​數據可視化|用斜率圖進行對比分析

01

你好，我是林驥。

斜率圖，可以快速展現兩組數據之間各維度的變化，特別適合用於對比兩個時間點的數據。

比如說，為了對比分析某產品不同功能的用戶滿意度，經過問卷調查和數據統計，得到下面這個調查結果：

你不妨自己先思考一下，如何對這組數據進行可視化，才能讓信息傳遞變得更加高效？

下面是我用 matplotlib 製作的圖表：

 

從圖中可以直觀地看出，功能 C 的用戶滿意度明顯下降，我們用比較鮮明的橙色來表示，以便引起觀眾重點關注；功能 D 和功能 E 的用戶滿意度明顯提升，我們用藍色表示，代表數據正在向好的方向發展；功能 A 和功能 B 的用戶滿意度變化不大，我們用淺灰色表示，以便削弱觀眾對這兩個功能的注意力，把更多的精力用於分析用戶滿意度明顯下降的功能點，從而讓圖表起到提升信息傳遞效率的目的。

02

下面是用 matplotlib 畫圖的詳細步驟。

首先，導入所需的庫，並設置中文字體和定義顏色等。

# 導入所需的庫import numpy as npimport pandas as pdimport matplotlib as mplimport matplotlib.pyplot as pltimport matplotlib.image as image
# 正常顯示中文標籤mpl.rcParams['font.sans-serif'] = ['SimHei']
# 自動適應布局mpl.rcParams.update({'figure.autolayout': True})
# 正常顯示負號mpl.rcParams['axes.unicode_minus'] = False
# 定義顏色，主色：藍色，輔助色：灰色，互補色：橙色c = {'藍色':'#00589F', '深藍色':'#003867', '淺藍色':'#5D9BCF',     '灰色':'#999999', '深灰色':'#666666', '淺灰色':'#CCCCCC',     '橙色':'#F68F00', '深橙色':'#A05D00', '淺橙色':'#FBC171'}
其次，從 Excel 文件中讀取隨機模擬的數據，並定義畫圖用的數據。
# 數據源路徑filepath='./data/問卷調查結果.xlsx'
# 讀取 Excel文件df = pd.read_excel(filepath, index_col='調查年度')
# 定義畫圖用的數據category_names = df.columnslabels = df.indexdata = df.valuesdata_cum = data.cumsum(axis=1)
接下來，開始用「面向對象」的方法進行畫圖。
# 使用「面向對象」的方法畫圖，定義圖片的大小fig, ax=plt.subplots(figsize=(6, 6))
# 設置背景顏色fig.set_facecolor('w')ax.set_facecolor('w')
# 設置標題ax.set_title('\n用戶滿意度隨時間的變化\n', fontsize=26, loc='left', color=c['深灰色'])
# 定義顏色category_colors = [c['淺灰色'], c['淺灰色'], c['橙色'], c['藍色'], c['藍色']]
# 畫斜率圖for i, color in zip(np.arange(len(df.columns)), category_colors):    ax.plot(df.index, df.iloc[:, i], marker='o', color=color)
    # 設置數據標籤及其文字顏色    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)
# 設置 Y 軸刻度範圍ax.set_ylim(df.values.min()-0.02, df.values.max()+0.01)
# 隱藏 Y 軸ax.yaxis.set_visible(False)
# 隱藏邊框ax.spines['top'].set_visible(False)ax.spines['right'].set_visible(False)ax.spines['left'].set_visible(False)ax.spines['bottom'].set_visible(False)
# 隱藏 X 軸的刻度線ax.tick_params(axis='x', which='major', length=0)
# 設置坐標標籤字體大小和顏色ax.tick_params(labelsize=16, colors=c['灰色'])
plt.show()
運行之後，便得到上面那張圖。
你可以前往 https://github.com/linjiwx/mp 下載畫圖用的數據和完整代碼。
03
對於同一組數據，不同的人可能會有不同的觀察視角，對它們進行可視化，往往也存在多種不同的解決方案，這裡介紹的方法，並不是唯一正確的答案。關鍵在於，圖表的設計者想要表達什麼信息？是否讓觀眾正確且快速地理解了想要表達的信息？
不同類型的圖表，有著不同的優勢和劣勢。
斜率圖的優勢，是能快速看到每個類別前後發生的變化，並能根據線條的陡峭程度，直觀地感受到變化的幅度。
斜率圖的劣勢，是看不出整體與部分的佔比關係。另外，如果類別的順序很重要，那麼也不適合使用斜率圖，因為類別會根據數值大小自動進行排列。
最後，留給你一道思考題：在你看到過的各種數據中，有哪些數據是適合用斜率圖進行對比分析的？
當你不知道該選擇什麼類型的圖表時，不妨停下來想一想，你希望讓觀眾了解什麼或者做什麼？
作者簡介
我是林驥，從 2008 年開始從事「數據化分析」，堅持用心做原創，期待你的關注。
▲ 長按二維碼識別關注，發送「入群」