导包

import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np
import pandas as pd
# 解决中文显示问题
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False

数据读取

excel = pd.ExcelFile("旅游数据.xlsx")
df_2019 = pd.read_excel(excel, sheet_name=0)
df_2020 = pd.read_excel(excel, sheet_name=1)
df_2019["年份"] = 2019
df_2020["年份"] = 2020
display(df_2019.head())
df_2020['指标名称'].replace('兵团', '新疆兵团', inplace=True)
df_2020.tail()

	指标名称	代码	本季组织人次数	本季接待人次数	本季组织人天数	本季接待人天数	年份
0	北京	1	1229139	811223	4841564	3654045	2019
1	天津	2	1108300	411033	2989315	1057598	2019
2	河北	3	813446	343793	1991293	750916	2019
3	山西	4	587867	555379	2066682	2218679	2019
4	内蒙古	5	115648	186861	461579	640426	2019

	指标名称	代码	本季组织人次数	本季接待人次数	本季组织人天数	本季接待人天数	年份
27	甘肃	28	83076	27911	133133	64421	2020
28	青海	29	55968	33627	65130	52868	2020
29	宁夏	30	47134	23854	78404	35521	2020
30	新疆	31	38474	20079	74410	33474	2020
31	新疆兵团	32	25759	18005	49957	39839	2020

第一张图

plt.style.use('fivethirtyeight')
plt.figure(figsize=(20, 14))
plt.subplot(2, 1, 1)
plt.title("2019与2020年本季组织人次数前十的对比", fontsize=20)
t1 = (df_2019[["指标名称", "本季组织人次数"]].sort_values("本季组织人次数", ascending=False).head(10))
t2 = (df_2020[["指标名称", "本季组织人次数"]].sort_values("本季组织人次数", ascending=False).head(10))
plt.plot(range(10), t1['本季组织人次数'], linewidth=2,label='2019', marker='o', markersize=8)
plt.plot(range(10), t2['本季组织人次数'], linewidth=2,label='2020', marker='s', markersize=8)
plt.fill_between(range(10), t1['本季组织人次数'], t2['本季组织人次数'],color="gray", alpha=0.2, label="area")
plt.legend(['2019', '2020'], fontsize=20)
plt.grid(b=True)
for x, (city, y) in enumerate(t1[["指标名称", "本季组织人次数"]].values):plt.text(x, y, f"{city}:\n{y/10000:.2f}万", fontsize=15,horizontalalignment='center', verticalalignment='center')
for x, (city, y) in enumerate(t2[["指标名称", "本季组织人次数"]].values):plt.text(x, y, f"{city}:\n{y/10000:.2f}万", fontsize=15,horizontalalignment='center', verticalalignment='center')
plt.xticks(range(10), [f"第{i}名" for i in range(1, 11)], fontsize=15)
plt.yticks(range(0, 6500000, 500000), [f"{i//10000}万" for i in range(0, 6500000, 500000)], fontsize=15)plt.subplot(2, 2, 3)
plt.title("2019与2020年四座城市的本季组织人次数对比", fontsize=20)
t1 = df_2019.loc[df_2019["指标名称"].isin(["北京", "天津", "上海", "重庆"]), ["指标名称", "本季组织人次数"]]
t2 = df_2020.loc[df_2020["指标名称"].isin(["北京", "天津", "上海", "重庆"]), ["指标名称", "本季组织人次数"]]
index = np.arange(4)
plt.bar(index, t1['本季组织人次数'], width=0.4, label='2019')
plt.bar(index+0.4, t2['本季组织人次数'], width=0.4, label='2020')
cutoff_postion = t1["本季组织人次数"].reset_index(drop=True).sort_values(ascending=False).index[:2]
x, y = cutoff_postion[0], t1["本季组织人次数"].iat[cutoff_postion[1]]
plt.plot(np.array([-0.2, -0.1, 0.1, 0.2])+x,np.array([0, 1, -1, 0])*y*0.04+y, color="white")plt.legend(fontsize=15)
plt.grid(b=True, axis='y')
plt.xticks(index+0.2, t1['指标名称'], fontsize=15)
plt.yticks(range(0, 4000000, 500000), [f"{i//10000}万" for i in range(0, 4000000, 500000)], fontsize=15)
for x, (y1, y2) in enumerate(zip(t1["本季组织人次数"], t2["本季组织人次数"])):plt.text(x, y1, f"{y1/10000:.2f}万", verticalalignment='bottom',horizontalalignment='center', fontsize=15)plt.text(x+0.4, y2, f"{y2/10000:.2f}万", verticalalignment='bottom',horizontalalignment='center', fontsize=15)plt.subplot(2, 2, 4)
plt.title("2019与2020年四座城市的本季接待人次数对比", fontsize=20)
t1 = df_2019.loc[df_2019["指标名称"].isin(["北京", "天津", "上海", "重庆"]), ["指标名称", "本季接待人次数"]]
t2 = df_2020.loc[df_2020["指标名称"].isin(["北京", "天津", "上海", "重庆"]), ["指标名称", "本季接待人次数"]]
index = np.arange(4)
plt.bar(index, t1['本季接待人次数'], width=0.4, label='2019')
plt.bar(index+0.4, t2['本季接待人次数'], width=0.4, label='2020')
cutoff_postion = t1["本季接待人次数"].reset_index(drop=True).sort_values(ascending=False).index[:2]
x, y = cutoff_postion[0], t1["本季接待人次数"].iat[cutoff_postion[1]]
plt.plot(np.array([-0.2, -0.1, 0.1, 0.2])+x,np.array([0, 1, -1, 0])*y*0.04+y, color="white")plt.legend(fontsize=15)
plt.grid(b=True, axis='y')
plt.xticks(index+0.2, t1['指标名称'], fontsize=15)
plt.yticks(range(0, 3000000, 500000), [f"{i//10000}万" for i in range(0, 3000000, 500000)], fontsize=15)
for x, (y1, y2) in enumerate(zip(t1["本季接待人次数"], t2["本季接待人次数"])):plt.text(x, y1, f"{y1/10000:.2f}万", verticalalignment='bottom',horizontalalignment='center', fontsize=15)plt.text(x+0.4, y2, f"{y2/10000:.2f}万", verticalalignment='bottom',horizontalalignment='center', fontsize=15)
plt.subplots_adjust(wspace=0.1, hspace=0.15)
plt.show()

第二张图

plt.style.use('fivethirtyeight')
plt.figure(figsize=(20, 20))
plt.subplot(3, 2, 1)
df_tmp = pd.concat([df_2019, df_2020]).groupby("年份").sum().drop(columns="代码").T
plt.title("四项指标总和年度对比", fontsize=15)
index = np.arange(4)
plt.bar(index, df_tmp[2019], width=0.4, label='2019')
plt.bar(index+0.4, df_tmp[2020], width=0.4, label='2020')
plt.plot(index+0.4, df_tmp[2020], linewidth=2, color='orange')
plt.legend(title="年份")
plt.grid(b=True)
for x, (y1, y2) in enumerate(df_tmp.values):plt.text(x, y1, f"{y1/1e4:.1f}万", verticalalignment='bottom',horizontalalignment='center')plt.text(x+0.4, y2, f"{y2/1e4:.1f}万", verticalalignment='bottom',horizontalalignment='center')
plt.xticks(index+0.2, df_tmp.index)
plt.yticks(np.arange(0, 1.4e8, 1e7), [f"{i//1e4:.0f}万" for i in np.arange(0, 1.4e8, 1e7)], fontsize=15)plt.subplot(3, 2, 2)
plt.title("中部地带本季组织人次数年度对比", fontsize=15)
df_tmp = pd.concat([df_2019[["指标名称", "本季组织人次数"]].set_index("指标名称"),df_2020[["指标名称", "本季组织人次数"]].set_index("指标名称")], axis=1)
df_tmp.columns = [2019, 2020]
df_tmp = df_tmp.loc[["黑龙江", "吉林", "山西", "内蒙古", "安徽", "河南", "湖北", "湖南", "江西"]]
plt.barh(df_tmp.index, df_tmp[2019], label='2019')
plt.barh(df_tmp.index, -df_tmp[2020], label='2020')
plt.legend(title="年份", loc='lower right')
plt.grid(b=True)
plt.xticks(np.arange(-1e6, 2.7e6, 4e5), [f"{abs(i)//1e4:.0f}万" for i in np.arange(-1e6, 2.7e6, 4e5)], fontsize=15)
for y, (x1, x2) in enumerate(df_tmp.values):plt.text(x1, y, f"{x1/1e4:.1f}万", verticalalignment='center',horizontalalignment='left')plt.text(-x2, y, f"{x2/1e4:.1f}万", verticalalignment='center',horizontalalignment='right')
plt.xlim([-1.1e6, 2.7e6])plt.subplot(3, 2, 3)
df_tmp = pd.concat([df_2019[["指标名称", "本季接待人次数"]].set_index("指标名称"),df_2020[["指标名称", "本季接待人次数"]].set_index("指标名称")], axis=1)
df_tmp.columns = [2019, 2020]
df_tmp.columns.name = "年份"
df_tmp = df_tmp.loc[["辽宁", "河北", "天津", "北京", "山东","江苏", "上海", "浙江", "福建", "广东", "广西", "海南"]]
s = df_tmp[2019]/10000
radius_s = ((s-s.min())/(s.max()-s.min())+0.8).values
wedges, texts1, texts2 = plt.pie(s,  # 数据explode=[0.1]*df_tmp.shape[0],  # 指定每部分的偏移量labels=df_tmp.index,  # 标签autopct="%.2f万",  # 饼图上的数据标签显示方式pctdistance=0.6,  # 每个饼切片的中心和通过autopct生成的文本开始之间的比例labeldistance=1,  # 被画饼标记的直径,默认值：1.1shadow=True,  # 阴影startangle=0,  # 开始角度radius=1.8,  # 半径frame=False,  # 图框counterclock=True,  # 指定指针方向，顺时针或者逆时针
)
for i, wedge in enumerate(wedges):wedge.set_radius(radius_s[i])
for i, text in enumerate(texts1):text.set_position(tuple(map(lambda x: x*radius_s[i]/1.7, text.get_position())))
for i, text in enumerate(texts2):if radius_s[i] < 0.9:text.set_text("")continuetext.set_position(tuple(map(lambda x: x*radius_s[i]/2, text.get_position())))plt.subplot(3, 2, 4)
# plt.title("2020年东部沿海地带本季接待人次数", fontsize=15)
s = df_tmp[2020]/10000
radius_s = ((s-s.min())/(s.max()-s.min())+0.8).values
wedges, texts1, texts2 = plt.pie(s,  # 数据explode=[0.1]*df_tmp.shape[0],  # 指定每部分的偏移量labels=df_tmp.index,  # 标签autopct="%.2f万",  # 饼图上的数据标签显示方式pctdistance=0.6,  # 每个饼切片的中心和通过autopct生成的文本开始之间的比例labeldistance=1,  # 被画饼标记的直径,默认值：1.1shadow=True,  # 阴影startangle=0,  # 开始角度radius=1.8,  # 半径frame=False,  # 图框counterclock=True,  # 指定指针方向，顺时针或者逆时针
)
for i, wedge in enumerate(wedges):wedge.set_radius(radius_s[i])
for i, text in enumerate(texts1):if radius_s[i] < 0.83:text.set_text("")continuetext.set_position(tuple(map(lambda x: x*radius_s[i]/1.7, text.get_position())))
for i, text in enumerate(texts2):if radius_s[i] < 0.87:text.set_text("")continuetext.set_position(tuple(map(lambda x: x*radius_s[i]/2, text.get_position())))plt.subplot(3, 1, 3)
plt.title("西部地带本季接待人天数气泡图", fontsize=15)
df_tmp = pd.concat([df_2019[["指标名称", "本季接待人天数"]].set_index("指标名称"),df_2020[["指标名称", "本季接待人天数"]].set_index("指标名称")], axis=1)
df_tmp.columns = [2019, 2020]
df_tmp.columns.name = "年份"
df_tmp = df_tmp.loc[["陕西", "甘肃", "宁夏", "青海","新疆", "重庆", "四川", "云南", "贵州", "西藏"]]
index = range(df_tmp.shape[0])
plt.scatter(index,[2]*df_tmp.shape[0],  # 按照经纬度显示s=df_tmp[2019] / 1000,  # 按照单价显示大小c=range(df_tmp.shape[0]),  # 按照总价显示颜色alpha=0.6,cmap="jet",
)
plt.scatter(index,[1]*df_tmp.shape[0],  # 按照经纬度显示s=df_tmp[2020] / 1000,  # 按照单价显示大小c=range(df_tmp.shape[0]),  # 按照总价显示颜色alpha=0.6,cmap="jet",
)
for i, (v1, v2) in enumerate(df_tmp.values):plt.text(i, 2, f"{v1/10000:.0f}万", verticalalignment='center',horizontalalignment='center', fontsize=15)plt.text(i, 1, f"{v2/10000:.0f}万", verticalalignment='bottom',horizontalalignment='center', fontsize=15)
plt.xticks(index, df_tmp.index)
plt.yticks([1, 2], [2020, 2019])
plt.ylim([0.5, 2.5])plt.subplots_adjust(wspace=0.1, hspace=0.4)
plt.show()

用Matplotlib画两张花里胡哨的图相关推荐

python matplotlib画多个图_python matplotlib模块如何画两张图出来
展开全部 python matplotlib模块如何画两张图出2113来的方法:5261 代码如下所示: import numpy as np import matplotlib.pyplot as ...
python怎么画多重饼状图_Python通过matplotlib画双层饼图及环形图简单示例
(1) 饼图(pie),即在一个圆圈内分成几块,显示不同数据系列的占比大小,这也是我们在日常数据的图形展示中最常用的图形之一. 在python中常用matplotlib的pie来绘制,基本命令如下所示 ...
python画环形图_Python通过matplotlib画双层饼图及环形图简单示例
摘要:这篇Python开发技术栏目下的"Python通过matplotlib画双层饼图及环形图简单示例",介绍的技术点是"matplotlib.Python.简单示例.饼 ...
python绘制饼图双层_Python通过matplotlib画双层饼图及环形图简单示例
(1) 饼图(pie),即在一个圆圈内分成几块,显示不同数据系列的占比大小,这也是我们在日常数据的图形展示中最常用的图形之一. 在python中常用matplotlib的pie来绘制,基本命令如下所示 ...
matlab仿真图同时画两张,matlab怎么把两个图放在一起
1.matlab怎么把两个图放在一起 MATLAB中有hold on和hold off指令,在Command Window中使用可以实现同时让两个图出现在一起. hold on的意思是打印的图形会叠加 ...
使用pandas同时画两个箱线图
pandas 画箱线图测试文件:https://codechina.csdn.net/u014467816/ktools/-/blob/master/%E4%B8%A4%E4%B8%AA%E7%AE ...
两张思维导图，让你轻松学习数据结构
前段时间打算重新温习一下数据结构,整理一些新的内容,在网上搜到了很多受用的精彩博客,可以说受益匪浅."前人栽树,后人乘凉"已然石锤了. 先亮出第一张思维导图: 数据结构思维导图- ...
python怎么画两张图_python中如何用subplot画多个子图？
开始讲今天的内容之前,先说一点题外话.上学的时候地理课上会画一些等高图.小地图之类的,那时候小编就对地理产生了浓厚的兴趣,不过最后因为种种原因还是没有选择继续学习地理方面的知识了.接触了python之 ...
excle2010 一张图上画两种类型的图：折线图+柱形图
step1:将三列数据选定,插入折线图: 这时,会出现一个X轴下,两条折线: step2:选择其中一条折线,右键"更改系列图形列表",然后选择柱形图: 这时,会出现一个X轴下,一条 ...
matplotlib—画正弦、余弦函数图
一.导入模块 import matplotlib.pyplot as plt import numpy as np plt.rcParams['font.sans-serif']=['SimHei'] ...

用Matplotlib画两张花里胡哨的图

导包

数据读取

第一张图

第二张图

用Matplotlib画两张花里胡哨的图相关推荐

最新文章

热门文章