> 本文完整程式碼已上傳至我的`Github`倉庫[https://github.com/CNFeffery/FefferyViz](https://github.com/CNFeffery/FefferyViz) # 1 簡介 　　交通是產生溫室氣體排放的主要來源之一，而本期作為*（在模仿中精進資料視覺化）*系列的第二期，將帶大家以純`Python`的方式對[加拿大米西索加城市溫室氣體排放研究報告](https://www.insauga.com/here-is-what-the-city-should-do-about-the-significant-increase-in-gas-emissions)中的如圖1所示的視覺化作品進行復刻，它對溫室氣體排放來源中，交通方面的各排放源排放比例進行視覺化：

圖1 ## 2.1 觀察原作品 　　其實原作品整體構圖上比較直觀，主要由兩部分組成： - **1 左側柱狀圖部分** 　　左側的柱狀圖無需多言，就是一個簡單的堆疊柱狀圖，利用`matplotlib`構建起來非常方便。 - **2 右側類桑基圖部分** 　　到了右側，也是這張圖中最有設計感的部分，它用類似桑基圖的方式，將左圖中交通下屬的分類溫室氣體排放比例構成進行視覺化，這也是本文的重點部分，我們可以利用`matplotlib`加上一點點簡單的數學知識來複刻它。 ## 2.2 開始動手！ 　　在洞悉了原作品的主要視覺元素之後，接下來我們開始動手復刻它。 ### 2.2.1 左側柱狀圖部分 　　對於左側的堆疊柱狀圖，其本質其實是兩個堆疊起來的矩形，因此我們可以使用`matplotlib.patches`下的`Rectangle`來建立矩形。 　　其使用方法非常簡單，只需要指定矩形**左下角座標**，再填寫矩形對應的**寬**與**高**即可自由建立矩形：

圖2 　　我們參考原作品的背景色，以及左側矩形對應y軸的真實數值，先把左側的**堆疊柱狀圖**和**圖床背景色**做好： ```Python import matplotlib.pyplot as plt from matplotlib.patches import Rectangle # 建立圖床 fig, ax = plt.subplots(figsize=(11, 6)) # 建立buildings對應矩形 ax.add_patch(Rectangle((0, 0), 3e6, 3e6, facecolor='#f38530')) # 建立transportation對應矩形 ax.add_patch(Rectangle((0, 3e6), 3e6, 2.1e6, facecolor='#4abad0')) # 設定x軸範圍 ax.set_xlim(-3e6, 1.7e7) # 設定y軸範圍 ax.set_ylim(-4e6, 9e6) # 設定背景色 fig.patch.set_facecolor('#efefea') ax.set_facecolor('#efefea') # 關閉座標軸 ax.axis('off'); ```

圖3 　　接著我們在上面程式碼的基礎上新增下列程式碼，順便把原作品中連線左右側的3條灰色線條新增上去： ```Python # 新增連線線 ax.plot([3e6, 6e6], [3e6, 3e6-1.5e6], color='grey', linewidth=0.75) ax.plot([3e6, 6e6], [5.1e6, 5.1e6+1.5e6], color='grey', linewidth=0.75) ax.plot([6e6, 6e6], [3e6-1.5e6, 5.1e6+1.5e6], color='lightgrey', linewidth=1.5) ``` 圖4 　　這樣，我們就把最簡單的左半邊主要視覺元素組織好了。 ### 2.2.2 右側類桑基圖部分 　　到了本文的核心內容——構造右側類桑基圖部分，為了便於之後的幾何元素製作，我們先把原作品中右側涉及的資料構造到資料框中： ```Python import pandas as pd data = pd.DataFrame({ '型別': ['Car', 'Freight', 'Street Lights', 'GO Train', 'BRT', 'Bus', 'Taxi', 'Motorcycle'], '份額': [0.8628, 0.0933, 0.0005, 0.001, 0.0121, 0.0133, 0.0165, 0.0005] }) data['份額累加'] = data['份額'].cumsum() data.head() ``` 圖5 　　其中`份額累加`列的新增是為了方便之後組合幾何元素。 　　首先我們來繪製右側最上方的**Car**對應的矩形，因為這部分只是簡單的矩形，在上一步的繪圖程式碼中新增下列程式碼來更新影象： ```Python height = 5.1e6 + 1.5e6 - (3e6 - 1.5e6) # 右側圖形 # 最上方矩形 ax.add_patch(Rectangle((6e6, 3e6-1.5e6+0.1372*height), 0.8e7, 0.8628*height, facecolor='#4ebcd1')) ``` 圖6 　　接下來我們來建立類桑基圖部分，思路其實很簡單，因為這部分內容與**Sigmoid**型函式對應的曲線是很接近的，譬如正弦函式在$0.5\pi$到$1.5\pi$之間的曲線： 圖7 　　根據這個特點，我們可以結合第1期中玩過的**老把戲**——線性變換，來輔助生成桑基條帶。 　　我們從最上方矩形的下端開始，利用`data`中的`份額`與`份額累加`，以及$0.5\pi$到$1.5\pi$之間的標準正弦函式曲線，配合線性變換，來構造每個類別對應條帶的上下邊界，再配合`matplotlib`中的`fill_between`來完成條帶的繪製。 　　首先我們來生成基礎正弦函式取樣點資料，以及線性變換函式： ```Python x, y = np.arange(0.5*np.pi, 1.5*np.pi, 0.001), np.sin(np.arange(0.5*np.pi, 1.5*np.pi, 0.001)) def scale(xlim, ylim): return (xlim[0] + (xlim[1] - xlim[0]) * (x - x.min()) / (x.max() - x.min()), ylim[0] + (ylim[1] - ylim[0]) * (y - y.min()) / (y.max() - y.min())) ``` 　　這樣我們就可以在給定x範圍，以及給定y範圍的基礎上，將標準的正弦函式曲線不同程度的**“壓扁”**，就像下面的例子一樣： ```Python import numpy as np x, y = np.arange(0.5*np.pi, 1.5*np.pi, 0.001), np.sin(np.arange(0.5*np.pi, 1.5*np.pi, 0.001)) def scale(xlim, ylim): return (xlim[0] + (xlim[1] - xlim[0]) * (x - x.min()) / (x.max() - x.min()), ylim[0] + (ylim[1] - ylim[0]) * (y - y.min()) / (y.max() - y.min())) plt.plot(*scale((0, 1), (0, 1))) plt.plot(*scale((0, 1), (0.25, 1))) plt.plot(*scale((0, 1), (0.5, 1))) plt.plot(*scale((0, 1), (0.75, 1))); ``` 圖8 　　按照這個思想，我們結合`份額`與`份額累加`值，以兩種色彩交錯的方式構造條帶： ```Python # 生成每個條帶的上下底 bands = [(scale(xlim=(6e6, 6e6+0.8e7), ylim=(5.1e6+1.5e6-data.at[i, '份額累加']*height-(i+1)*7e8, 5.1e6+1.5e6-data.at[i, '份額累加']*height)), scale(xlim=(6e6, 6e6+0.8e7), ylim=(5.1e6+1.5e6-data.at[i, '份額累加']*height-data.at[i+1, '份額']*height-(i+1)*7e8, 5.1e6+1.5e6-data.at[i, '份額累加']*height-data.at[i+1, '份額']*height))) for i in range(data.shape[0]-1)] colors = ['#1b7d98', '#a5dce7'] for i, band in enumerate(bands): if i % 2 == 0: ax.fill_between(band[0][0], band[0][1], band[1][1], color='#1b7d98') else: ax.fill_between(band[0][0], band[0][1], band[1][1], color='#a5dce7') ``` 圖9 　　這樣子，我們就完成了原作品的主要視覺元素的復刻。 ### 2.2.3 其他元素的補充 　　接下來的內容就比較簡單，我們只需要把各種文字標註、分割線、刻度等小細節補上即可： ```Python # 其它元素的補充 # y軸數值標籤 for y_, text in zip([0, 2e6, 4e6, 6e6], ['0', '2M', '4M', '6M']): ax.text(-1e6, y_, text, ha='right', color='grey', fontsize=8) # 新增左側矩形內部標註 ax.text(1.5e6, 1.5e6, 'Buildings 3M', color='white', ha='center', fontsize=7, fontweight='bold') ax.text(1.5e6, 3e6+1.05e6, 'Transportation 2.1M', color='white', ha='center', fontsize=7, fontweight='heavy') # 新增黑色Today標註 ax.text(1.5e6, -5e5, 'Today', color='black', ha='center', fontsize=10, family='Times New Roman') # 新增右側文字標註 ax.text(1.42e7, 4.5e6, 'Car 86.28%', fontsize=8, family='Times New Roman') for i in range(data.shape[0]-1): ax.text(1.42e7, 5.1e6+1.5e6-data.at[i, '份額累加']*height-data.at[i+1, '份額']*0.5*height-(i+1)*7e5, '{} {}%'.format(data.at[i+1, '型別'], round(data.at[i+1, '份額']*100, 2)), va='center', fontsize=8, family='Times New Roman') # 新增y軸標題 ax.text(-2.2e6, 3.3e6, 'Annual Metric Tons of $CO_{2}$eq Emissions', rotation=90, va='center', fontsize=7.8) # 上部分隔線 ax.plot([-2.3e6, 1.65e7], [9e6, 9e6], color='#327997', linewidth=0.7) # 上部黑色說明文字 ax.text(-2.3e6, 7.9e6, "40% of Mississauga's GHG emissions come from the transportation sector including freight. Less than 3% of these emissions currently come from \npublic transit.", fontsize=7.9, style='italic') # 上部標題 ax.text(-2.3e6, 9.2e6, 'GHG Emissions - Transportation', color='#327997', fontweight='heavy') ``` 　　經過這一番操作，最終的結果如圖10所示： 圖10 　　而原作品中右側並沒有按照比例的降序排列，如果你想降序排列，只需要在建立`data`之後對資料框按照`份額`降序並重置`index`即可~，降序排列後再繪製的效果如圖11所示： 圖11 　　是不是舒服自然了很多了呢~ --- 　　以上就是本文的全部內容，歡迎在評論區與我進