Python数据可视化的例子——多个图形的合并

工作中往往会根据业务需求，将绘制的多个图形组合到一个大图框内，形成类似仪表板的效果。针对这种情况，如何应用Python将前面所学的各种图形汇总到一个图表中，这将是本节所要学习的重点。
关于多种图形的组合，可以使用matplotlib模块中的subplot2grid函数。这个函数的灵活性非常高，构成的组合图既可以是m×n的矩阵风格，也可以是跨行或跨列的矩阵风格。接下来，对该函数的用法和参数含义加以说明：

subplot2grid(shape, loc, rowspan=1, colspan=1, **kwargs)

• shape：指定组合图的框架形状，以元组形式传递，如2×3的矩阵可以表示成(2,3)。
• loc：指定子图所在的位置，如shape中第一行第一列可以表示成(0,0)。
• rowspan：指定某个子图需要跨几行。
• colspan：指定某个子图需要跨几列。

为了使读者理解函数中的四个参数，这里以2×3的组图布局为例，说明子图位置与跨行、跨列的概念，如下图所示：

这两种布局的前提都需要设置shape参数为(2,3)，所不同的是，左图一共需要布置6个图形；右图只需要布置4个图形，其中第三列跨了两行（rowspan需要指定为2），第二行跨了两列（colspan需要指定为2）。图框中的元组值代表了子图的位置。
接下来以某集市商品交易数据为例，绘制含跨行和跨列的组合图：

代码如下：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

#设置绘图风格
plt.style.use('ggplot')
#处理中文乱码
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
#坐标轴负号的处理
plt.rcParams['axes.unicode_minus']=False
# 读取数据
Prod_Trade = pd.read_excel(r'某集市商品交易数据.xlsx')
# 衍生出交易年份和月份字段
Prod_Trade['year'] = Prod_Trade.Date.dt.year
Prod_Trade['month'] = Prod_Trade.Date.dt.month

# 设置大图框的长和高
plt.figure(figsize = (12,6))

# 设置第一个子图的布局  matplotlib模块
ax1 = plt.subplot2grid(shape = (2,3), loc = (0,0))
# 统计2012年各订单等级的数量
Class_Counts = Prod_Trade.Order_Class[Prod_Trade.year == 2012].value_counts()
Class_Percent = Class_Counts/Class_Counts.sum()
# 将饼图设置为圆形（否则有点像椭圆）
ax1.set_aspect(aspect = 'equal')
# 绘制订单等级饼图
ax1.pie(x = Class_Percent.values, labels = Class_Percent.index, autopct = '%.1f%%')
# 添加标题
ax1.set_title('各等级订单比例')

# 设置第二个子图的布局  pandas模块
ax2 = plt.subplot2grid(shape = (2,3), loc = (0,1))
# 统计2012年每月销售额
Month_Sales = Prod_Trade[Prod_Trade.year == 2012].groupby(by = 'month').aggregate({
     'Sales':np.sum})
# 绘制销售额趋势图
Month_Sales.plot(title = '2012年各月销售趋势', ax = ax2, legend = False)
#设置横坐标的刻度范围
plt.xlim((1, 12))
# 删除x轴标签
ax2.set_xlabel('')

# 设置第三个子图的布局  seabron模块
ax3 = plt.subplot2grid(shape = (2,3), loc = (0,2), rowspan = 2)
# 绘制各运输方式的成本箱线图
sns.boxplot(x = 'Transport', y = 'Trans_Cost', data = Prod_Trade, ax = ax3)
# 添加标题
ax3.set_title('各运输方式成本分布')
# 删除x轴标签
ax3.set_xlabel('')
# 修改y轴标签
ax3.set_ylabel('运输成本')

# 设置第四个子图的布局  seabron模块
ax4 = plt.subplot2grid(shape = (2,3), loc = (1,0), colspan = 2)
# 2012年客单价分布直方图
sns.distplot(Prod_Trade.Sales[Prod_Trade.year == 2012], bins = 40, norm_hist = True, ax = ax4, hist_kws = {
     'color':'steelblue'}, kde_kws=({
     'linestyle':'--', 'color':'red'}))
# 添加标题
ax4.set_title('2012年客单价分布图')
# 修改x轴标签
ax4.set_xlabel('销售额')

# 调整子图之间的水平间距和高度间距
plt.subplots_adjust(hspace=0.6, wspace=0.3)
# 图形显示
plt.show()

结果：

如上图所示，构成了2×3风格的组合图，其中两幅子图是跨行和跨列的，而且这里特地选了matplotlib模块、pandas模块和seabron模块绘制子图，目的是让读者能够掌握不同模块图形的组合。针对如上代码，需要讲解几个重要的知识点：

• 在绘制每一幅子图之前，都需要运用subplot2grid函数控制子图的位置，并传递给一个变量对象（如代码中的ax1、ax2等）。
• 为了使子图位置（ax1、ax2等）产生效果，不同的绘图模块需要应用不同的方法。如果通过matplotlib模块绘制子图，则必须使用ax1.plot_function的代码语法（如上代码中，绘制饼图的过程）；如果通过pandas模块或seaborn模块绘制子图，则需要为绘图“方法”或函数指定ax参数（如上代码中，绘制折线图、直方图和箱线图的过程）。
• *如果为子图添加标题、坐标轴标签、刻度值标签等，不能直接使用plt.title、plt.xlabel、plt.xticks等函数，而是换成ax1.set_的形式（可参考如上代码中对子图标题、坐标轴标签的设置）。
• 由于子图之间的默认宽间距和高间距不太合理，故需要通过subplots_adjust函数重新修改子图之间的水平间距和垂直间距（如倒数第二行代码所示）。