这是一个自写库系列，即笔者在数据可视化路上踩过的坑的汇总，并自定义函数和传入参数来实现快速避坑 + 快速绘制出复杂精美的图片。
引言
Python 的绘图功能非常强大，如果能将已有的绘图库和各种复杂操作汇总在一个自己写的库/包中，并实现一行代码就调用并实现复杂的绘图功能，那就更强大了。所以本博文只强调绘图代码的实现，绘图中的统计学知识(名义变量，数值变量，xx图与xx图的区别等等)与 Python 基础库操作(seaborn，matplotlib)并不会提及，不过也欢迎关注，后续会有更多更广更丰富的知识疯狂输出。
业务需求 & 使用效果
老板：我有一份北京地区二手房房价的数据，帮我按照地区分一下类，每类的学区房与非学区房的占比情况汇报一下。
先看一下笔者的产图过程（逐渐去杀马特化）
Step1: 预览数据，饼图柱形图试一下
Step2：画出堆叠图，各种标准化
筋疲力尽的一波看似挺骚的操作后，才发现其实有轮子可以通过短短的几行代码完成，真的又浪费了不少青春，不过这个轮子似乎不好找，是自己以前无意间保存下来的。
代码展示！！
代码中的注释已经非常非常详细了！希望能够帮你规避画图中的各种坑。绘图代码并不是自己创作的，而是从前人(创造绘图库的人)和各种大神的代码中学习并积累下来的，为了画出一幅还比较完美的图，已经踩过无数的坑了，最终通过自己设置函数和函数中的参数来进行自定义的传参绘制，真的太难了
# 基础绘图库
import matplotlib.pyplot as plt
import seaborn as sns
# %matplotlib inline
# 各种细节配置如 文字大小，图例文字等杂项
large = 22; med = 16; small = 12
params = {'axes.titlesize': large,
'legend.fontsize': med,
'figure.figsize': (16, 10),
'axes.labelsize': med,
'axes.titlesize': med,
'xtick.labelsize': med,
'ytick.labelsize': med,
'figure.titlesize': large}
plt.rcParams.update(params)
plt.style.use('seaborn-whitegrid')
sns.set_style("white")
plt.rc('font', **{'family': 'Microsoft YaHei, SimHei'}) # 设置中文字体的支持
# sns.set(font='SimHei') # 解决Seaborn中文显示问题，但会自动添加背景灰色网格
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
def stack2dim(raw, i, j, rotation=0, location='best'):
'''
此函数是为了画两个维度标准化的堆积柱状图
raw为pandas的DataFrame数据框
i、j为两个分类变量的变量名称，要求带引号，比如"school"
rotation：水平标签旋转角度，默认水平方向，如标签过长，可设置一定角度，比如设置rotation = 40
location：分类标签的位置，如果被主体图形挡住，可更改为'upper left'
'''
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import math
data_raw = pd.crosstab(raw[i], raw[j])
data = data_raw.div(data_raw.sum(1), axis=0) # 交叉表转换成比率，为得到标准化堆积柱状图
# 计算x坐标，及bar宽度
createVar = locals()
x = [0] # 每个bar的中心x轴坐标
width = [] # bar的宽度
k = 0
for n in range(len(data)):
# 根据频数计算每一列bar的宽度
createVar['width' + str(n)] = list(data_raw.sum(axis=1))[n] / sum(data_raw.sum(axis=1))
width.append(createVar['width' + str(n)])
if n == 0:
continue
else:
k += createVar['width' + str(n - 1)] / 2 + createVar['width' + str(n)] / 2 + 0.05
x.append(k)
# 以下是通过频率交叉表矩阵生成一串对应堆积图每一块位置数据的数组，再把数组转化为矩阵
y_mat = []
n = 0
y_level = len(data.columns)
for p in range(data.shape[0]):
for q in range(data.shape[1]):
n += 1
y_mat.append(data.iloc[p, q])
if n == data.shape[0] * data.shape[1]:
break
elif n % y_level != 0:
y_mat.extend([0] * (len(data) - 1))
elif n % y_level == 0:
y_mat.extend([0] * len(data))
y_mat = np.array(y_mat).reshape(-1, len(data))
y_mat = pd.DataFrame(y_mat) # bar图中的y变量矩阵，每一行是一个y变量
# 通过x，y_mat中的每一行y，依次绘制每一块堆积图中的每一块图
from matplotlib import cm
cm_subsection = [level for level in range(y_level)]
colors = [cm.Pastel1(color) for color in cm_subsection]
bottom = [0] * y_mat.shape[1]
createVar = locals()
for row in range(len(y_mat)):
createVar['a' + str(row)] = y_mat.iloc[row, :]
color = colors[row % y_level]
if row % y_level == 0:
bottom = bottom = [0] * y_mat.shape[1]
if math.floor(row / y_level) == 0:
label = data.columns.name + ': ' + str(data.columns[row])
plt.bar(x, createVar['a' + str(row)],
width=width[math.floor(row / y_level)], label=label, color=color)
else:
plt.bar(x, createVar['a' + str(row)],
width=width[math.floor(row / y_level)], color=color)
else:
if math.floor(row / y_level) == 0:
label = data.columns.name + ': ' + str(data.columns[row])
plt.bar(x, createVar['a' + str(row)], bottom=bottom,
width=width[math.floor(row / y_level)], label=label, color=color)
else:
plt.bar(x, createVar['a' + str(row)], bottom=bottom,
width=width[math.floor(row / y_level)], color=color)
bottom += createVar['a' + str(row)]
plt.title(j + ' vs ' + i)
group_labels = [str(name) for name in data.index]
plt.xticks(x, group_labels, rotation=rotation)
plt.ylabel(j)
plt.legend(shadow=True, loc=location)
plt.show()
后记
数据分析，商业实践，数据可视化，网络爬虫，统计学，Excel，Word, 社会心理学，认知心理学，行为科学，民族意志学 各种专栏后续疯狂补充。
欢迎评论与私信交流！
