從本課開始，依次介紹常用的一些統(tǒng)計圖表，以下引用來自維基百科中的“統(tǒng)計圖表”詞條部分內(nèi)容。

圖表（Chart），或又稱為統(tǒng)計圖表，代表了一張圖像化的數(shù)據(jù)，并經(jīng)常以所用的圖像命名，例如圓餅圖，是主要使用圓形符號，長條圖或直方圖，則主要使用長方形符號。折線圖，意味著使用線條符號。

常見的圖表包括：直方圖（Histogram）、長條圖（Bar Chart）、餅圖（Pie Chart）、折線圖（Line Chart）等。

1.5.1 柱形圖

柱形圖，還稱為長條圖、條圖、條狀圖、棒形圖、柱狀圖，長條圖，英文中可以使用“bar graph”或者“bar chart”。

柱形圖基本樣式如下圖所示，它是一種以柱子高度為變量的統(tǒng)計圖表。在柱形圖中可以直觀地觀察到某些變量之間的相對大小關(guān)系。通常，柱形圖適用于較小的數(shù)據(jù)集，如果數(shù)據(jù)集的維度太多，會造成“柱子”太密集，失去了可視化的效果。

%matplotlib inline
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

position = ['apple', 'facebook', 'google', 'huawei', 'alibaba']
data = [56, 65, 98, 73, 86]
plt.bar(x=position, height=data)

輸出結(jié)果：

enter image description here

繪制柱形圖所使用的函數(shù)為 plt.bar，其完整形式如下：

plt.bar(x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs)

下面對若干常用參數(shù)進行解釋：

• x，坐標(biāo)系的橫坐標(biāo)
• height，柱子的高度
• width，柱子的寬度
• bottom，柱子底部與 x 軸之間的距離
• align，可選值為 'center' 或 'edge'，設(shè)置 x 軸橫坐標(biāo)的主刻線與柱子的中央對齊，還是與邊緣對齊
• color，柱子的顏色
• edgecolor，柱子邊緣的顏色
• linewidth，柱子邊線的寬度，如果為 0，則沒有邊線
• tick_label，橫坐標(biāo)刻線的標(biāo)示，如果不設(shè)置，則默認(rèn)為數(shù)字

再使用 plt.bar 制圖，加深對某些參數(shù)的理解，特別注意觀察參數(shù)的值和輸出結(jié)果，并與上面的輸出結(jié)果對比。

plt.bar(x=position, height=data, width=0.4, bottom=[10,7,0,5,3], color='red', linewidth=5)
plt.grid(True)

輸出結(jié)果：

image

除了使用 plt.bar 之外，前面曾經(jīng)提過，在 pandas 的 DataFrame 對象下，有專門繪圖的方法，柱形圖就可以這樣來實現(xiàn)。

df = pd.DataFrame({"position":position, 'data':data})
df.plot.bar(x='position', y='data')

輸出結(jié)果：

enter image description here

上述柱形圖比較的是單個變量（維度、特征）之間的大小關(guān)系，在此基礎(chǔ)上，還可以用一種稱為“堆積柱形圖”的方式，展示每個變量（維度、特征）內(nèi)部的各元素比例。

下面看一個示例，是對近年全國暑期票房收入的統(tǒng)計（僅統(tǒng)計歷年 8 月份），借此理解“堆積柱形圖”的繪制和應(yīng)用。

首先本例所用數(shù)據(jù)來自 Tushare，如果讀者愿意使用第三方模塊獲得數(shù)據(jù)，請安裝：pip3 install Tushare，然后按照如下演示得到數(shù)據(jù)。但是，這個模塊的官方在讀者閱讀的時候或許已經(jīng)修改了讀取數(shù)據(jù)的政策，若用下面的方式?jīng)]有得到數(shù)據(jù)，請到官方網(wǎng)站查閱最新政策。另外，為了方便學(xué)習(xí)，我把以下示例用到的數(shù)據(jù)整理到了數(shù)據(jù)倉庫，可以將此數(shù)據(jù)下載到本地，然后用pd.read_csv函數(shù)加載。

import tushare as ts
box_office = pd.DataFrame()
for y in range(2010, 2019):    # 2010年(含)至2018年(含)
    ym = str(y) + '-8'
    df = ts.month_boxoffice(ym)
    box_office[ym] = df['boxoffice']
box_office

# output
    2010-8  2011-8  2012-8  2013-8  2014-8  2015-8  2016-8  2017-8  2018-8
0    26918   39162   27993   63665   39313   73427   98811   424006  132009
1    17760   30890   23051   29567   36338   54977   58144   53419   122078
2    8816    22919   15020   29460   28981   48912   38770   49087   102581
3    8125    17219   14636   17121   20807   20948   38675   34147   68285
4    5157    6243    13518   16468   18746   19542   34589   29012   55460
5    5133    5326    8895    14473   18714   18083   26931   23652   32013
6    3980    3594    7037    11416   16926   17220   16663   16825   23011
7    2655    3410    6868    7542    9770    14643   15334   15806   19543
8    2581    3301    4159    6286    9729    14458   14736   12588   17830
9    2233    1954    3471    5440    9464    9977    8376    11341   15238
10    8245    13137   17216   24674   53426   69576   54576   66712   93990

然后計算每年的票房總收入。

box_office = box_office.astype(np.int)    # 將數(shù)據(jù)類型轉(zhuǎn)化為整數(shù)型
total = box_office.sum()
total

# output
2010-8     91603
2011-8    147155
2012-8    141864
2013-8    226112
2014-8    262214
2015-8    361763
2016-8    405605
2017-8    736595
2018-8    682038
dtype: int64

接下來才是激動人心的時刻，先貼出代碼和結(jié)果，再慢慢品味。

import matplotlib.ticker as ticker

first = box_office.iloc[0].astype(np.int)    # 歷年票房第一
after_first = total - first    # 其他影片票房收入

date_index = pd.to_datetime(total.index)
fig, ax = plt.subplots()
ax.grid(color='gray')

ax.bar(range(1, 10), after_first.values, label='others')    # ①
ax.bar(range(1, 10), first.values, bottom=after_first.values, label='first')    # ②

ax.set_xticks(range(0, 10))   # ③
ax.xaxis.set_major_formatter(ticker.IndexFormatter([0]+date_index.year.tolist()))    # ④

plt.legend(loc=0)

輸出結(jié)果：

image

先觀察輸出結(jié)果的圖示，從中都可以讀出什么信息？

• 基本上票房收入在一直增加，2017 年 8 月份是歷年 8 月份的最高峰，2018 年則略有下降。
• 再看每年票房收入第一的影片在當(dāng)年總收入中所占比重，顯然 2017 年的是凸點，這年影片票房收入的頭部效應(yīng)非常顯著，而其他影片的票房收入相比上一年并沒有太多增加。

2017 年票房第一的就是那部高揚民族主義大旗的動作片《戰(zhàn)狼2》，據(jù)娛樂新聞報道后來也得補稅。

看電影的時候熱血沸騰，但研究科學(xué)問題，還是要靜下心來?！翱茖W(xué)技術(shù)是第一生產(chǎn)力”，再鼓舞士氣的電影，也不如扎扎實實的生產(chǎn)力發(fā)展。因此，建議讀者，還是要認(rèn)真研究程序中的每個語句，這才是真正民族崛起的保證。

① 和 ② 兩個語句，是在坐標(biāo)系中繪制柱形圖，它們的差別在于 ① 中沒有設(shè)置 bottom 參數(shù)，② 中有 bottom = after_first.values，從而實現(xiàn)票房收入第一的和當(dāng)年其他影片收入成為“堆積柱”，兩者的總高度是該年的總票房收入。

注意，語句 ③ 和 ④ 是用來設(shè)置橫坐標(biāo)的主刻線以及相應(yīng)的標(biāo)示，特別是在 ④ 中，使用了 matplotlib.ticker 中的 IndexFormatter 類得到標(biāo)示對象。

堆積柱形圖可以看做是柱形圖的拓展，此外，還有被稱為“簇狀柱形圖”的拓展，即將若干個柱形圖作為一簇，在每一簇中，柱子和柱子之間的距離小于簇與簇之間的距離，通常將簇內(nèi)各柱子之間距離設(shè)置為 0。

position = np.arange(1, 6)
a = np.random.random(5)
b = np.random.random(5)

total_width = 0.8    
n = 2
width = total_width / n
position = position - (total_width - width) / n    # ⑤

plt.bar(position, a, width=width, label='a', color='b')    # ⑥
plt.bar(position + width, b, width=width, label='b', color='r')    # ⑦

plt.legend(loc=0)

輸出結(jié)果：

image

語句 ⑤ 計算除了每簇的中央位置，這個很重要，請揣摩一下它的數(shù)學(xué)表達式含義。

語句 ⑥ 和 ⑦ 分別繪制每簇中的兩個柱子，因為每簇中柱子之間的距離是 0，所以在 ⑦ 中用 position + width 表示第二根柱子的中央線位置。

對于繪制“簇狀柱形圖”，如果直接使用 DataFrame 對象的方法，可以更簡單。例如：

speed = [0.1, 17.5, 40, 48, 52, 69, 88]
lifespan = [2, 8, 70, 1.5, 25, 12, 28]
index = ['snail', 'pig', 'elephant', 'rabbit', 'giraffe', 'coyote', 'horse']
df = pd.DataFrame({'speed': speed,'lifespan': lifespan}, index=index)
ax = df.plot.bar(rot=0)