数据可视化|用气泡图进行对比分析

林骥
林骥
林骥
44
文章
0
评论
2021-08-1814:42:32 评论 80 2953字
摘要

气泡图是在散点图的基础上,用气泡的大小来展示第三个变量。在一个气泡图中,能够同时对三个变量进行对比分析。

01

你好,我是林骥。

气泡图是在散点图的基础上,用气泡的大小来展示第三个变量。在一个气泡图中,能够同时对三个变量进行对比分析。

比如说,对比我写的 6 篇文章,截止到 2020 年 5 月 5 日,它们的阅读量、点赞率和分享率数据如下:

数据可视化|用气泡图进行对比分析

我用 matplotlib 画了一张气泡图:

数据可视化|用气泡图进行对比分析

从图中可以直观地看出,点赞率最高的文章是「用子弹图进行对比分析」;分享率最高的文章是「如何用数据解决实际问题」,其阅读量也是这 6 篇文章中最多的。

影响文章阅读量的因素有很多,首先是粉丝的数量,其次是被点赞(也就是文章右下角的「在看」)和分享的人数,最好是能被有影响力的人分享。另外,文章标题的吸引力,文章内容的质量,文章发送的时间等等,都有可能对阅读量产生比较大的影响。

对我来说,我比较看重的是「点赞率」这个指标,因为它代表读者对文章或作者的一种认可。我希望自己写的文章,能够对读者产生价值,所以我讨厌那些没有价值的「标题党」,看完之后感觉「上当受骗」,被「骗」的次数多了以后,也就不再信任了。

谨慎地选择标题,也是对读者的一种尊重,当作者花费很多时间和精力写出的好内容,如果因为标题没起好,让潜在的读者错过了好内容,那么也是挺可惜的一件事。

 

02

接下来,我们看看用 matplotlib 画图的具体步骤。

首先,导入所需的库,并设置中文字体和定义颜色等。

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
# 导入所需的库import numpy as npimport pandas as pdimport matplotlib as mplimport matplotlib.pyplot as pltimport matplotlib.image as image# 正常显示中文标签mpl.rcParams["font.sans-serif"] = ["SimHei"]# 自动适应布局mpl.rcParams.update({"figure.autolayout": True})# 正常显示负号mpl.rcParams["axes.unicode_minus"] = False# 禁用科学计数法pd.set_option("display.float_format", lambda x: "%.2f" % x)# 定义颜色,主色:蓝色,辅助色:灰色,互补色:橙色colors = {"蓝色":"#00589F", "深蓝色":"#003867", "浅蓝色":"#5D9BCF",          "灰色":"#999999", "深灰色":"#666666", "浅灰色":"#CCCCCC",          "橙色":"#F68F00", "深橙色":"#A05D00", "浅橙色":"#FBC171"}

其次,从 Excel 文件中读取数据,并定义画图用的数据。

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
# 数据源路径filepath="./data/气泡图数据源.xlsx"# 读取 Excel文件df = pd.read_excel(filepath)# 定义画图用的数据x = df.点赞率y = df.分享率s = df.阅读量labels = df.文章

接下来,开始用「面向对象」的方法进行画图。

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
# 使用「面向对象」的方法画图,定义图片的大小fig, ax = plt.subplots(figsize=(8, 8))# 设置标题ax.text(-0.0035, y.max()+0.015, "
文章的阅读量、点赞率与分享率
", fontsize=26, color=colors["深灰色"])# 定义气泡的基础颜色color = [colors["灰色"]]*6# 突出显示点赞率最高的气泡color[x.idxmax()] = colors["蓝色"]# 突出显示分享率最高的气泡color[y.idxmax()] = colors["橙色"]# 画气泡图ax.scatter(x, y, s, c=color)# 设置刻度范围ax.set_xlim(0, x.max()+0.005)ax.set_ylim(0.01, y.max()+0.01)# 用百分比格式显示坐标轴def to_percent(temp, position=1):    return "%.1f"%(100 * temp) + "%"formatter = mpl.ticker.FuncFormatter(to_percent)ax.yaxis.set_major_formatter(formatter)ax.xaxis.set_major_formatter(formatter)# 设置 X、Y 轴的标题,适当留白ax.text(-0.001, 0, "点赞率", ha="left", fontsize=16, color=colors["深灰色"])ax.text(-0.0035, y.max()+0.01, "分
享
率", va="top", fontsize=16, color=colors["深灰色"])# 平均值线ax.hlines(y.mean(), 0, 1, color=colors["浅灰色"], lw=1)ax.vlines(x.mean(), 0, 1, color=colors["浅灰色"], lw=1)# 显示标签for i, a, b, c, d in zip(np.arange(len(x)), x, y, labels, s):    ax.text(a-0.001, b, c+"("+str(d)+")", ha="right", va="center", fontsize=15, color=color[i])# 设置边框颜色ax.spines["top"].set_color(colors["灰色"])ax.spines["bottom"].set_color(colors["灰色"])ax.spines["left"].set_color(colors["灰色"])ax.spines["right"].set_color(colors["灰色"])# 隐藏刻度线ax.tick_params(axis="x", which="major", length=0)ax.tick_params(axis="y", which="major", length=0)# 设置坐标标签字体大小和颜色ax.tick_params(labelsize=16, colors=colors["深灰色"])plt.show()

运行之后,便得到上面那张图。

你可以前往 https://github.com/linjiwx/mp 下载画图用的数据和完整代码。

 

03

气泡图可以展现多个维度的数据,包括 X 轴、Y 轴、气泡大小、气泡颜色等,还能把气泡做成随着时间动态变化的效果,也就是「动态气泡图」。

统计学家 Hans Rosling 曾经利用动态气泡图,展现了 200 个国家 200 年的兴衰历史数据,将数据可视化与现实关联起来,让枯燥的数据变得更有意义,令人敬佩。

 

 

End.

爱数据网专栏作者:林骥

作者介绍:数据赋能者,专注数据分析 10 多年。

个人公众号:林骥(linjiwx)

本文为挖数网专栏作者原创文章,未经允许禁止转载,需要转载请微信联系授权(微信号:lovedata0520)

更多文章前往爱数据社区网站首页浏览http://www.itongji.cn/

  • 我的微信公众号
  • 微信扫一扫
  • weinxin
  • 我的微信公众号
  • 微信扫一扫
  • weinxin
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: