這篇文章給大家分享的是有關(guān)Python數(shù)據(jù)可視化中象限圖有什么用的內(nèi)容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。

創(chuàng)新互聯(lián)是一家專業(yè)提供方山企業(yè)網(wǎng)站建設(shè),專注與網(wǎng)站建設(shè)、網(wǎng)站制作、H5網(wǎng)站設(shè)計、小程序制作等業(yè)務(wù)。10年已為方山眾多企業(yè)、政府機(jī)構(gòu)等服務(wù)。創(chuàng)新互聯(lián)專業(yè)網(wǎng)站建設(shè)公司優(yōu)惠進(jìn)行中。

Python 的繪圖功能非常強(qiáng)大，如果能將已有的繪圖庫的各種復(fù)雜操作匯總在一個自己寫的函數(shù)甚至是庫/包中，并實現(xiàn)一行代碼就調(diào)用并實現(xiàn)復(fù)雜的繪圖功能，那就更是如虎添翼。

今天，我們就來講講一學(xué)就會的象限圖。

上圖學(xué)名叫波士頓矩陣分析圖，大白話四象限圖。這種圖經(jīng)常用于兩個維度的散點圖中，根據(jù)特定的分割線（均值，目標(biāo)值，實際值等）將數(shù)據(jù)分為四類，使人一目了然。

常用的場景為分析兩個維度的變化比如：比較商品的庫存天數(shù)和庫存周轉(zhuǎn)率，充值人數(shù)和每付費(fèi)用戶平均收益，購物籃系數(shù)和購物籃數(shù)量等。

如何使用 Python 畫出此圖是本文的目標(biāo)，事不宜遲，趕快開始！

任何復(fù)雜的 Python 繪圖都不是一蹴而就的，而是先畫出基礎(chǔ)圖形，后在此基礎(chǔ)上按需添加元素并優(yōu)化而成。這里以一組城市經(jīng)濟(jì)數(shù)據(jù)為例來講解繪圖步驟

基礎(chǔ)散點圖

df = pd.read_csv('data.csv')
df; df.plot(kind='scatter', x='經(jīng)濟(jì)總量水平', y='人均水平')

成圖如下：

《數(shù)據(jù)化管理》庫存天數(shù)與銷售數(shù)量分析

最后總結(jié)一下，Python 的一些繪圖方法、參數(shù)看似瑣碎，但積累到一定程度后，便可以發(fā)現(xiàn)許多技巧都存在共通之處。小事情重復(fù)做也會成為大麻煩，所以高手都懂得分類處理。

貫通了 3 個核心，我們才能省時省事，成為別人眼中的高手：

• 大量重復(fù)的工作懂得批處理。

• 反復(fù)要做的固定操作固化成 ">。

• 碰到異常情況，知道如何準(zhǔn)確高效的解決。

所以我們可以將四象限圖的繪制方法封裝成自己的函數(shù)以供快捷調(diào)用，篇幅原因就不多展示了。

上文核心代碼如下：

import matplotlib.pyplot as plt

# 為每個點添加對應(yīng)的城市名稱
plt.figure(figsize=(10, 8))
# 基礎(chǔ)散點圖：這里需要單獨拆開 x，y 軸和希望配對的標(biāo)簽，為下面的輪子做準(zhǔn)備
x, y = df['經(jīng)濟(jì)總量水平'], df['人均水平']
label = df['area']
plt.scatter(x, y)
plt.xlabel('經(jīng)濟(jì)總量水平'); plt.ylabel('人均水平')

# 對散點圖中的每一個點進(jìn)行文字標(biāo)注
 ## 固定代碼，無需深究，拿來即用
for a,b,l in zip(x,y,label): # zip 拉鏈函數(shù)將其配對組合
    plt.text(a, b+0.1, '%s.' % l, ha='center', va='bottom', 
                                             fontsize=14)
               # 0.1 向上輕微偏移
        
# 添加特定分割線
 ## vlines: vertical 垂直于 x 軸的線，在變量'經(jīng)濟(jì)總量'的均值處開始畫，
   ## y 軸的范圍[1.5, 3]
plt.vlines(x=df['經(jīng)濟(jì)總量水平'].mean(), ymin=-1.5, ymax=3, 
           colors='red', linewidth=2)
plt.hlines(y=df['人均水平'].mean(), xmin=-4, xmax=6,
           colors='red', linewidth=2)

# 背景網(wǎng)格
plt.grid(True)
# 定制需求：隱去四周的邊框線條
# sns.despine(trim=True, left=True, bottom=True)

感謝各位的閱讀！關(guān)于“Python數(shù)據(jù)可視化中象限圖有什么用”這篇文章就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，讓大家可以學(xué)到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！