赵走x博客 - 开发者的网上家园

30、堆积析线图、间断条形图和阶梯图

资源编号:76044 人工智能 Python数据可视化之matplotlib实践热度：105

我们接下来介绍一些在折线图、柱状图和条形图的绘制原理基础上衍生出来的统计图形，它们分别是堆积折线图、间断条形图和阶梯图。

我们接下来介绍一些在折线图、柱状图和条形图的绘制原理基础上衍生出来的统计图形， 它们分别是堆积折线图、 间断条形图和阶梯图。

# 1、用函数stackplot（）绘制堆积折线图
堆积折线图是通过绘制不同数据集的折线图而生成的。堆积折线图是按照垂直方向上彼此堆叠且又不相互覆盖的排列顺序，绘制若干条折线图而形成的组合图形。
### 代码实现
```
import matplotlib.pyplot as plt
import numpy as np

x = np.arange(1, 6, 1)
y = [0, 4, 3, 5, 6]
y1 = [1, 3, 4, 2, 7]
y2 = [3, 4, 1, 6, 5]

labels = ['BluePlanet', 'BrownPlanet', 'GreenPlanet']
colors = ['#8da0cb', '#fc8d62', '#66c2a5']

plt.stackplot(x, y, y1, y2, labels=labels, colors=colors)
plt.legend(loc='upper left')
plt.show()

```
### 运行结果

![bs64](https://img.handsomemark.com/2019/11/05/2d48d626-ffc0-11e9-a85a-0242ac140002.png)

### 代码精讲
通过 plt.stackplot(x, y, y1, y2, labels=labels, colors=colors)语句，我们绘制了堆积折线图。堆积折线图的本质就是将若干条折线放在同一个坐标轴上，以每条折线下部和下方折线作为填充边界，用一种颜色填充代表此条折线的数值区域， 每个填充区域相互堆积但不会相互覆盖，每一个颜色段层代表一条折线所属的数据区域，从而形成如 “地表断层” 的可视化效果。

# 2、用函数broken_barh （）绘制间断条形图

间断条形图是在条形图的基础上绘制而成的， 主要用来可视化定性数据的相同指标在时间维度 上的指标值的变化情况， 实现定性数据的相同指标的变化情况的有效直观比较。

### 代码实现
```
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np

mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False

plt.broken_barh([(30,100),(180,50),(260,70)],(20,8),
                facecolors='#1f78b4')

plt.broken_barh([(60,90),(190,20),(230,30),(280,60)],(10,8),
                facecolors=('#7fc97f','#beaed4','#fdc086','#ffff99'))

plt.xlim(0,360)
plt.ylim(5,35)
plt.xlabel('演出时间')

plt.xticks(np.arange(0,361,60))
plt.yticks([15,25],['歌剧院A','歌剧院B'])
plt.grid(ls='-',lw=1,color='gray')
plt.title('不同地区的歌剧院的演出时间比较')
plt.show()
```
### 运行结果

![bs64](https://img.handsomemark.com/2019/11/05/edc22f0a-ffc1-11e9-a219-0242ac140002.png)

### 代码精讲

这里为了说明函数broken_barh（）的使用方法，以语句 
```
plt.broken_barh([(60,90),(190,20),(230,30),(280,60)],(10,8),
                facecolors=('#7fc97f','#beaed4','#fdc086','#ffff99'))
```
为例讲解函数的使用方法。
列表 ‘‘ ［（60,90),(190,20),(230,30),(280,60）］ ” 的元组表示从起点是x轴的数值为60的位置起， 沿x轴正方向移动90个单位。其他元组的含义类似。
参数 “（10,8） ” 表示从起点是y轴的数值为10的位置起， 沿y轴正方向移动8个单位， 这就是每个柱体的高度和垂直起始位置。
关键字参数facecolors表示每个柱体的填充颜色， 这里使用HEX模式的颜色表示方法。
通过使用间断条形图， 我们就可以清晰直观地观察和比较两家歌剧院演出时间的不同， 从而分析它们的演出时间的特点和规律。

# 3、用函数step（）绘制阶梯图

阶梯图在可视化效果上正如图形的名字那样形象， 就如同山间的台阶时而上升时而下降， 从图 形本身而言， 很像折线图。 也用来反映数据的趋势变化或是周期规律的。阶梯图经常使用在时间序列数据的可视化任务中， 凸显时序数据的波动周期和规律。

### 代码实现
```
import matplotlib.pyplot as plt
import numpy as np

x=np.linspace(1,10,10)
y=np.sin(x)

plt.step(x,y,color='#8dd3c7',where='pre',lw=2)

plt.xlim(0,11)
plt.xticks(np.arange(1,11,1))
plt.ylim(-1.2,1.2)

plt.show()
```
### 运行结果

![bs64](https://img.handsomemark.com/2019/11/05/e81364d8-ffc2-11e9-9b8c-0242ac140002.png)

### 代码精讲

通过语句 `plt.step(x,y,color='#8dd3c7',where='pre',lw=2)`就可以绘制出阶梯图， 其中参数的含义和用法与函数 plot（）完全相同。针对函数step（）而言， 这里需要介绍一下关键字参数 where的使用方法， 关键“字参数where默认的参数值是 pre，参数值 pre表示x轴上的每个数据点对应的y轴上的数值向左侧绘制水平线直到x轴上的此数据点的左侧相邻数据点为止，也就是说，x轴上的相邻数据点的取值是按照左开右闭区间进行数据点选取的。关键宇参数where除了可以取值pre，还可以取值 post ，参数值 post表示在x轴上的相邻数据点的取值是按照左闭右开区间进行数据点选取的，然后用对应的y轴上的数值向右侧绘制水平线直到x轴上的此数据点的右侧相邻数据点为止。为了方便读者对照学习， 我们将关键字参数where取值 。在其他代码语句不变的情况下运行，效果如图3.11所示。

![bs64](https://img.handsomemark.com/2019/11/05/5886a4be-ffc3-11e9-88d4-0242ac140002.png)