問(wèn)題

這個(gè)鏈接給出了21年、22年裝載機(jī)國(guó)內(nèi)市場(chǎng)銷量變化的趨勢(shì)和同比情況，原圖如下：

原版圖片

分析

這個(gè)圖單看一個(gè)月的21年、22年對(duì)比還好，但想從整體上觀察21年、22年逐月銷量對(duì)比有點(diǎn)費(fèi)力（比如想一眼看多個(gè)月的對(duì)比）；同時(shí)同比曲線不能很好的反映出那個(gè)點(diǎn)是大于0的（從而不能很好的反映出哪些月份22年有優(yōu)勢(shì)）。

解決

基于上面的分析，改善如下：

圖片

改善的畫圖有以下優(yōu)點(diǎn)：

• 便于看每年的逐月銷量變化

• 便于看21、22年的逐月銷量對(duì)比、差距

• 一眼能看出哪些月份（季度）21年有優(yōu)勢(shì)（如3-9月，21年都優(yōu)于22年）

• 同比數(shù)據(jù)（year-to-year）上升用紅色，下降用藍(lán)色，更直觀

• 同比數(shù)據(jù)哪些月份增長(zhǎng)，哪些下降一目了然（0的位置更好觀察）

當(dāng)然，上圖的細(xì)節(jié)還可以進(jìn)一步優(yōu)化，如左縱坐標(biāo)可以以千為單位，右縱坐標(biāo)ticklabel加上%等，這里不再補(bǔ)充。

源代碼

import matplotlib.pyplot as plt
import seaborn as sn
import numpy as np
import pandas as pd

# 構(gòu)造數(shù)據(jù)
month = list(range(1, 13))
sale_21 = [6100, 5500, 18100, 15000, 12100, 9000, 6000, 6200, 6300, 6300, 6400, 6100]  # 21年銷量
sale_22 = [4000, 5600, 11100, 8000, 7000, 7500, 5000, 5000, 5500, 6200, 10000, 5000]  # 22年銷量
percent = [100 * (s2 - s1) / s1 for s1, s2 in zip(sale_21, sale_22)]
df = pd.DataFrame({'Sale': sale_21 + sale_22, 'Year': [2021] * 12 + [2022] * 12}, index=month + month)  # 縱向拼接

# 原始畫圖
plt.figure()
sn.barplot(data=df, x=df.index, y='Sale', hue='Year')
plt.xlabel('Month')
plt.grid(axis='y')
plt.show()

# 改善畫圖
fig, ax1 = plt.subplots()
p1, = ax1.plot(month, sale_21, '-o', label='2021')
p2, = ax1.plot(month, sale_22, '-o', label='2022')
ax1.set_ylabel('Sale')
ax1.set_xticks(month)
ax1.set_xlabel('Month')
ax1.grid(axis='y')
ax2 = ax1.twinx()
p3 = ax2.bar(x=month, height=percent, label='Year-on-year',
             color='None', edgecolor=['blue' if p < 0 else 'red' for p in percent])
ax2.set_ylabel('Year-on-year')
ax2.set_ylim([-100, 100])
plt.legend([p1, p2, p3], ['2021', '2022', 'Year-on-year'])
plt.tight_layout()
plt.show()