Python数据可视化再探——Matplotlib模块之三组合图形绘制实战-CSDN博客

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import FuncFormatter

# 设置中文字体支持
plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]
plt.rcParams["axes.unicode_minus"] = False  # 解决负号显示问题

# 定义数据
years = np.arange(2000, 2026)
smokers = np.array([250, 255, 260, 268, 275, 282, 290, 298, 305, 312, 320, 
                   328, 335, 342, 348, 350, 345, 338, 330, 322, 315, 308, 
                   300, 292, 285, 278])

# 计算同比增长率（保留两位小数）
growth_rates = np.zeros_like(years, dtype=float)
growth_rates[1:] = np.round(((smokers[1:] - smokers[:-1]) / smokers[:-1]) * 100, 2)

　　代码解释：

数据结构：使用 NumPy 数组存储年份、吸烟人数和增长率
增长率计算：通过公式(当前值-前值)/前值*100%计算同比增长率
中文支持：设置字体参数确保中文正常显示

　　（二）创建基础组合图表

# 创建画布和双Y坐标轴
fig, ax1 = plt.subplots(figsize=(14, 7))
ax2 = ax1.twinx()

# 绘制吸烟人数主图（柱状图）
bars = ax1.bar(years, smokers, width=0.6, color='#3274A1', label='吸烟人数(万人)')

# 绘制增长率副图（折线图）
line = ax2.plot(years[1:], growth_rates[1:], 'o-', color='#E1812C', 
                linewidth=2, markersize=6, label='同比增长率(%)')

# 设置坐标轴标签和标题
ax1.set_xlabel('年份', fontsize=12)
ax1.set_ylabel('吸烟人数(万人)', fontsize=12, color='#3274A1')
ax2.set_ylabel('同比增长率(%)', fontsize=12, color='#E1812C')
plt.title('某地区2000-2025年吸烟人数及同比增长率趋势图', fontsize=16)

# 设置X轴刻度和网格线
ax1.set_xticks(years)
ax1.set_xticklabels(years, rotation=45)
ax1.grid(axis='y', linestyle='--', alpha=0.7)

　　代码解释：

双 Y 轴创建：通过ax1.twinx()创建共享 X 轴的第二个 Y 轴
柱状图绘制：使用ax1.bar()绘制吸烟人数柱状图
折线图绘制：使用ax2.plot()绘制增长率折线图
坐标轴设置：分别设置左右 Y 轴的标签和单位

　　（三）添加数据标签

# 为柱状图添加数据标签
for bar in bars:
    height = bar.get_height()
    ax1.text(bar.get_x() + bar.get_width()/2., height + 1,
             f'{height}', ha='center', va='bottom', fontsize=9)

# 为折线图添加数据标签
for x, y in zip(years[1:], growth_rates[1:]):
    va = 'bottom' if y > 0 else 'top'
    color = 'black' if abs(y) > 0.5 else 'gray'
    
    ax2.annotate(f'{y:.2f}%',
                 (x, y),
                 textcoords="offset points",
                 xytext=(0, 8 if y > 0 else -8),
                 ha='center',
                 va=va,
                 fontsize=9,
                 color=color)

　　代码解释：

柱状图标签：使用ax1.text()在每个柱子上方添加数值
折线图标签：使用ax2.annotate()为每个数据点添加标签
智能定位：根据增长率正负自动调整标签位置
细节优化：增长率较小时使用灰色字体，提高可读性

　　（四）图表美化与增强

# 设置Y轴范围
ax1.set_ylim(200, 380)
ax2.set_ylim(-5, 5)

# 为增长率添加水平参考线（0%）
ax2.axhline(y=0, color='black', linestyle='-', alpha=0.3)

# 标记预测数据区域
ax1.axvline(x=2019.5, color='gray', linestyle='--', alpha=0.7)
ax1.text(2022, 230, '预测数据', fontsize=12, color='gray', ha='center')

# 添加图例
lines, labels = ax1.get_legend_handles_labels()
lines2, labels2 = ax2.get_legend_handles_labels()
ax2.legend(lines + lines2, labels + labels2, loc='upper right')

# 美化图表
plt.tight_layout()  # 调整布局
plt.subplots_adjust(top=0.9)  # 为标题留出空间

# 显示图表
plt.show()

　　代码解释：