Python 數據可視化：柱狀圖繪制實例解析

一、引言

數據可視化是數據分析中至關重要的環節，它能將復雜的數據以直觀的圖形方式呈現，幫助我們更好地理解數據特征和規律。Python 擁有豐富的可視化庫，其中 Matplotlib 是最常用的基礎庫之一，能夠繪制多種類型的圖表。

本文將以雙平臺優化算法代碼中的可視化部分為例，詳細解讀柱狀圖的繪制方法及相關函數的使用。

二、Matplotlib 基礎

Matplotlib 是 Python 中最流行的繪圖庫，提供了類似 MATLAB 的繪圖接口，支持多種圖表類型。在代碼中，主要通過 matplotlib.pyplot 模塊（通常簡寫為 plt）進行繪圖操作。

核心概念：

• Figure：畫布，是所有圖表的容器
• Axes：子圖，一個畫布可以包含多個子圖
• 面向對象編程：通過子圖對象（ax）調用繪圖方法

三、代碼中的可視化實現解析

在提供的代碼中，DualPlatformOptimization 類包含兩個主要的可視化方法：create_visualizations() 和 create_candidate_comparison_chart()，主要用于展示雙平臺優化的結果。

3.1 多子圖布局創建

# 創建主要可視化圖
fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, figsize=(16, 12))
fig.suptitle('大型分組雙平臺優化分析', fontsize=16, fontweight='bold')

函數解析：

• plt.subplots(2, 2, figsize=(16, 12))：創建一個 2x2 的子圖布局（共4個子圖）
  • 參數 2, 2：表示 2 行 2 列的子圖布局
  • 參數 figsize=(16, 12)：設置整個畫布的尺寸（寬16，高12）
• fig.suptitle()：設置整個畫布的總標題
  • fontsize：設置字體大小
  • fontweight='bold'：設置字體為粗體

3.2 候選平臺響應時間對比柱狀圖

# 圖3: 候選平臺評估對比
ax3.set_title('候選平臺響應時間對比', fontweight='bold')if self.analysis_results and 'all_evaluations' in self.analysis_results:candidates = list(self.analysis_results['all_evaluations'].keys())response_times = [self.analysis_results['all_evaluations'][c]['total_response_time'] for c in candidates]# 只顯示前10個候選平臺以避免圖表過于擁擠if len(candidates) > 10:# 按響應時間排序，顯示最好的10個sorted_pairs = sorted(zip(candidates, response_times), key=lambda x: x[1])candidates = [p[0] for p in sorted_pairs[:10]]response_times = [p[1] for p in sorted_pairs[:10]]colors = ['gold' if c == self.optimal_second_platform else 'lightblue' for c in candidates]bars = ax3.bar(range(len(candidates)), response_times, color=colors, edgecolor='black', alpha=0.7)ax3.set_xticks(range(len(candidates)))ax3.set_xticklabels([f'路口{c}' for c in candidates], rotation=45)ax3.set_ylabel('總響應時間')# 添加數值標簽for bar, time in zip(bars, response_times):height = bar.get_height()ax3.text(bar.get_x() + bar.get_width()/2., height + height*0.01,f'{time:.1f}', ha='center', va='bottom', fontsize=8)ax3.grid(True, alpha=0.3)

函數解析：

1. ax3.set_title()：設置當前子圖的標題

2. ax3.bar()：繪制柱狀圖

   • 參數1：x軸坐標（這里使用 range(len(candidates)) 生成連續整數）
   • 參數2：柱狀圖高度（響應時間數據）
   • color=colors：設置柱子顏色（最優平臺用金色突出顯示）
   • edgecolor='black'：設置柱子邊框顏色
   • alpha=0.7：設置透明度（0-1之間）

3. 坐標軸設置：

   • ax3.set_xticks()：設置x軸刻度位置
   • ax3.set_xticklabels()：設置x軸刻度標簽
     • rotation=45：標簽旋轉45度，避免重疊
   • ax3.set_ylabel()：設置y軸標簽

4. 添加數據標簽：

   • ax3.text()：在指定位置添加文本
     • 參數1,2：文本位置坐標
     • 參數3：要顯示的文本內容（格式化的響應時間）
     • ha='center'：水平居中對齊
     • va='bottom'：垂直底部對齊

5. ax3.grid(True, alpha=0.3)：顯示網格線，alpha 設置網格線透明度

3.3 候選平臺詳細對比柱狀圖

# 總響應時間對比
colors1 = ['gold' if c == self.optimal_second_platform else 'lightcoral' for c in candidates_sorted]
bars1 = ax1.bar(range(len(candidates_sorted)), total_times_sorted, color=colors1, alpha=0.7, edgecolor='black')
ax1.set_title('候選平臺總響應時間對比', fontweight='bold')
ax1.set_xlabel('候選平臺')
ax1.set_ylabel('總響應時間')
ax1.set_xticks(range(len(candidates_sorted)))
ax1.set_xticklabels([f'路口{c}' for c in candidates_sorted], rotation=45)# 添加數值標簽
for bar, time in zip(bars1, total_times_sorted):height = bar.get_height()ax1.text(bar.get_x() + bar.get_width()/2., height + height*0.01,f'{time:.1f}', ha='center', va='bottom', fontsize=8)

這段代碼與前面的柱狀圖繪制邏輯相似，但有幾個值得注意的點：

1. 數據排序：先對候選平臺按響應時間排序，使圖表更具可讀性
2. 顏色方案：使用不同的顏色方案區分不同類型的柱狀圖
3. 同時展示了總響應時間和平均響應時間兩組數據，便于對比分析

3.4 圖表保存與顯示

plt.tight_layout()
plt.savefig('大型分組雙平臺優化分析.png', dpi=300, bbox_inches='tight')
print("可視化圖表已保存: 大型分組雙平臺優化分析.png")
plt.show()

函數解析：

• plt.tight_layout()：自動調整子圖參數，使子圖之間的布局更合理
• plt.savefig()：保存圖表到文件
  • 參數1：文件名
  • dpi=300：設置圖像分辨率（300dpi適合印刷）
  • bbox_inches='tight'：去除圖像周圍的空白區域
• plt.show()：顯示圖表

四、熱力圖繪制簡介

雖然提供的代碼中沒有熱力圖的實現，但熱力圖是另一種常用的可視化方式，通常用于展示數據的矩陣分布。以下是使用 Matplotlib 繪制熱力圖的基本示例：

import numpy as np
import matplotlib.pyplot as plt# 生成示例數據
data = np.random.rand(10, 10)  # 10x10的隨機數據矩陣# 創建畫布和子圖
fig, ax = plt.subplots(figsize=(8, 6))# 繪制熱力圖
heatmap = ax.imshow(data, cmap='viridis')# 添加顏色條
cbar = plt.colorbar(heatmap)
cbar.set_label('數值強度')# 設置標題和坐標軸標簽
ax.set_title('熱力圖示例')
ax.set_xlabel('X軸')
ax.set_ylabel('Y軸')plt.tight_layout()
plt.show()

主要函數解析：

• ax.imshow()：繪制熱力圖，cmap 參數指定顏色映射方案
• plt.colorbar()：添加顏色條，用于解釋顏色對應的數值

五、總結

本文以雙平臺優化算法代碼為例，詳細解析了使用 Matplotlib 繪制柱狀圖的方法和相關函數。主要知識點包括：

1. 多子圖布局的創建與管理
2. 柱狀圖的繪制與樣式設置
3. 坐標軸標簽和標題的設置
4. 數據標簽的添加方法
5. 圖表的保存與顯示

通過靈活運用這些函數和技巧，可以創建出清晰、美觀且信息豐富的數據可視化圖表，為數據分析和決策提供有力支持。在實際應用中，還可以根據需求調整圖表樣式、顏色方案和布局，以達到最佳的可視化效果。