勒布朗生涯数据可视化（二）用Matplotlib制作柱形图及Figure, Text类和bar函数的参数探索

简介

• 本篇文章使用Kaggle.com上的数据集NBA Players stats since 1950中的Seasons_Stats.csv，其包含从1950至今的每个赛季的球员数据，每条数据有53项栏目，是综合性较强的NBA数据集，我尝试从中提取勒布朗詹姆斯的生涯数据，并用Matplotlib库实现可视化功能。
• 第一部分：勒布朗生涯数据可视化（一）用Spark SQL从NBA数据集中提取相关数据
• 第二部分中我们使用第一部分检索出来的相关数据，并绘制出定制样式的柱形图，效果如下：
  

配置

• 语言：Scala 2.11
• Spark版本：Spark 2.3.1

主要内容

• 建立Figure并分为多个子Plot，分别做图
• Text类解析
• 条形图Bar的创建及属性设置
• 为条形图设置图像上面的具体数据标记
• 条形图坐标轴的域及精度设置
• 通过Fontdict来设置字体样式

编程实践

读取数据并转换格式

第二部分我们获取了勒布朗詹姆斯的九项数据，并保存到csv文件中：

2004,2005,2006,2007,2008,2009,2010,2011,2012,2013,2014,2015,2016,2017
20.937,27.188,31.367,27.333,30.0,28.444,29.711,26.722,27.145,26.789,27.13,25.261,25.263,26.405
5.468,7.35,7.038,6.744,7.893,7.568,7.289,7.468,7.935,8.026,6.922,6.029,7.434,8.649
5.886,7.212,6.595,6.026,7.187,7.247,8.566,7.013,6.242,7.25,6.338,7.406,6.763,8.73
1.646,2.212,1.557,1.603,1.84,1.691,1.645,1.57,1.855,1.697,1.571,1.58,1.368,1.243
0.734,0.65,0.835,0.705,1.08,1.148,1.013,0.633,0.806,0.882,0.338,0.71,0.645,0.595
79.0,80.0,79.0,78.0,75.0,81.0,76.0,79.0,62.0,76.0,77.0,69.0,76.0,74.0
0.417,0.472,0.48,0.476,0.484,0.489,0.503,0.51,0.531,0.565,0.567,0.488,0.52,0.548
0.29,0.351,0.335,0.319,0.315,0.344,0.333,0.33,0.362,0.406,0.379,0.354,0.309,0.363

这九项数据分别代表年份、得分、篮板、助攻、抢断、篮板、出场数、投篮命中率和三分球命中率，下面我们将其读到我们的Python文件中：

lebron_info = open("D:/SparkProjects/NBADataBase/data/lebron_data.csv")
yearList = [int(i) for i in lebron_info.readline().split(',')]
pointsList = [float(i) for i in lebron_info.readline().split(',')]
reboundsList = [float(i) for i in lebron_info.readline().split(',')]
assistsList = [float(i) for i in lebron_info.readline().split(',')]
stealsList = [float(i) for i in lebron_info.readline().split(',')]
blocksList = [float(i) for i in lebron_info.readline().split(',')]
gamesList = [float(i) for i in lebron_info.readline().split(',')]
fieldPercentList = [float(i) for i in lebron_info.readline().split(',')]
threePercentList = [float(i) for i in lebron_info.readline().split(',')]

笔者原本想使用Python的自带CSV文件处理库 CSV File Reading and Writing，可是由于笔者需要将文件中内容存储到不同的List中保存，使用其更显繁琐，故使用了最笨的方法， 一行一行读取文件，用split函数转换为List，并强制改变了不同List中的数据类型。

设置页面主标题，并将其分割为多个子区域

如上所述，我们有九类数据，现考虑将年份作为横坐标，将其余数据作为纵坐标做表，考虑到不同类型数据的数据值域差别很大，绘制在同一个图中十分难获取相关信息，故我们将其分为八个子区域分别作图：

我们首先对Figure类进行探究：
matplotlib.figure.Figure - Matplotlib 3.0.0 documentation
可见其包含如下参数：

参数名	意义
figsize	尺寸大小，默认为界面大小
dpi	“Dots per inch”，衡量图像点密度的指数
facecolor	规定界面的颜色
edgecolor	界面边缘的颜色
linewidth	边缘的宽度参数
frameon	是否显示边框的参数
subplotpars	子区域的相关参数
tight_layout	可以通过包含“w_pad”、"h_pad"和"rect"的字典来改变边缘参数
constrained_layout	若设置为True则可以自动调整子区域和装饰区域的

在此我们通过figsize来将图像大小设置得适中，再通过facecolor设置背景色，然后通过layout这一dict类型数据设置了pad的大小，即边框区域的面积

layout = {
    'pad': 5
}
fig = plt.figure(figsize=[26, 10], facecolor='#CD00CD', tight_layout=layout)

然后我们设置了主标题：

fig.suptitle("LeBron James's Statistics 2003-2018", fontstyle='italic',
             fontweight='bold', fontsize=30, color='#FFD700',
             horizontalalignment='center', verticalalignment='top')

在此我们通过subtitle里面的Text属性定制了字体样式，我们顺便来看一下Text类包含什么参数，来自text - Matplotlib 3.0.0 documentation，我挑选了几个最常用的参数来介绍：

参数名	介绍
backgroundcolor	背景颜色
color	字体颜色
fontfamily	设置的字体族名称或/及类族名称的一个优先表，会以第一个可以识别的字体为准进行设置，可选值 {FONTNAME, ‘serif’, ‘sans-serif’, ‘cursive’, ‘fantasy’, ‘monospace’}
fontname	选择的字体名称，若不存在则设置为默认字体可选值 {FONTNAME, ‘serif’, ‘sans-serif’, ‘cursive’, ‘fantasy’, ‘monospace’}
fontsize	字体大小，可以设置为标识字号的数字，或字符串{ ‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’, ‘xx-large’}
fontstretch	字体的压缩属性，可以是0-1000的一个数值，也可以是字符串{‘ultra-condensed’, ‘extra-condensed’, ‘condensed’, ‘semi-condensed’, ‘normal’, ‘semi-expanded’, ‘expanded’, ‘extra-expanded’, ‘ultra-expanded’}
fontstyle	可规定字体的倾斜效果，可选 {‘normal’, ‘italic’, ‘oblique’}，后两个值均代表倾斜，区别是’italic’从字体自带的效果库中选择倾斜效果，而’oblique’是程序对字体做的倾斜处理
fontweight	字体大小，可以是0-1000的一个数值，也可以是字符串{‘ultralight’, ‘light’, ‘normal’, ‘regular’, ‘book’, ‘medium’, ‘roman’, ‘semibold’, ‘demibold’, ‘demi’, ‘bold’, ‘heavy’, ‘extra bold’, ‘black’
horizontalalignment	水平对齐样式选择，可以选择{‘center’, ‘right’, ‘left’}
verticalalignment	垂直对齐，可以选择{‘center’, ‘top’, ‘bottom’, ‘baseline’, ‘center_baseline’}

最终字体样式如下：

然后我们尝试将其分割为八个子区域，首先我们考察subplot函数的参数：
matplotlib.figure.Figure.subplots - Matplotlib 3.0.0 documentation

参数名	介绍
nrows, ncols	分割的行数和列数
sharex, sharey	设置是否共享坐标轴，取值为 bool or {‘none’, ‘all’, ‘row’, ‘col’}
squeeze	规定是否将1 * M和 N * 1的分割也作为二维数组返回
subplot_kw	可以设置为字典类型，其中的参数作为add_subplot函数的参数传递到每个子区域中
gridspec_kw	可以设置为字典类型，其中参数作为GridSpec函数的参数用于构造每个区域，详见 matplotlib.gridspec.GridSpec
ax	Axes类型的数组，用于规定每个子区域的格式，详见下文

在此我们只规定行数和列数，其他遵循默认设置：

axs = fig.subplots(2, 4)

条形图的绘制和参数设置

因为我们在axes类上画图，故我们先查看 matplotlib.axes.Axes.bar - Matplotlib 3.0.0 documentation 来了解一下参数有哪些：

参数名	介绍
x	横坐标的值序列
height	用于规定条形图的高度的序列
width	规定条形图每个数据条的宽度，以比例形式给出，默认0.8
bottom	规定y坐标轴以什么值为最小值显示在图中
align	数据条的对齐方式，可选{‘center’, ‘edge’}，其中‘edge’为左对齐，右对齐可以通过设置width参数为负来实现
color	规定每个数据条的颜色（包含edgecolor和facecolor）
facecolor	数据条内部的颜色
edgecolor	数据条边框的颜色
linewidth	数据条边缘的宽度
tick_lable	规定数据条的刻度标签，默认为数值标签
hatch	用于填充的样式，可选有{’/’, ‘’, ’

我们据此创建一个柱状图：

axs[0][0].bar(yearList, pointsList, hatch='+', color='#FFD700', edgecolor='#8B0A50')

我们又通过以下语句设置了坐标轴的范围和精度，并在数据条上方显示具体数据：

axs[0][0].set_yticks(np.arange(0, 35, 3))
axs[0][0].set_xlim(2003, 2018)
for a, b in zip(yearList, pointsList):
    axs[0][0].text(a, b, b,
                   horizontalalignment='center', verticalalignment='baseline',
                   fontdict=fontNum)

即y轴的范围为0至35，精度为3，x轴为2003至2018；
其中fontdict通过字典格式设置了字体样式，一般格式如下：

fontTitle = {
        'family': 'fantasy',
        'color':  '#FFD700',
        'weight': 'demibold',
        'size': 14
        }
axs[0][0].set_title('Average Points', fontdict=fontTitle)

四项分别设置了字体族、颜色、粗细和大小，我们用它设置了分标题，最终第一个子区域如下：
以此方法绘制所有子区域的条形图：

axs[0][0].set_title('Average Points', fontdict=fontTitle)
axs[0][0].bar(yearList, pointsList, hatch='+', color='#FFD700', edgecolor='#8B0A50')
axs[0][0].set_yticks(np.arange(0, 35, 3))
axs[0][0].set_xlim(2003, 2018)
for a, b in zip(yearList, pointsList):
    axs[0][0].text(a, b, b,
                   horizontalalignment='center', verticalalignment='baseline',
                   fontdict=fontNum)

axs[0][1].set_title('Average Rebounds', fontdict=fontTitle)
axs[0][1].bar(yearList, reboundsList, hatch='O', color='#FFD700', edgecolor='#8B0A50')
axs[0][1].set_yticks(np.arange(0, 9, 1))
axs[0][1].set_xlim(2003, 2018)
for a, b in zip(yearList, reboundsList):
    axs[0][1].text(a, b, b,
                   horizontalalignment='center', verticalalignment='baseline',
                   fontdict=fontNum)

axs[0][2].set_title("Average Assists", fontdict=fontTitle)
axs[0][2].bar(yearList, assistsList, hatch='|', color='#FFD700', edgecolor='#8B0A50')
axs[0][2].set_yticks(np.arange(0, 9, 1))
axs[0][2].set_xlim(2003, 2018)
for a, b in zip(yearList, assistsList):
    axs[0][2].text(a, b, b,
                   horizontalalignment='center', verticalalignment='baseline',
                   fontdict=fontNum)

axs[0][3].set_title("Average Steals", fontdict=fontTitle)
axs[0][3].bar(yearList, stealsList, hatch='X', color='#FFD700', edgecolor='#8B0A50')
axs[0][3].set_yticks(np.arange(0, 2.5, 0.25))
axs[0][3].set_xlim(2003, 2018)
for a, b in zip(yearList, stealsList):
    axs[0][3].text(a, b, b,
                   horizontalalignment='center', verticalalignment='baseline',
                   fontdict=fontNum)

axs[1][0].set_title("Average Blocks", fontdict=fontTitle)
axs[1][0].bar(yearList, blocksList, hatch='*', color='#FFD700', edgecolor='#8B0A50')
axs[1][0].set_yticks(np.arange(0, 1.4, 0.1))
axs[1][0].set_xlim(2003, 2018)
for a, b in zip(yearList, blocksList):
    axs[1][0].text(a, b, b,
                   horizontalalignment='center', verticalalignment='baseline',
                   fontdict=fontNum)

axs[1][1].set_title("Field Goals Percent", fontdict=fontTitle)
axs[1][1].bar(yearList, fieldPercentList, hatch='.', color='#FFD700', edgecolor='#8B0A50')
axs[1][1].set_yticks(np.arange(0, 0.7, 0.05))
axs[1][1].set_xlim(2003, 2018)
for a, b in zip(yearList, fieldPercentList):
    axs[1][1].text(a, b, b,
                   horizontalalignment='center', verticalalignment='baseline',
                   fontdict=fontNum)

axs[1][2].set_title("ThreePoint Goals Percent", fontdict=fontTitle)
axs[1][2].bar(yearList, threePercentList, hatch='/', color='#FFD700', edgecolor='#8B0A50')
axs[1][2].set_yticks(np.arange(0, 0.5, 0.05))
axs[1][2].set_xlim(2003, 2018)
for a, b in zip(yearList, threePercentList):
    axs[1][2].text(a, b, b,
                   horizontalalignment='center', verticalalignment='baseline',
                   fontdict=fontNum)

axs[1][3].set_title("Games Attended", fontdict=fontTitle)
axs[1][3].bar(yearList, gamesList, hatch='-', color='#FFD700', edgecolor='#8B0A50')
axs[1][3].set_yticks(np.arange(0, 85, 5))
axs[1][3].set_xlim(2003, 2018)
for a, b in zip(yearList, gamesList):
    axs[1][3].text(a, b, b,
                   horizontalalignment='center', verticalalignment='baseline',
                   fontdict=fontNum)

保存图像

plt.savefig('D:/SparkProjects/NBADataBase/data/lebron_statsfig.png', facecolor='#CD00CD')
plt.show()

注意一点，若想在保存图片之后查看图片，应将show放在savefig之后，因savefig函数运行之后会将plot重置为白色。

最终效果如下，湖人配色的勒布朗生涯技术统计，还算可以吧：

参考资料

• italic与oblique的区别 - xjun0812
• CSS font-family属性
• Overview - Matplotlib 3.0.0 documentation