安裝

pip install chartify, pandas

範例資料

Chartify是用來統計流水帳的一個套件. 其圖表是產生html後, 使用網頁瀏覽器顯示. 但產生的html及javascript在IE上的支援度不好, 有時用IE會看不到結果. 所以請把預設使用的瀏覽器改為Chrome.

chartify怕我們一時找不到資料, 所以裏面內藏了一大筆資料可以用, 使用如下方法, 即可產生DataFrame的資料表格. 這裏面有每一天每一國家不同水果的單價及銷售數量, 共1000筆資料

import pandas as pd
import chartify
df=chartify.examples.example_data()
print(df)

Scatter Chart

scatter[ˋskætɚ] 分散

底下簡易的代碼, 可以畫出x軸為單價, y軸為總價的圖表. 首先使用chartify.Chart()產生一個 ch圖表物件, 然後再使用ch.plot.scatter()指定圖表種類, 其資料來源為data_frame, 並指定x, y軸欄位即可, 最後記得使用 ch.show().

ch.show()可以產生一個html 檔, 並交由瀏覽器顯示. show(‘png’)即表示直接輸出成圖片, 但此作法會使用selenium 並啟用headless chromedriver顯示, 因為是headless, 所以意義不大

import pandas as pd
import chartify
df=chartify.examples.example_data()
ch=chartify.Chart()
ch.plot.scatter(data_frame=df, x_column='unit_price', y_column='total_price')
ch.show()

bokeh_plot

圖表資訊

圖表資訊包含了圖表標題, 副標, X、Y 軸標籤, 圖片的數據來源等等, 這些都可以一一修改

預設沒有標題, x, y軸標籤時, 會提示使用什麼方法來設定, 如果不想看到這些訊息, 可以在產生ch物件時設定

ch=chartify.Chart(blank_lables=True)

若要手動設定時, 可參照如下代碼

import pandas as pd
import chartify
df=chartify.examples.example_data()
ch=chartify.Chart()
ch.plot.scatter(data_frame=df, x_column='unit_price', y_column='total_price')
ch.set_title('各國水果價格')
ch.set_subtitle('2019年行情價')
ch.axes.set_xaxis_label('單價')
ch.axes.set_yaxis_label('總價')
ch.set_source_label('Power By Thomas')
ch.show()

bokeh_plot_2

Area Chart

請先由下網址下載來台旅遊人數Excel檔
https://data.gov.tw/dataset/45537

整理後的Excel檔, 請由此下載
/files/travel.xlsx

底下程式請記得先 pip install openpyxl xlrd

import pandas as pd
import chartify
pd.set_option('display.max_columns', None)
pd.set_option('display.max_rows', None)
pd.set_option('display.width', None)
pd.set_option('display.max_colwidth', None)
df_o=pd.read_excel('travel.xlsx')
print(df_o)
df_n=pd.DataFrame(columns=['area','year','qty'])
#底下轉換成流水帳格式
index=0
for i in range(df_o.shape[0]):
    for j in range(2,df_o.shape[1]):
        v=int(df_o.iloc[i,j])
        df_n.loc[index]=[df_o.iloc[i,0], str(df_o.columns[j]), v]
        index+=1
print(df_n)

ch=chartify.Chart(x_axis_type='datetime')
ch.plot.area(data_frame=df_n,x_column='year',y_column='qty',color_column='area',stacked=True)
ch.show()

bokeh_3

取消疊加 : 上述繪圖時, stacked=False的顯示結果如下

bokeh_4

Categorical Chart

categorical [͵kætəˋgɔrɪk!] 在統計學上稱為類別資料, 屬於分類的資料(如血型). 在chartify則用於繪制各種狀況的比率.

底下的代碼, x軸為年度 (categorical_column分類欄), y 軸(stack_column疊加欄)為地區, 數字欄為人數

在產生ch物件時, 需指定x軸種類為 x_axis_type=’categorical’

legend_location設定為 outside_buttom, 則可將圖例置於下方

ch=chartify.Chart(blank_labels=True,x_axis_type='categorical')
ch.plot.bar_stacked(data_frame=df_n, categorical_columns='year',stack_column='area', numeric_column='qty', normalize=True)
ch.set_legend_location('outside_bottom')
ch.show()

bokeh_5

xy軸轉向

只需在產生ch物件時, 分類軸改為y 軸即可

ch=chartify.Chart(blank_labels=True,y_axis_type='categorical')
ch.plot.bar_stacked(data_frame=df_n, categorical_columns='year',stack_column='area', numeric_column='qty', normalize=True)
ch.set_legend_location('outside_bottom')
ch.show()

bokeh_6

heatmap

熱度圖, 請看下面代碼

ch = chartify.Chart(x_axis_type='categorical',y_axis_type='categorical')
ch.plot.heatmap(
    data_frame=df_n,
    y_column='year',
    x_column='area',
    color_column='qty',
    text_column='qty',
    color_palette='Reds',
    text_format='{:,.0f}')
ch.show()

bokeh_7

安裝