1、簡介
圖片
最富有的5個國家的GDP隨時間的演變
Matplotlib可以快速輕松地使用現成的函數繪制圖表，但是微調步驟需要花費更多精力。今天就來介紹如何使用Matplotlib繪制吸引人的圖表。
本文詳細介紹如何從下面這張圖↓
圖片
優化為下面這張圖↓
圖片
2、數據
為了說明方法，本文使用了包含過去50年各國GDP信息的公開數據集：
來源：世界銀行國民賬戶數據和OECD（經濟合作與發展組織）國民賬戶數據文件。
許可證URL：https://datacatalog.worldbank.org/public-licenses#cc-by
導入必要的軟件包、讀取數據、繪制圖表，對2022年的GDP前20個國家進行篩選：
import pandas as pd
import matplotlib.pyplot as plt
from datetime import timedelta
# 讀取數據
df = pd.read_csv('88a1e584-0a94-4e73-b650-749332831ef4_Data.csv', sep=',')
df.drop(['Series Name', 'Series Code', 'Country Code'], axis=1, inplace=True)
df = df.dropna(subset=['Country Name'])
# 對 2022 年最富有的 20 個國家進行篩選
top_20_countries = df[df['Year'] == '2022-01-01'].sort_values('GDP', ascending = False).head(20)['Country Name'].tolist()
df = df[df['Country Name'].isin(top_20_countries)].reset_index(drop = True)
df.head()
3、基本圖
首先，只需四行代碼就足以創建圖形，并循環遍歷各國以繪制它們各自的折線：
# 創建圖形和坐標軸對象，指定尺寸和DPI
fig, ax = plt.subplots(figsize=(13.33,7.5), dpi = 96)
# 繪制折線
for country in top_20_countries:
data = df[df['Country Name'] == country]
line = ax.plot(data['Year'], data['GDP'], label=country)
最基本的Matplotlib折線圖
4、基本要素
接下來向圖表中添加一些關鍵內容，使其更易于觀眾閱讀。
- 網格
為了提高圖表的可讀性，網格是必不可少的。將網格的透明度設置為0.5，這樣它們就不會對數據點造成太大干擾。
- X軸和Y軸重新格式化
為了更全面地了解微調的可能性，本文故意添加了更多的參數。例如，X軸不需要major_formatter 和major_locator對象，因為本文只顯示年份，但如果讀者的X軸包含其他數字，這就會派上用場。
- 圖例
由于要顯示很多條線，因此添加標簽和圖例非常重要，這樣讀者就能知道哪條線是哪條線。
# 添加圖例
ax.legend(loc="best", fnotallow=8)
# 創建網格
ax.grid(which="major", axis='x', color='#DAD8D7', alpha=0.5, zorder=1)
ax.grid(which="major", axis='y', color='#DAD8D7', alpha=0.5, zorder=1)
# 重新格式化x軸標簽和刻度線標簽
ax.set_xlabel('', fnotallow=12, labelpad=10) # 不需要軸標簽
ax.xaxis.set_label_position("bottom")
#ax.xaxis.set_major_formatter(lambda s, i : f'{s:,.0f}') #以防萬一我們需要額外的格式設置
#ax.xaxis.set_major_locator(MaxNLocator(integer=True)) #以防我們需要額外的格式化
ax.xaxis.set_tick_params(pad=2, labelbottom=True, bottom=True, labelsize=12, labelrotatinotallow=0)
# 重新格式化y軸
ax.set_ylabel('GDP (Billions USD)', fnotallow=12, labelpad=10)
ax.yaxis.set_label_position("left")
ax.yaxis.set_major_formatter(lambda s, i : f'{s*10**-9:,.0f}')
#ax.yaxis.set_major_locator(MaxNLocator(integer=True)) #以防我們需要額外的格式化
ax.yaxis.set_tick_params(pad=2, labeltop=False, labelbottom=True, bottom=False, labelsize=12)
圖片
為本文的圖表添加一些必要的功能
5、突出重點
接下來，突出顯示最富有的五個國家，并跟蹤其GDP隨時間的變化。在字典中定義了特定的顏色和線條樣式，并對代碼稍作修改，以單獨繪制它們。
# 顏色和線條樣式
colors_dict = {'United States': '#014f86', 'China': '#DC0000', 'Japan': '#ff4d6d', 'Germany': '#403d39', 'India': '#6a994e'}
line_styles_dict = {'United States': '-', 'China': '-', 'Japan': '-', 'Germany': '-', 'India': '-'}
# 繪制前5條線
for country in top_20_countries[:5]:
color = colors_dict.get(country, 'grey') # 從字典中獲取顏色，如果找不到，默認為灰色
line_style = line_styles_dict.get(country, '-') # 從字典中獲取線條樣式，如果未找到，默認為實線
data = df[df['Country Name'] == country]
line = ax.plot(data['Year'], data['GDP'], color=color, linestyle=line_style, zorder=2, label=country)
# 添加圖例
ax.legend(loc="best", fnotallow=8)
# 繪制剩余部分
for country in top_20_countries[5:]:
data = df[df['Country Name'] == country]
line = ax.plot(data['Year'], data['GDP'], color='grey', linestyle=':', linewidth=0.5, zorder=2)
圖片
仍然是相同的折線圖，但故事更清晰了
6、修改外觀
為本文的圖表添加一些功能，可以使其看起來更加專業。它們將位于所有圖表的頂部，并且與本文中使用的數據無關。
通過下面的代碼片段，這些調整將很容易實現。
讀者可以根據自己的需求對其進行調整，以創建自己的視覺風格。
- 邊框
邊框是圖表周圍可見的框。除了左邊的邊框會設置得稍微粗一些外，其余的邊框都將被移除。
- 頂部的紅線和矩形
在標題上方添加一條紅線和一個矩形，以便將圖表與上方的文本很好地隔離開來。
- 標題和副標題
添加標題來介紹圖表，副標題可以用來進一步解釋內容，甚至呈現初步的結論。
- 來源
在所有制作的圖表中都必不可少的一項。
- 調整邊距
調整圖表區域周圍的邊距，以確保充分利用所有可用空間。
- 設置白色背景
將背景設置為白色（默認為透明）在通過電子郵件、Teams或任何其他工具發送圖表時非常有用，因為透明背景可能會造成問題。
# 移除邊框
ax.spines[['top','right','bottom']].set_visible(False)
# 加粗左側邊框
ax.spines['left'].set_linewidth(1.1)
# 在頂部添加紅線和矩形
ax.plot([0.05, .9], [.98, .98], transform=fig.transFigure, clip_notallow=False, color='#E3120B', linewidth=.6)
ax.add_patch(plt.Rectangle((0.05,.98), 0.04, -0.02, facecolor='#E3120B', transform=fig.transFigure, clip_notallow=False, linewidth = 0))
# 添加標題和副標題
ax.text(x=0.05, y=.93, s="Evolution of the 20 Richest Countries GDP over the Past 50 Years", transform=fig.transFigure, ha='left', fnotallow=14, weight='bold', alpha=.8)
ax.text(x=0.05, y=.90, s="Focus on the current 5 richest countries from 1973 to 2022", transform=fig.transFigure, ha='left', fnotallow=12, alpha=.8)
# 設置來源文本
ax.text(x=0.05, y=0.12, s="Source: World Bank - https://databank.worldbank.org/", transform=fig.transFigure, ha='left', fnotallow=10, alpha=.7)
# 調整繪圖區域周圍的邊距
plt.subplots_adjust(left=None, bottom=0.2, right=None, top=0.85, wspace=None, hspace=None)
# 設置白色背景
fig.patch.set_facecolor('white')
本文的視覺風格應用于圖表，使其更加整潔
7、點睛之筆
為了得到在文章開頭介紹的最終結果，剩下要做的就是實現這幾個額外的組件：
- 終點標記
這些元素純粹是為了美觀，但能為本文的折線圖增添一份亮點。用標記突出顯示每條折線的最后一個點，使其更加醒目。
- 注釋
借助annotate方法，可以突出顯示圖表中的特定點，并在其上直接添加注釋。
# 繪制前5條線
for country in top_20_countries[:5]:
color = colors_dict.get(country, 'grey') # 從字典中獲取顏色，如果找不到，默認為黑色
line_style = line_styles_dict.get(country, '-') # 從字典中獲取線條樣式，如果找不到，默認為實線
data = df[df['Country Name'] == country]
line = ax.plot(data['Year'], data['GDP'], color=color, linestyle=line_style, zorder=2, label = country)
ax.plot(data['Year'].iloc[-1], data['GDP'].iloc[-1], 'o', color=color, markersize=10, alpha=0.3)
ax.plot(data['Year'].iloc[-1], data['GDP'].iloc[-1], 'o', color=color, markersize=5)
# 在圖表上添加一些文字
ax.annotate('During the 2000s,nChina began experiencing rapid economic growth,noutpacing all other countries.',
(data['Year'].iloc[-18], 2000000000000),
xytext=(data['Year'].iloc[-28]-timedelta(days=500), 18000000000000),
ha='left', fnotallow=9, arrowprops=dict(arrowstyle='-|>', facecolor='k', cnotallow="arc3,rad=-0.15"))
圖片
最終成果：這個折線圖清晰易讀
8、結語
本文分享了使用Matplotlib繪制折線圖的知識，同時提供了實用可重復使用的代碼片段。
