前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

数据准备

今天我们就用一组实战数据来画出上图，数据集是一份拉面数据集。没错，就是下面的拉面。

 

数据来源https://www.theramenrater.com/（拉面爱好者）的评论，数据集预览如下，该数据集可以来分析各个国家的拉面店评分以及风格等。

 

本案例需要分析拉面品牌数量前十的国家（或地区）的拉面店平均评分星级。为了达到上述分析目的，我们需要对数据进行简单的处理：

• 读取数据后，将Stars列中评分为Unrated的替换为3分
• 按照国家进行统计，求出评分个数，以及均值
• 降序，选出Top 10

file = ‘ramen-ratings.csv‘
df = pd.read_csv(file)
df[‘Stars‘].replace({‘Unrated‘: 3}, inplace=True)
df[‘Stars‘] = pd.to_numeric(df[‘Stars‘])
print(df.info())
# get top 10
df_stars = df.groupby(by=‘Country‘).agg({‘Stars‘: [‘count‘, ‘mean‘]})
df_stars.sort_values(by=(‘Stars‘, ‘count‘), ascending=False, inplace=True)
print(df_stars.head(10))
top_10 = df_stars.iloc[0:10, :]

最后我们的数据预览如下：

 

绘制组合图Combo Chart

上面的组合图包含柱状图和曲线图， 采用barplot 和lineplot可以轻易分别画出。

关键问题是如何进行组合。这里有个小技巧：所谓组合，其实是障眼法，只不过是两幅图的x轴重叠罢了。在matplotlib里面，可以采用twinx来共享x轴，y轴的次坐标与主坐标分布两侧。

所以知道上述技巧后，代码的编写就是轻而易举的事情。

# standard plot
fig, ax1 = plt.subplots(figsize=(10, 6))
sns.barplot(data=top_10, x=top_10.index, y=(‘Stars‘, ‘count‘), ax=ax1)
ax1.set_xlabel(‘Country/Area‘)
ax1.set_ylabel(‘Count‘)
ax1.set_ylim([0, 400])
ax2 = ax1.twinx() # share the x axis
print(top_10[(‘Stars‘, ‘mean‘)])
sns.lineplot(data=top_10, x=top_10.index, y=top_10[(
    ‘Stars‘, ‘mean‘)], marker="*", color=‘k‘, markersize=12)
ax2.set_ylabel(‘Rate‘)
ax2.set_ylim([0, 5])
ax1.set_title(‘Ramen Quantities & Ratings in Areas‘)
plt.tight_layout()
plt.show()

 

自定义星级Ticks

上面的标准组合图中右侧的次坐标Ticks 默认为数字，分别表示0-5个星级评分。我们可以自定义Ticks 让其显示更加友善----直接替换为★级个数。比如★★★★★ （五星）。

两个问题摆在我们面前：

• ★ 怎么画？
• ★怎么替换Ticks 标签？

答案很简单，matplotlib都考虑到了。

数学里面包含大量的特殊符号，比如≥，⊙，?，?等你想的到想不到的符号，都在TeX符号集中包含，像★ 就可以用‘$\bigstar$’来表达。

怎么替换Ticks 标签？当然是用函数了，我们写一个函数，将数字替换为★级个数，然后用yaxis.set_major_formatter调用该函数即可。

def stars(x,pos):
    return r‘$\bigstar$‘ * int(x)
ax2.yaxis.set_major_formatter(FuncFormatter(stars))

 

这样，右侧次坐标的Ticks 换成了星级★符号。

总结

本文展示了matplotlib 的一些画图小技巧，并且在拉面数据集上进行了展示：

• 通过共享x轴，实现柱状图和曲线图的组合绘制，类似Excel组合图
• 通过LaTex符号以及自定义Ticks ，将Ticks 替换为星级★符号，更加美观

以下文章来源于Python小例子，作者 无尘

转载地址

https://blog.csdn.net/fei347795790?t=1

Python数据可视化：拉面数据分析

原文：https://www.cnblogs.com/hhh188764/p/13750434.html