关系（四）利用python绘制气泡图

HsuHeinrich

发布于 2024-04-18 18:26:35

3550

发布于 2024-04-18 18:26:35

文章被收录于专栏：HsuHeinrich

关系（四）利用python绘制气泡图

气泡图（Bubble plot）简介

气泡图是散点图的变种，可以利用圆的大小来可视化第三个变量。

快速绘制

基于seaborn

import matplotlib.pyplot as plt
import seaborn as sns
from gapminder import gapminder

# 导入数据
data = gapminder.loc[gapminder.year == 2007]

# 利用scatterplot函数快速绘制气泡图
sns.scatterplot(data=data, x="gdpPercap", y="lifeExp", size="pop")

plt.show()

基于matplotlib

import matplotlib.pyplot as plt
import seaborn as sns
from gapminder import gapminder

# 导入数据
data = gapminder.loc[gapminder.year == 2007]

# 利用scatter函数快速绘制气泡图
# matplotlib的s为点的面积，不宜过大。对人口变量进行缩放处理
bubble_size = data['pop'] / max(data['pop']) * 1000
plt.scatter(data["gdpPercap"], data["lifeExp"], s=bubble_size, alpha=0.5)

plt.show()

定制多样化的气泡图

自定义气泡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。

通过seaborn绘制多样化的气泡图

seaborn主要利用scatterplot绘制气泡图，可以通过seaborn.scatterplot[1]了解更多用法

import matplotlib.pyplot as plt
import seaborn as sns
from gapminder import gapminder

# 导入数据
data = gapminder.loc[gapminder.year == 2007]

# 利用scatterplot函数快速绘制气泡图
sns.scatterplot(data=data, x="gdpPercap", y="lifeExp", size="pop",
                        hue="continent", # 颜色分组，可以展示第四个变量
                        palette="viridis", # 采用调色板分配颜色
                        edgecolors="black", # 设置边缘色
                        legend=True, # 图例设置
                        sizes=(20, 400), # 控制大小的范围，自动缩放
                        
            )

plt.show()

通过seaborn绘制多样化的气泡图

matplotlib主要利用scatter绘制气泡图，可以通过matplotlib.pyplot.scatter[2]了解更多用法

自定义气泡图

import matplotlib.pyplot as plt
import numpy as np
 
# 自定义数据
x = np.random.rand(15)
y = x+np.random.rand(15)
z = x+np.random.rand(15)
z=z*z
 
# 将颜色映射到x变量
plt.scatter(x, y, s=z*2000, c=x, cmap="Blues", alpha=0.4, edgecolors="grey", linewidth=2)
 

plt.show()

合成gif绘制动态气泡图

import matplotlib.pyplot as plt
import pandas as pd
import imageio
import os
from IPython.display import Image
from gapminder import gapminder

# 导入数据
data = gapminder.copy()

# 数据预处理
data['continent']=pd.Categorical(data['continent'])

# 设置分辨率
dpi=96

# 生成文件夹
if not os.path.exists('Animated_Bubble_Chart'):
    os.makedirs('Animated_Bubble_Chart')

# 遍历年份
for i in data.year.unique():
    
    # 关闭交互式绘图
    plt.ioff()

    # 初始化布局
    fig = plt.figure(figsize=(680/dpi, 480/dpi), dpi=dpi)
    
    # 筛选数据
    subsetData = data[ data.year == i ]

    # 散点图
    plt.scatter(
        x=subsetData['lifeExp'], 
        y=subsetData['gdpPercap'], 
        s=subsetData['pop']/200000 , 
        c=subsetData['continent'].cat.codes, 
        cmap="Accent", alpha=0.6, edgecolors="white", linewidth=2)
    
    # 添加标题信息
    plt.yscale('log')
    plt.xlabel("Life Expectancy")
    plt.ylabel("GDP per Capita")
    plt.title("Year: "+str(i) )
    plt.ylim(1,100000)
    plt.xlim(30, 90)
    
    # 存储图片
    filename='Animated_Bubble_Chart/'+str(i)+'.png'
    plt.savefig(fname=filename, dpi=96)
    plt.gca()
    plt.close(fig)
    

# 合成gif并展示
# 存放图像的路径
image_folder = "Animated_Bubble_Chart/"

# 读取图片
image_files = os.listdir(image_folder)
images = []
for image_file in image_files:
    if image_file.endswith('.png'):
        images.append(imageio.imread(image_folder + image_file))

# 写入GIF文件
imageio.mimsave('Animated_Bubble_Chart/Animated_Bubble_Chart.gif', images, duration=0.5) # 自定义秒数

# 展示GIF文件
Image(url='Animated_Bubble_Chart/Animated_Bubble_Chart.gif')

animation绘制动态气泡图

点击下面的播放按钮即可

import matplotlib.pyplot as plt
import matplotlib.animation as animation
import numpy as np
import seaborn as sns
from IPython.display import HTML
from sklearn import preprocessing
from gapminder import gapminder

# 导入数据
data = gapminder.copy()

# 数据预处理
# 缩放population数据
data["scaled_pop"] = data["pop"] / 200000
# 分配 continent 列的数字编码
data['continent_code']=pd.Categorical(data['continent']).codes

# 年份列表
years = data["year"].unique()

# 初始化布局
fig, ax = plt.subplots()

# 设置轴的范围
ax.set_yscale('log')
ax.set_xlim(30, 90)
ax.set_ylim(1,100000)
ax.set_xlabel("Life Expectancy")
ax.set_ylabel("GDP per Capita")

# 初始化散点图对象，开始时无数据
scatter = plt.scatter([], [], c=[], cmap="Accent", alpha=0.6, edgecolors="white")

def animate(i):
    current_year = years[i] # 获取当前年份
    df_year = data[data["year"] == current_year] # 获取对应年份的数据子集
    scatter.set_offsets(np.c_[df_year["lifeExp"], df_year["gdpPercap"]]) # 更新x和y数据
    scatter.set_sizes(df_year["scaled_pop"]) # 更新点的大小
    scatter.set_array(df_year["continent_code"]) # 更新点的颜色
    ax.set_title("Year: " + str(current_year))  # 更新标题

ani = animation.FuncAnimation(
    fig,
    animate,
    frames=len(years),
    interval=500, # 0.5秒
    repeat=True)

plt.close()

HTML(ani.to_jshtml())