本文主要介绍一个python绘制坡度图进行对比分析的例子，帮助大家更好的理解和学习使用python。感兴趣的朋友可以了解一下。
你好，我是林骥。
斜率图可以快速显示两组数据之间各维度的变化，特别适合比较两个时间点的数据。
例如，为了比较分析一个产品不同功能的用户满意度，经过问卷调查和数据统计，得出如下调查结果：
你不妨先自己思考一下，如何将这组数据可视化，让信息传递更加高效？
下面是我用matplotlib做的图表：
从图中可以直观的看出，功能C的用户满意度明显下降，我们用一个鲜艳的橙色来表示，以此来吸引观众的注意力；功能D和功能E的用户满意度明显提高。我们用蓝色表示数据在向好的方向发展；功能A和功能B的用户满意度变化不大，我们用浅灰色来表示，是为了弱化受众对这两个功能的关注，把更多的精力放在分析用户满意度下降明显的功能点上，这样图表可以提高信息传递的效率。
下面是用 matplotlib 画图的详细步骤。
首先导入需要的库，设置中文字体，定义颜色。
#导入所需的库
将numpy作为np导入
进口熊猫作为pd
将matplotlib作为mpl导入
将matplotlib.pyplot作为plt导入
将matplotlib.image作为图像导入
#正常显示中文标签
mpl . RC params[' font . sans-serif ']=[' sim hei ']
#自动适应布局
mpl . RC params . update({ ' figure . autolayout ':True })
#负号正常显示
mpl . RC params[' axes . unicode _ MINUS ']=False
#定义颜色，主色：蓝色，辅色：灰色，补色：橙色
C={'blue':' #00589F '，'深蓝':' #003867 '，'浅蓝':' #5D9BCF '，
灰色':' # 99999 '，'深灰色':' # 66666 '，'浅灰色':' # #CCCCCC '，
橙色':' #F68F00 '，'深橙色':' #A05D00 '，'浅橙色':' #FBC171'}
其次，从Excel文件中读取随机模拟的数据，并定义用于绘图的数据。
#数据源路径
文件路径='。/data/问卷结果. xlsx '
#读取Excel文件
Df=pd.read _ excel (filepath，index _ col='调查年份')
#定义绘图数据
category _ names=df.columns
标签=df.index
数据=df.values
data_cum=data.cumsum(轴=1)
接下来，用面向对象的方法开始绘图。
#使用“面向对象”的方法绘制并定义图片的大小。
fig，ax=plt.subplots(figsize=(6，6))
#设置背景颜色
fig.set_facecolor('w ')
ax.set_facecolor('w ')
#设置标题
ax . set _ title(' \ n用户对时间的满意度变化\ n '，fontsize=26，loc=' left '，color=c ['深灰'])
#定义颜色
Category_colors=[c['浅灰色']，c['浅灰色']，c['橙色']，c['蓝色']，c['蓝色']]
#画一个斜率图
对于I，zip中的颜色(np.arange(len(df.columns))，category_colors):
ax.plot(df.index，df.iloc[:i]，marker='o '，color=color)
#设置数据标签及其文本颜色
ax.text(-0.03，df.iloc[0，i]，df.columns[i] ' ' '{:0%} '。format(df.iloc[0，i])，ha='right '，va='center '，color=color，fontsize=16)
ax.text(1.06，df.iloc[1，i]，' {:0%} '。format(df.iloc[1，i])，ha='left '，va='center '，color=color，fontsize=16)
#设置Y轴刻度范围
ax . set _ ylim(df . values . min()-0.02，df.values.max() 0.01)
#隐藏Y轴
ax.yaxis.set_visible(False)
#隐藏边框
ax.spines['top']。set_visible(False)
ax.spines['右']。set_visible(False)
ax.spines['左']。set_visible(False)
ax.spines['bottom']。set_visible(False)
#隐藏X轴的刻度线
ax.tick_params(axis='x '，which='major '，length=0)
#设置坐标标签的字体大小和颜色
Ax.tick _ params (labelsize=16，colors=c ['gray'])
plt.show()
跑完之后会得到上图。
你可以去https://github.com/linjiwx/mp下载数据和完整的绘图代码。
对于同一组数据，不同的人可能会有不同的观察视角，往往会有很多不同的解决方案来可视化。这里介绍的方法并不是唯一正确的答案。关键是，图表设计者想表达什么信息？听众是否正确快速地理解了他们想要表达的信息？
不同类型的图表有不同的优点和缺点。
斜率图的好处是可以快速看到每个类别前后的变化，根据线条的陡度直观感受变化的幅度。
斜率图的缺点是看不出整体和局部的比例关系。另外，如果类别的顺序很重要，就不适合使用斜率图，因为类别会根据数值自动排列。
最后给大家留个思考题：在你看过的所有数据中，哪些数据适合用斜率图进行对比分析？
当你不知道选择什么样的图表时，不妨停下来想一想。你想让观众知道什么或者做什么？
以上是python绘制坡度图进行对比分析的详细内容。更多关于python对比分析的信息，请关注我们的其他相关文章！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。