Python如何制作子彈圖

這篇文章將為大家詳細(xì)講解有關(guān)Python如何制作子彈圖，小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

1、什么是子彈圖

一個(gè)子彈圖約定俗成的定義：

子彈圖使用長(zhǎng)度/高度、位置和顏色對(duì)數(shù)據(jù)進(jìn)行編碼，以顯示與目標(biāo)和性能帶相比的實(shí)際情況

我們先來(lái)看下子彈圖大概長(zhǎng)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(gè)或多個(gè)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(chǎng)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(lái)表示各種范圍，并使用另一個(gè)較小的條形圖來(lái)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(gè)組件圖層，使用 matplotlib 來(lái)實(shí)現(xiàn)會(huì)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?yàn)?Seaborn 有一些非常有用的工具來(lái)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(lái)完成會(huì)方便很多

在下面的例子中，我們可以使用 palplot 便利函數(shù)來(lái)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(lái)讓我們使用 Matplotlib 根據(jù)上面列出的原則創(chuàng)建一個(gè)簡(jiǎn)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(gè)將創(chuàng)建 3 個(gè)范圍：0-80、81-100、101-150 和一個(gè)值為 105 和目標(biāo)線為 120 的“示例”線 接下來(lái)，構(gòu)建一個(gè)藍(lán)色調(diào)色板：

palette = sns.color_palette("Blues_r", len(limits))

接下來(lái)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(gè)較小的條形圖來(lái)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(jiǎn)單制作，但是我們所有的測(cè)試數(shù)值都是寫死的，下面我們編寫一個(gè)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(lái)有點(diǎn)長(zhǎng)，但是其實(shí)都是上面步驟的疊加，都比較簡(jiǎn)單，就不再重復(fù)說(shuō)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(gè)例子中，我們可以衡量一家假設(shè)公司的營(yíng)銷預(yù)算績(jī)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(yíng)銷渠道預(yù)算績(jī)效",
            formatter=money_fmt)

關(guān)于“Python如何制作子彈圖”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，使各位可以學(xué)到更多知識(shí)，如果覺得文章不錯(cuò)，請(qǐng)把它分享出去讓更多的人看到。