如何在Python中创建“Split-Bars”图？

Question

在

datawrapper.de

 可视化服务中，可以使用“Split-Bars”图；我想使用 matplotlib （等）在 Python 中重新创建可视化绘图类型（以编程方式）。

SO上没有找到相关问题。

问题描述：结构看起来是表格格式；每个单元格都填充有阴影区域；到给定的填充百分比。轴线被移除。值文本颜色根据背景颜色而变化。值文本位置根据百分比值而变化。

尝试：ChatGPT 建议ax.imshow()

生成带有颜色的每个单元格，但是（据我所知）它缺乏％填充功能。我恢复到

ax.fill_between()

，但是这只适用于沿轴（X或是）。最后我尝试了 

ax.add_patch(Rectangle(...))

，这似乎是外部“传奇”色块和内部 

ax

 ％填充色块的理想选择。使用此方法的解决方案如下所示。

Answer 1

图书馆代码：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import LinearSegmentedColormap
from matplotlib.patches import Rectangle
import matplotlib.font_manager as font_manager

# Add every font at the specified location
font_dir = ['path/to/AppData/Local/Microsoft/Windows/Fonts/']
for font in font_manager.findSystemFonts(font_dir):
    font_manager.fontManager.addfont(font)    
from matplotlib.font_manager import findfont, FontProperties
font = findfont(FontProperties(family=['Roboto']))
matplotlib.rcParams['font.family'] = 'sans-serif'
matplotlib.rcParams['font.sans-serif'] = 'Roboto'


def plot_split_bar(data, metrics, categories, 
                   colors=[(0.6431, 0.9412, 1.0),
                         (0.0, 0.6392, 0.6902),
                         (0.0, 0.349, 0.3765),
                         (0.2039, 0.749, 0.8118),
                         (0.0, 0.4392, 0.4745),
                         (0.3686, 0.8549, 0.9255),
                         (0.0, 0.5373, 0.5804)], 
                   precision=2, fig_size=None):


    numrows = data.shape[0]
    numcols = data.shape[1]
    data_max = np.max(data)*1.025
    fig, ax = plt.subplots()
    if fig_size:
        fig.set_size_inches(fig_size)
    # Set labels and ticks
    ax.set_xticks(np.arange(len(categories))-0.14)
    ax.set_xticklabels(categories, fontsize=8, fontname='Roboto', ha='left', va='center', y=1.001, weight='bold')
    ax.xaxis.tick_top()
    ax.xaxis.set_ticks_position('none') 
    ax.set_yticks(np.arange(len(metrics))+0.26)
    ax.set_yticklabels(metrics, fontsize=7, fontname='Roboto', x=0.025, ha='right')
    ax.spines[['right', 'top','bottom','left']].set_visible(False)
    
    # Add text annotation
    for i in range(len(data)):
        for j in range(len(data[i])):
            perc = data[i][j]/data_max
            ax.add_patch(Rectangle((j-.29, i-.25), perc, 0.95,
                                     facecolor = colors[j],
                                     alpha=1,
                                     fill=True,
                                  ))
            text_pos = (j-0.26)+perc if perc < 0.5 else (j-(0.26)+.1)
            text_col = '#333' if perc < 0.5 else 'white'
            text_col = '#333' if text_col=='white' and np.mean(colors[j])>0.5 else text_col
            text_bold = None if perc < 0.5 else 'bold'
            text_perc = f'{data[i][j]:,.{precision}f}' if f'{data[i][j]:,.1f}'[-2:]!='.0' else f'{data[i][j]:,.0f}'
            ax.text(text_pos, i+.15, text_perc, ha='left', va='center', 
                    fontname='Roboto', color=text_col, fontsize=7, weight=text_bold)
    ax.grid(False)
    ax.set_ylim(0-0.5, numrows)
    ax.set_xlim(0-0.5, numcols)
    
    for j in range(len(categories)):
        ax.add_patch(Rectangle((j-0.31, len(data)+.4), 0.15, .7,
                                 facecolor = colors[j],
                                 clip_on=False,
                                 alpha=1,
                                 fill=True,
                              ))
    plt.show()

化石燃料数据中全球二氧化碳排放量的使用：

data = pd.DataFrame(arr[1:],columns=arr[0] ).set_index('year').iloc[::-1]
plot_split_bar(data=data.astype(float).to_numpy(), 
               metrics=data.index.tolist(), 
               categories=data.columns, 
               precision=2,
               fig_size=(5, 3)
              )

与伪随机生成的数据一起使用：

cols = 3
data = pd.DataFrame( np.random.rand(5,cols), columns=[chr(65+i) for i in range(cols)]).iloc[::-1]
plot_split_bar(data=data.to_numpy(), 
               metrics=data.index.tolist(), 
               categories=data.columns, 
               precision=2,
               fig_size=(5, 1)
              )