数学建模 绘图 图表 可视化（2）
文章目录
- 前言
- 柱形图
- 条形图
- 克利夫兰点图系列
- 坡度图
- 南丁格尔玫瑰图
- 径向柱图
- 极坐标图
- 词云图
- 总结
- 参考资料
前言
承接上期 数学建模 绘图 图表 可视化（1）的总体描述，这期我们继续跟随《Python 数据可视化之美 专业图表绘制指南》步伐来学习其中l的类别比较图。
此图截取得有点模糊，之后会呈现更清晰的版本
柱形图
前两种图表分别展示了不同类别的数据内容。堆积柱形图主要用于强调各部分的累积效果，同时可以清晰地展示每一部分的累计数量。相比之下，百分比堆积柱形图则侧重于展示各部分在总体中的占比关系。
条形图
条形图与柱形图在展示数据上有相似之处。
克利夫兰点图系列
克利夫兰点图系列非常适合展示多个类别的数量分布，也能够直观地进行两种类别之间的差异对比。
坡度图
坡度图能够直观地展示数据在不同时间或阶段的变化趋势。当然，你也可以将多个坡度图（代表不同时间点）串联起来，以便更全面地观察数据随时间的演变。
南丁格尔玫瑰图
南丁格尔玫瑰图可以直观地展示在一定周期内数据范围的变化情况，特别适合于周期时间的数据。
径向柱图
径向柱图与柱形图和条形图在数据展示上有相似之处，但在数据的排列方式上存在一些差异，类似于柱形图与条形图之间的差别。
极坐标图
极坐标图也类似。
词云图
词云图有效地展示了词汇的使用频率和数量，通过字体大小和颜色的变化直观地反映出各个词语的重要性和出现次数。
总结
这就是今天分享的类别比较图介绍。在接下来的一期中，我们将探讨其他类型图表的应用场景和它们的独特优势。敬请期待！
参考资料
1 《Python 数据可视化之美 专业图表绘制指南》
2 数学建模 绘图 图表 可视化（1）