Python 制作子彈圖
1、什么是子彈圖
一個子彈圖約定俗成的定義：
子彈圖使用長度/高度、位置和顏色對數(shù)據(jù)進(jìn)行編碼，以顯示與目標(biāo)和性能帶相比的實際情況
我們先來看下子彈圖大概長什么樣子：
子彈圖具有單一的主要度量（例如，當(dāng)前年初至今的收入），將該度量與一個或多個其他度量進(jìn)行比較以豐富其含義（例如，與目標(biāo)相比），并將其顯示在性能的定性范圍的背景，例如差、滿意和好。定性范圍顯示為單一色調(diào)的不同強(qiáng)度，使色盲者可以辨別它們，并將儀表板上的顏色使用限制在最低限度
好了，差不多這就是子彈圖的應(yīng)用場景和繪制標(biāo)準(zhǔn)了，下面我們就開始制作吧
2、構(gòu)建圖表
思路大致是，可以使用堆疊條形圖來表示各種范圍，并使用另一個較小的條形圖來表示值，最后，用一條垂直線標(biāo)記目標(biāo)
可以看出，我們需要多個組件圖層，使用 matplotlib 來實現(xiàn)會比較方便
import matplotlib.pyplot as plt import seaborn as sns from matplotlib.ticker import FuncFormatter %matplotlib inline
這里我們還導(dǎo)入了 Seaborn，是因為 Seaborn 有一些非常有用的工具來管理調(diào)色板，利用這種功能比嘗試以其他方式復(fù)制它更容易
我們需要生成調(diào)色板的主要原因是我們很可能希望為各種定性范圍生成視覺上吸引人的配色方案，直接使用 seaborn 來完成會方便很多
在下面的例子中，我們可以使用 palplot 便利函數(shù)來顯示 5 種綠色色調(diào)的調(diào)色板
sns.palplot(sns.light_palette("green", 5))
sns.palplot(sns.light_palette("purple",8, reverse=True))
以相反的順序制作 8 種不同深淺的紫色
我們現(xiàn)在知道了如何設(shè)置調(diào)色板，接下來讓我們使用 Matplotlib 根據(jù)上面列出的原則創(chuàng)建一個簡單的子彈圖
首先，定義我們想要繪制的值
limits = [80, 100, 150]
data_to_plot = ("Example 1", 105, 120)
這個將創(chuàng)建 3 個范圍：0-80、81-100、101-150 和一個值為 105 和目標(biāo)線為 120 的“示例”線 接下來，構(gòu)建一個藍(lán)色調(diào)色板：
palette = sns.color_palette("Blues_r", len(limits))
接下來是構(gòu)建范圍的堆積條形圖：
fig, ax = plt.subplots()
ax.set_aspect('equal')
ax.set_yticks([1])
ax.set_yticklabels([data_to_plot[0]])
prev_limit = 0
for idx, lim in enumerate(limits):
ax.barh([1], lim-prev_limit, left=prev_limit, height=15, color=palette[idx])
prev_limit = lim
然后我們可以添加一個較小的條形圖來表示 105 的值：
ax.barh([1], data_to_plot[1], color='black', height=5)
已經(jīng)初見雛形了
最后一步是使用 axvline 添加目標(biāo)標(biāo)記：
ax.axvline(data_to_plot[2], color="gray", ymin=0.10, ymax=0.9)
上面我就完成了子彈圖的簡單制作，但是我們所有的測試數(shù)值都是寫死的，下面我們編寫一個可以填寫任意數(shù)值的代碼
3、最終代碼
def bulletgraph(data=None, limits=None, labels=None, axis_label=None, title=None,
size=(5, 3), palette=None, formatter=None, target_color="gray",
bar_color="black", label_color="gray"):
# Determine the max value for adjusting the bar height
# Dividing by 10 seems to work pretty well
h = limits[-1] / 10
# Use the green palette as a sensible default
if palette is None:
palette = sns.light_palette("green", len(limits), reverse=False)
# Must be able to handle one or many data sets via multiple subplots
if len(data) == 1:
fig, ax = plt.subplots(figsize=size, sharex=True)
else:
fig, axarr = plt.subplots(len(data), figsize=size, sharex=True)
# Add each bullet graph bar to a subplot
for idx, item in enumerate(data):
# Get the axis from the array of axes returned when the plot is created
if len(data) > 1:
ax = axarr[idx]
# Formatting to get rid of extra marking clutter
ax.set_aspect('equal')
ax.set_yticklabels([item[0]])
ax.set_yticks([1])
ax.spines['bottom'].set_visible(False)
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['left'].set_visible(False)
prev_limit = 0
for idx2, lim in enumerate(limits):
# Draw the bar
ax.barh([1], lim - prev_limit, left=prev_limit, height=h,
color=palette[idx2])
prev_limit = lim
rects = ax.patches
# The last item in the list is the value we're measuring
# Draw the value we're measuring
ax.barh([1], item[1], height=(h / 3), color=bar_color)
# Need the ymin and max in order to make sure the target marker
# fits
ymin, ymax = ax.get_ylim()
ax.vlines(
item[2], ymin * .9, ymax * .9, linewidth=1.5, color=target_color)
# Now make some labels
if labels is not None:
for rect, label in zip(rects, labels):
height = rect.get_height()
ax.text(
rect.get_x() + rect.get_width() / 2,
-height * .4,
label,
ha='center',
va='bottom',
color=label_color)
if formatter:
ax.xaxis.set_major_formatter(formatter)
if axis_label:
ax.set_xlabel(axis_label)
if title:
fig.suptitle(title, fontsize=14)
fig.subplots_adjust(hspace=0)
代碼雖然看起來有點(diǎn)長，但是其實都是上面步驟的疊加，都比較簡單，就不再重復(fù)說明了
我們直接調(diào)用一下看看效果：
data_to_plot2 = [("張三", 105, 120),
("李四", 99, 110),
("王五", 109, 125),
("趙六", 135, 123),
("錢七", 45, 105)]
bulletgraph(data_to_plot2, limits=[20, 60, 100, 160],
labels=["Poor", "OK", "Good", "Excellent"], size=(8,5),
axis_label="Performance Measure", label_color="black",
bar_color="#252525", target_color='#f7f7f7',
title="銷售代表表現(xiàn)")
我們還可以進(jìn)行一些優(yōu)化，格式化 x 軸以便更一致地顯示信息
在下面這個例子中，我們可以衡量一家假設(shè)公司的營銷預(yù)算績效
def money(x, pos):
'The two args are the value and tick position'
return "${:,.0f}".format(x)
money_fmt = FuncFormatter(money)
data_to_plot3 = [("HR", 50000, 60000),
("Marketing", 75000, 65000),
("Sales", 125000, 80000),
("R&D", 195000, 115000)]
palette = sns.light_palette("grey", 3, reverse=False)
bulletgraph(data_to_plot3, limits=[50000, 125000, 200000],
labels=["Below", "On Target", "Above"], size=(10,5),
axis_label="Annual Budget", label_color="black",
bar_color="#252525", target_color='#f7f7f7', palette=palette,
title="營銷渠道預(yù)算績效",
formatter=money_fmt)
到此這篇關(guān)于Python 制作子彈圖的文章就介紹到這了,更多相關(guān)Python 制作子彈圖內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
編程的樂趣之一是想辦法讓程序執(zhí)行的越來越快,代碼越寫越優(yōu)雅,這篇文章主要給大家介紹了關(guān)于Python并發(fā)編程實例教程之線程的相關(guān)資料,需要的朋友可以參考下2021-06-06
今天小編就為大家分享一篇關(guān)于Selenium的使用詳解，小編覺得內(nèi)容挺不錯的，現(xiàn)在分享給大家，具有很好的參考價值，需要的朋友一起跟隨小編來看看吧2018-10-10
這篇文章主要介紹了Python中with語句的用法,with語句的使用是Python學(xué)習(xí)過程當(dāng)中的基礎(chǔ)知識,本文來自于IBM官方技術(shù)文檔,需要的朋友可以參考下2015-04-04
本文是一個Python新手編寫的熱門游戲2048的代碼，使用Python3編寫，基于控制臺，對于Python新手們熟悉Python語法非常有幫助，這里推薦給大家，希望大家能夠喜歡。2015-03-03
今天小編就為大家分享一篇對python自動生成接口測試的示例講解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-11-11
Python+Selenium實現(xiàn)自動化的環(huán)境搭建的步驟(圖文)
這篇文章主要介紹了Python+Selenium實現(xiàn)自動化的環(huán)境搭建的步驟(圖文)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-09-09
這篇文章主要為大家詳細(xì)介紹了python數(shù)據(jù)可視化之條形圖畫法，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-04-04
使用Django的JsonResponse返回數(shù)據(jù)的實現(xiàn)
這篇文章主要介紹了使用Django的JsonResponse返回數(shù)據(jù)的實現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-01-01
今天小編就為大家分享一篇pytorch的batch normalize使用詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-01-01
這篇文章主要為大家介紹了Python中的五個神仙級函數(shù)，具有一定的參考價值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來幫助2022-01-01