本文共 2080 字，大约阅读时间需要 6 分钟。

数据获取

       •绘制气泡所需的数据与之前散点图的数据是一样的，都是美国中西部地区人口分布详情数据集，需要数据的可通过下面博客获取：

       •上述数据集中包含很多常用的数据集，可供我们平时数据分析使用，非常实用！！！

数据分析

与散点图对比

       •用上述数据绘制的散点图如下：

       •散点图仅仅反映了横，纵坐标之间的关系，没有真实的反映出点与点不同性质之间的差异，不方便我们对比点与点之间的对应关系        •此时我们就需要气泡图：气泡图允许在图表中额外加入一个表示大小的变量进行点与点对比

绘制气泡图

确定需要对比的属性

       •绘制流程和散点图相似，导入数据，确定横纵坐标，不同点：需要确定一个特征性质，进行点与点之间的属性对比

       •我们选择所有特征中的’‘亚洲人口’'作为我们需要对比的属性进行绘图

代码测试：

import matplotlib.pyplot as pltimport numpy as npimport pandas as pdimport seaborn as sns# 导入数据midwest = pd.read_csv(r'D:\9\midwest_filter.csv')# 预设图像各种信息large = 22med = 16small = 12params = {
   'axes.titlesize': large,  # 子图上的标题字体大小          'legend.fontsize': med,  # 图例的字体大小          'figure.figsize': (med, small),  # 画布大小          'axes.labelsize': med,  # 标签的字体大小          'xtick.labelsize': med,  # x轴标尺的字体大小          'ytick.labelsize': med,  # y轴标尺的字体大小          'figure.titlesize': large}  # 整个画布的标题字体大小plt.rcParams.update(params)  # 设定各种默认属性plt.style.use('seaborn-whitegrid')  # 设置整体风格sns.set_style('white')  # 设置整体背景风格# 准备标签列表与颜色列表categories = np.unique(midwest['category'])colors = [plt.cm.tab10(i / float(len(categories) - 1)) for i in range(len(categories))]# 布置画布fig = plt.figure(figsize=(14, 8), dpi=120, facecolor='w', edgecolor='k')for i, category in enumerate(categories):    plt.scatter('area', 'poptotal', data=midwest.loc[midwest.category == category, :]                , s=midwest.loc[midwest.category == category, 'percasian'] * 500  # 需要对比的属性                , c=np.array(colors[i]).reshape(1, -1)  # 点的颜色                , edgecolors=np.array(colors[i]).reshape(1, -1)  # 点的边缘颜色                , label=str(category)  # 标签                , alpha=0.7  # 透明度                , linewidths=.5)  # 点的边缘线的宽度# 装饰图像plt.gca().set(xlim=(0.0, 0.12), ylim=(0, 90000),              xlabel='Area', ylabel='Population')plt.xticks(fontsize=12)plt.yticks(fontsize=12)plt.title('Bubble Plot Encircling', fontsize=22)lgnd = plt.legend(fontsize=12)plt.show() # 显示图像

       •上述代码与散点图不同的只有一行： s=midwest.loc[midwest.category == category, ‘percasian’] * 500 # 需要对比的属性

选取亚洲人口作为对比属性，使用循环，切片取出属性的值        •上述图片中的点的大小代表该城市亚洲人口的多少，并与我们的散点图进行联系

转载地址：http://lyrzi.baihongyu.com/