--知中有行，行中有知；以知为行，知行合一，学习编程成就更好的自己--

Python语言简洁生动，特别适合文科生学习入门IT世界，用几十行代码就能够做一个完整的爬虫脚本，开发效率杠杠的！短时间内即可解决工作和学习中碰到的各种棘手问题。(本人外语专业毕业，机缘巧合爱上编程，自学道路曲曲折折，痛并快乐！)在这里总结一下自学Python遇到的难点和重点，分享码过的代码和要点总结，希望能够给初学者一点启示和鼓励，同时愿意结交更多大神交流有助提升自己的水平。

今天分享如何使用Plotly绘制另一种非常有趣的图表--树形占比关系图表，跟上次介绍的环形占比关系图有异曲同工之妙，同样只有几行代码就能够高效出图且专业美观，接下来还以Plotly内置的世界人口数据集为案例进行演示：

1.调用2002年的世界人口数据作为总样本，抽取几大洲数据集合，方便后续制图和演示，同时添加新字段“世界-world”：

下面利用Treemap函数做一个自定义作图函数，方便随时调用出图：

２.编写自定义作图函数(人口和寿命)共有三个参数，X为数据集本身，Y参数为取数值部分，Z参数为图表名字：

# Get_Treemap_Pop_Life(x,y,z):    fig = px.treemap(x, path=['continent','country'],values=y,color='lifeExp',color_continuous_scale='RdBu')    fig.update_layout(margin = dict(t=50, l=25, r=25, b=25)) #set the size of pic    fig.update_layout(title_text=z)    return fig.show()

该作图函数也能展示寿命情况，以颜色渐变的形式呈现，下面以亚洲数据为例来看看结果：

感觉比例关系特征更加凸显了！！！有的小伙伴可能更钟爱这种风格。

3.使用作图函数(人口和寿命)来套用非洲数据集，并调整一下颜色风格：

def Get_Treemap_Pop_Life(x,y,z):    fig = px.treemap(x, path=['continent','country'],values=y,color='lifeExp',color_continuous_scale='Spectral')    fig.update_layout(margin = dict(t=50, l=25, r=25, b=25)) #set the size of pic    fig.update_layout(title_text=z)    return fig.show()

生成结果如下：

艺术和数据的优雅结合，有木有！！

4.生成作图函数(人口和人均GDP)来套用欧洲数据集：

def Get_Treemap_Pop_Gdp(x,y,z):    fig = px.treemap(x, path=['continent','country'],values=y,color='gdpPercap',color_continuous_scale='PiYG')    fig.update_layout(margin = dict(t=50, l=25, r=25, b=25)) #set the size of pic    fig.update_layout(title_text=z)    return fig.show()

把人均GDP维度以颜色渐变形式来同时观察，生成结果如下：

5.使用作图函数(人口和人均GDP)来套用美洲数据集，并调整颜色风格：

def Get_Treemap_Pop_Gdp(x,y,z):    fig = px.treemap(x, path=['continent','country'],values=y,color='gdpPercap',color_continuous_scale='Picnic')    fig.update_layout(margin = dict(t=50, l=25, r=25, b=25)) #set the size of pic    fig.update_layout(title_text=z)    return fig.show()

生成结果如下：

6.使用作图函数(人口和人均GDP)来套用全球数据集，并调整颜色风格：

def Get_Treemap_Pop_Gdp(x,y,z):    fig = px.treemap(x, path=['range','continent','country'],values=y,color='gdpPercap',color_continuous_scale='GnBu')    fig.update_layout(margin = dict(t=50, l=25, r=25, b=25)) #set the size of pic    fig.update_layout(title_text=z)    return fig.show()

生成结果如下：

代码汇总如下：

import matplotlib.pyplot as pltimport plotly.express as pxdf = px.data.gapminder().query("year==2002")df["range"]="world"display(df.head())df_Europe = df[df["continent"]=="Europe"]df_Asia = df[df["continent"]=="Asia"]df_Americas = df[df["continent"]=="Americas"]df_Africa = df[df["continent"]=="Africa"]display(df_Europe.head())# Get_Treemap_Pop_Life(x,y,z):    fig = px.treemap(x, path=['continent','country'],values=y,color='lifeExp',color_continuous_scale='RdBu')    fig.update_layout(margin = dict(t=50, l=25, r=25, b=25)) #set the size of pic    fig.update_layout(title_text=z)    return fig.show()    Get_Treemap_Pop_Life(df_Asia,df_Asia["pop"],"亚洲国家人口数量和寿命树形关系图")def Get_Treemap_Pop_Life(x,y,z):    fig = px.treemap(x, path=['continent','country'],values=y,color='lifeExp',color_continuous_scale='Spectral')    fig.update_layout(margin = dict(t=50, l=25, r=25, b=25)) #set the size of pic    fig.update_layout(title_text=z)    return fig.show()    Get_Treemap_Pop_Life(df_Africa,df_Africa["pop"],"非洲国家人口数量和寿命树形关系图")def Get_Treemap_Pop_Gdp(x,y,z):    fig = px.treemap(x, path=['continent','country'],values=y,color='gdpPercap',color_continuous_scale='PiYG')    fig.update_layout(margin = dict(t=50, l=25, r=25, b=25)) #set the size of pic    fig.update_layout(title_text=z)    return fig.show()    Get_Treemap_Pop_Gdp(df_Europe,df_Europe["pop"],"欧洲国家人口数量和人均GDP收入树形关系图")def Get_Treemap_Pop_Gdp(x,y,z):    fig = px.treemap(x, path=['continent','country'],values=y,color='gdpPercap',color_continuous_scale='Picnic')    fig.update_layout(margin = dict(t=50, l=25, r=25, b=25)) #set the size of pic    fig.update_layout(title_text=z)    return fig.show()Get_Treemap_Pop_Gdp(df_Americas,df_Americas["pop"],"美洲国家人口数量和人均GDP收入树形关系图")def Get_Treemap_Pop_Gdp(x,y,z):    fig = px.treemap(x, path=['range','continent','country'],values=y,color='gdpPercap',color_continuous_scale='GnBu')    fig.update_layout(margin = dict(t=50, l=25, r=25, b=25)) #set the size of pic    fig.update_layout(title_text=z)    return fig.show()Get_Treemap_Pop_Gdp(df,df["pop"],"全球国家人口数量和人均GDP收入树形关系图")

END

我为人人，人人为我！！欢迎大家关注，点赞和转发！！！

~~人生不是赛场，梦想不容退场~~不断努力学习蜕变出一个更好的自己，不断分享学习路上的收获和感悟帮助他人成就自己！！！