2, 3, 3) 
plt.stem(values, markerfmt=' ', bottom=0.5)
plt.title('自定义基线位置')# 通过获取stem返回值获取(markers, stemlines, baseline)，并进行自定义操作
# 获取markers并自定义标记
plt.subplot(2, 3, 4) 
(markers, stemlines, baseline) = plt.stem(values)
plt.setp(markers, marker='D', markersize=10, markeredgecolor="orange", markeredgewidth=2)
plt.title('获取markers并自定义标记')# 获取baseline并自定义基线
plt.subplot(2, 3, 5) 
(markers, stemlines, baseline) = plt.stem(values)
plt.setp(baseline, linestyle="-", color="grey", linewidth=6)
plt.title('获取baseline并自定义基线')# 获取baseline并自定义茎叶
plt.subplot(2, 3, 6) 
(markers, stemlines, baseline) = plt.stem(values)
plt.setp(stemlines, linestyle="-", color="olive", linewidth=0.5 )
plt.title('获取baseline并自定义茎叶')plt.tight_layout()
plt.show()

水平棒棒糖图

import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as npplt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签# 自定义数据
df = pd.DataFrame({'group':list(map(chr, range(65, 85))), 'values':np.random.uniform(size=20) })# 按值重新排序
ordered_df = df.sort_values(by='values')
my_range=range(1,len(df.index)+1)# 自定义需要重点突出的数据
my_color=np.where(ordered_df ['group']=='B', 'orange', 'skyblue')
my_size=np.where(ordered_df ['group']=='B', 70, 30)# 初始化布局
fig = plt.figure(figsize=(12,4))# 水平棒棒糖图
plt.subplot(1, 2, 1) 
plt.hlines(y=my_range, xmin=0, xmax=ordered_df['values'], color='skyblue')
plt.plot(ordered_df['values'], my_range, "o")
plt.yticks(my_range, ordered_df['group'])
plt.title('水平棒棒糖图')# 水平棒棒糖图-Highlight
plt.subplot(1, 2, 2) 
plt.hlines(y=my_range, xmin=0, xmax=ordered_df['values'], color=my_color, alpha=0.4)
plt.scatter(ordered_df['values'], my_range, color=my_color, s=my_size, alpha=1)
plt.yticks(my_range, ordered_df['group'])
plt.title('水平棒棒糖图-Highlight')plt.show()

分组棒棒糖图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt# 自定义数据
value1=np.random.uniform(size=20)
value2=value1+np.random.uniform(size=20)/4
df = pd.DataFrame({'group':list(map(chr, range(65, 85))), 'value1':value1 , 'value2':value2 })# 重新排序
ordered_df = df.sort_values(by='value1')
my_range=range(1,len(df.index)+1)# 绘制水平棒棒糖图
plt.hlines(y=my_range, xmin=ordered_df['value1'], xmax=ordered_df['value2'], color='grey', alpha=0.4)
plt.scatter(ordered_df['value1'], my_range, color='skyblue', alpha=1, label='value1')
plt.scatter(ordered_df['value2'], my_range, color='green', alpha=0.4 , label='value2')
plt.legend()# 标题、轴标签
plt.yticks(my_range, ordered_df['group'])
plt.title("Comparison of the value 1 and the value 2", loc='left')
plt.xlabel('Value of the variables')
plt.ylabel('Group')plt.show()

颜色对比棒棒糖图

import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns# 自定义数据
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x) + np.random.uniform(size=len(x)) - 0.2# 自定义颜色：正值为橘色
my_color = np.where(y>=0, 'orange', 'skyblue')# 绘制棒棒糖图
plt.vlines(x=x, ymin=0, ymax=y, color=my_color, alpha=0.4)
plt.scatter(x, y, color=my_color, s=1, alpha=1)# 标题、轴标签
plt.title("Evolution of the value of ...", loc='left')
plt.xlabel('Value of the variable')
plt.ylabel('Group')plt.show()