Python——条形图正负不同色加表格

2024-01-21 12:12

本文主要是介绍Python——条形图正负不同色加表格,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

条形图,当差值大于0时设置一个颜色,反之另一种颜色,并添加表格 

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.ticker as mtick
import matplotlib.ticker as ticker#设置输出结果对齐方式
pd.set_option('display.unicode.ambiguous_as_wide',True)
pd.set_option('display.unicode.east_asian_width',True)# 解决plt中文显示问题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = Falseimport warnings
warnings.filterwarnings("ignore")

数据 

data_merge=pd.DataFrame({'A':[87,79,80,92],'B':[93,89,67,77],'C':['张三','李四','王五','赵六']})
print(data_merge)

    A   B     C
0  87  93  张三
1  79  89  李四
2  80  67  王五
3  92  77  赵六

代码

data_merge['差值'] = data_merge['A'] - data_merge['B']
data_merge['百分比'] = (data_merge['A'] - data_merge['B'])/data_merge['B']
data_merge[['A', 'B', '差值']] = data_merge[['A', 'B', '差值']].astype('int')
data_merge['百分比画'] = data_merge['百分比'].map(lambda x: '{:.0%}'.format(x))
data_merge = data_merge.sort_values(by='百分比', ascending=False)
data_merge = data_merge[data_merge['B']!=0]
data_merge = data_merge.reset_index(drop=True)#画图数据
x_data = list(data_merge['C'])
y_data = list(data_merge['百分比'])#上升数据
yz = data_merge[data_merge['百分比']>0]
yz["百分比画"]= '▲' + yz["百分比画"]
x1 = list(yz['C']) 
y_data1 = list(yz['百分比'])
y1 = list(yz['百分比画'])
index1 = np.arange(len(y1))#下降数据
yf = data_merge[data_merge['百分比']<0]
yf["百分比画"]= '▼' + yf["百分比画"]
x2 = list(yf['C'])
y_data2 = list(yf['百分比'])
y2 = list(yf['百分比画'])
index2 = np.arange(len(y2))#不变数据
y_ = data_merge[data_merge['百分比']==0]
y_["百分比画"]= '-' + y_["百分比画"]
x3 = list(y_['C']) 
y_data3 = list(y_['百分比'])
y3 = list(y_['百分比画'])
index3 = np.arange(len(y3))#***********绘图***********
plt.figure(figsize=(10,5),dpi=300)
plt.ylim(data_merge['百分比'].min(),data_merge['百分比'].max()+0.05) #范围
plt.yticks([])  # 去y坐标刻度
plt.xticks([])  # 去x坐标刻度
plt.title('A与B',fontsize=25)  #标题#取消每一个的边框
ax1 = plt.subplot(1, 1, 1)
ax1.spines['right'].set_visible(False) #右边
ax1.spines['top'].set_visible(False) #上边
ax1.spines['left'].set_visible(False) #左边
ax1.spines['bottom'].set_visible(False) #下边
ax=plt.gca();#获得坐标轴的句柄
ax.spines['bottom'].set_linewidth(1);#设置底部坐标轴的粗细
plt.tick_params(labelsize=8) #x轴标签大小#判断大于0的为#e28b90,负的为#98b9e5
plt.bar(x_data, y_data, color=np.where(data_merge['百分比']>=0,'#e28b90','#98b9e5'),width=0.8) #上升数据标签     
for a,b,c in zip(index1,y_data1,y1):   #柱子上的数字显示plt.text(a*1.,b+0.001,c,ha='center',va='bottom',fontsize=8,color ='#c02c38');
for a,b,c in zip(index1,y_data1,x1):   #柱子上的标签显示plt.text(a*1.,b+0.02,c,ha='center',va='bottom',fontsize=8,color ='#c02c38');   #下降数据    
for a,b,c in zip(index2,y_data2,x2):   #柱子上的标签显示plt.text(a+len(index1)+len(index3),b-0.01,c,ha='center',va='bottom',fontsize=8); 
for a,b,c in zip(index2,y_data2,y2):   #柱子上的数字显示plt.text(a+len(index1)+len(index3),b-0.025,c,ha='center',va='bottom',fontsize=8);#不变数据
for a,b,c in zip(index3,y_data3,x3):   #柱子上的标签显示plt.text(a+len(index1),b+0.02,c,ha='center',va='bottom',fontsize=8); 
for a,b,c in zip(index3,y_data3,y3):   #柱子上的数字显示plt.text(a+len(index1),b,c,ha='center',va='bottom',fontsize=8);# 像饼图中添加表格
columns = x_data
rows = ['A', 'B', "差距","百分比"]
d = np.array([data_merge['A'],data_merge['B'],data_merge['差值'],data_merge['百分比画']])
table = plt.table(cellText=d, rowLabels=rows,colLabels=columns, cellLoc='center', loc="bottom",bbox=[0.04, -0.35, 0.92, 0.24])
# 调整表格的大小
table.auto_set_font_size(False)
table.set_fontsize(9)

这篇关于Python——条形图正负不同色加表格的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/629507

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

2. c#从不同cs的文件调用函数

1.文件目录如下: 2. Program.cs文件的主函数如下 using System;using System.Collections.Generic;using System.Linq;using System.Threading.Tasks;using System.Windows.Forms;namespace datasAnalysis{internal static

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

uva 10061 How many zero's and how many digits ?(不同进制阶乘末尾几个0)+poj 1401

题意是求在base进制下的 n!的结果有几位数,末尾有几个0。 想起刚开始的时候做的一道10进制下的n阶乘末尾有几个零,以及之前有做过的一道n阶乘的位数。 当时都是在10进制下的。 10进制下的做法是: 1. n阶位数:直接 lg(n!)就是得数的位数。 2. n阶末尾0的个数:由于2 * 5 将会在得数中以0的形式存在,所以计算2或者计算5,由于因子中出现5必然出现2,所以直接一

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',