迹忆客 专注技术分享

Matplotlib 是一个 Python 库，提供了广泛的绘图功能。 matplotlib 最有用的功能之一是 stackplot 函数。

它允许您创建堆积面积图，其中每个数据系列的值相互堆叠。 它对于可视化具有多个子类别的数据特别有用。

例如，您可以使用它来可视化按性别、年龄组或位置细分的数据。

这也是可视化累积数据的好方法。 例如，您可以使用 stackplot 可视化作者在整个职业生涯中售出的书籍总数。

如果您正在探索一种可视化多维数据的方法，Matplotlib 的 stackplot 函数是一个很好的选择。

Python 中的堆栈图

stackplot 是显示不同数据块彼此重叠的图。 堆栈图最常见的用途是显示数据集的不同部分对总数的贡献。

例如，您可能有显示每天日照总小时数的数据，也有显示一天中每个部分贡献的日照小时数的数据。

它可以让您了解日照总小时数如何随时间变化，以及一天中的每一部分如何对总小时数做出贡献。

数据集彼此堆叠。 第一个数据设置在堆栈底部，最后一个数据设置在顶部。

使用 Matplotlib 的 Stackplot 函数

Matplotlib 的 stackplot 函数允许您创建堆积面积图。 这对于可视化具有正值和负值的数据很有用。

要使用它，您必须将数据作为列表列表。

每个子列表应包含一个数据集的数据。 然后该函数会将数据集堆叠在一起。

您还可以通过将颜色列表传递给 stackplot 函数来指定每个数据集的颜色。 第一个数据集的默认配色方案为蓝色，第二个数据集为橙色，第三个数据集为绿色。

代码：

# import matplotlib
import matplotlib.pyplot as plt

# months
months = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]

# working weeks each month
working_weeks = [4,2,3,4,2,4,3,4,3,2,1,0]

# non-working weeks each month
non_working_weeks =  [0,2,1,0,2,0,1,0,1,2,3,4]

# Stackplot with the above data
plt.stackplot(months, working_weeks, non_working_weeks,
              colors =['g', 'b'])

# months
plt.xlabel('months')

# working weeks
plt.ylabel("working_weeks")

# set the title of the Graph
plt.title('Working and Non Working weeks in an year')

# show the graph
plt.show()

输出:

Matplotlib Stackplot 的好处

Matplotlib stackplot 是 Python 最受欢迎的数据可视化库之一。 它允许您轻松创建漂亮的图表和图形，并且是高度可定制的。

stackplot 的一大优点是它非常易于使用。 您只需几行代码就可以创建一个基本图表。

如果您需要更多控制，您可以随时调整代码以获得所需的结果。

另一个好处是它非常通用。 您可以利用它制作各种不同类型的图表和图形。

无论您是想为演示文稿还是研究论文可视化数据，它都可以帮助您完成工作。

因此，如果您正在寻找易于使用且高度可定制的数据可视化库，它是一个不错的选择。

总结

这篇博客的结论是，stackplot 是在同一绘图上可视化多个数据集的好方法。 当您比较每个数据集的相对大小时，它特别有用。

这也解释了关于stackplot的使用。 为此，传入要绘制的数据并指定 stack 关键字。

然后 Stackplot 将自动从下到上堆叠数据。

您还可以为每个数据堆栈指定一种颜色，这对于区分不同的数据集很有用。