इस प्लॉट का नाम क्या है जिसमें दो जुड़े हुए डॉट्स वाली पंक्तियाँ हैं?

Question

मैं ईआईए रिपोर्ट पढ़ रहा हूं और इस साजिश ने मेरा ध्यान खींचा है। मैं अब उसी प्रकार का प्लॉट बनाने में सक्षम होना चाहता हूं।

यह दो साल (1990-2015) के बीच ऊर्जा उत्पादकता विकास को दर्शाता है और इस दो अवधियों के बीच परिवर्तन मूल्य जोड़ता है।

इस प्रकार के कथानक का नाम क्या है? मैं एक्सेल में (विभिन्न देशों के साथ) एक ही भूखंड कैसे बना सकता हूं?

Comments

क्या यह पीडीएफ स्रोत है? मुझे वह आंकड़ा दिखाई नहीं दे रहा है।

— गूँग - मोनिका

मैं आमतौर पर इसे डॉट प्लॉट कहता हूं।

— स्टैट्सस्टूडेंट

एक अन्य नाम लॉलीपॉप प्लॉट है , खासकर जब प्रेक्षणों में युग्मित डेटा को देखा जाता है।

— 18

एक डम्बल साजिश की तरह लग रहा है।

— user2974951

Answer 1

@Gung द्वारा उत्तर चार्ट प्रकार की पहचान करने और Excel में लागू करने के लिए एक लिंक प्रदान करने में सही है, जैसा कि ओपी द्वारा अनुरोध किया गया है। लेकिन दूसरों के लिए यह जानना चाहते हैं कि यह कैसे करना है R / tidyverse / ggplot में, नीचे पूरा कोड है:

library(dplyr)   # for data manipulation
library(tidyr)   # for reshaping the data frame
library(stringr) # string manipulation
library(ggplot2) # graphing

# create the data frame 
# (in wide format, as needed for the line segments):
dat_wide = tibble::tribble(
  ~Country,   ~Y1990,   ~Y2015,
  'Russia',  71.5, 101.4,
  'Canada',  74.4, 102.9,
  'Other non-OECD Europe/Eurasia',  60.9, 135.2,
  'South Korea',   127, 136.2,
  'China',  58.5, 137.1,
  'Middle East', 170.9, 158.8,
  'United States', 106.8,   169,
  'Australia/New Zealand', 123.6, 170.9,
  'Brazil', 208.5, 199.8,
  'Japan',   181, 216.7,
  'Africa', 185.4,   222,
  'Other non-OECD Asia', 202.7,   236,
  'OECD Europe', 173.8, 239.9,
  'Other non-OECD Americas', 193.1, 242.3,
  'India', 173.8, 260.6,
  'Mexico/Chile', 221.1, 269.8
)

# a version reshaped to long format (for the points):
dat_long = dat_wide %>% 
  gather(key = 'Year', value = 'Energy_productivity', Y1990:Y2015) %>% 
  mutate(Year = str_replace(Year, 'Y', ''))

# create the graph:
ggplot() +
  geom_segment(data = dat_wide, 
               aes(x    = Y1990, 
                   xend = Y2015, 
                   y    = reorder(Country, Y2015), 
                   yend = reorder(Country, Y2015)),
               size = 3, colour = '#D0D0D0') +
  geom_point(data = dat_long,
             aes(x      = Energy_productivity, 
                 y      = Country, 
                 colour = Year),
             size = 4) +
  labs(title = 'Energy productivity in selected countries \nand regions',
       subtitle = 'Billion dollars GDP per quadrillion BTU',
       caption = 'Source: EIA, 2016',
       x = NULL, y = NULL) +
  scale_colour_manual(values = c('#1082CD', '#042B41')) +
  theme_bw() +
  theme(legend.position = c(0.92, 0.20),
        legend.title = element_blank(),
        legend.box.background = element_rect(colour = 'black'),
        panel.border = element_blank(),
        axis.ticks = element_line(colour = '#E6E6E6'))

ggsave('energy.png', width = 20, height = 10, units = 'cm')

यह मूल्य लेबल जोड़ने और एक मामले के रंग को उजागर करने के लिए बढ़ाया जा सकता है जहां मूल रूप में मान स्वैप आदेश देते हैं।

Answer 2

वह एक डॉट प्लॉट है। इसे कभी-कभी "क्लीवलैंड डॉट प्लॉट" कहा जाता है क्योंकि डॉट्स के साथ बनाया गया हिस्टोग्राम का एक प्रकार है जिसे लोग कभी-कभी डॉट प्लॉट भी कहते हैं। यह विशेष संस्करण दो डॉट्स प्रति देश (दो साल के लिए) पर प्लॉट करता है और उनके बीच एक मोटी रेखा खींचता है। देशों को बाद के मूल्य द्वारा क्रमबद्ध किया जाता है। प्राथमिक संदर्भ क्लीवलैंड की पुस्तक विज़ुअलाइज़िंग डेटा होगा । Googling मुझे इस एक्सेल ट्यूटोरियल की ओर ले जाता है ।

---

मैंने डेटा को स्क्रैप कर दिया है, अगर कोई उनके साथ खेलना चाहता है।

                       Country  1990  2015
                        Russia  71.5 101.4
                        Canada  74.4 102.9
 Other non-OECD Europe/Eurasia  60.9 135.2
                   South Korea 127.0 136.2
                         China  58.5 137.1
                   Middle East 170.9 158.8
                 United States 106.8 169.0
         Australia/New Zealand 123.6 170.9
                        Brazil 208.5 199.8
                         Japan 181.0 216.7
                        Africa 185.4 222.0
           Other non-OECD Asia 202.7 236.0
                   OECD Europe 173.8 239.9
       Other non-OECD Americas 193.1 242.3
                         India 173.8 260.6
                  Mexico/Chile 221.1 269.8

Comments

BTW, "परिमार्जन" का अर्थ है उन मूल्यों का अनुमान लगाना जो भूखंड में डॉट्स का प्रतिनिधित्व करते हैं। FWIW, मैंने वेब प्लॉट डिजिटाइज़र का इस्तेमाल किया ।

— गूँग - मोनिका

या। तुच्छ, डॉट चार्ट। जमीन पर पहले से पतले पतले लगते हैं लेकिन मौजूद नहीं हैं। उदाहरण देखें Snedecor, GW 1937. कृषि और जीव विज्ञान में प्रयोगों के लिए सांख्यिकीय तरीके लागू । एम्स, आईए: कॉलेजिएट प्रेस। इस प्रसिद्ध पाठ के संशोधन में यह ग्राफ कुछ बाद के बिंदु पर गिरा दिया गया था; यह सह-लेखक WG कोचरन के साथ संस्करणों में नहीं दिखाई देता है,

— निक कॉक्स

Answer 3

कुछ इसे दो समूहों के साथ एक (क्षैतिज) लॉलीपॉप साजिश कहते हैं।

यहां बताया गया है कि पायथन में इस प्लॉट को कैसे बनाया जाता है matplotlibऔर seaborn(केवल शैली के लिए उपयोग किया जाता है), https://python-graph-gallery.com/184-lollipop-plot-with-2-groups/ से और के रूप में अनुरोध के अनुसार अनुकूलित टिप्पणियों में ओ.पी.

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(style="whitegrid")  # set style

df = ...
df = df.set_index("Country").sort_values("2015")
df["change"] = df.apply(lambda df2: "{:+.0%}".format(df2["2015"] / df2["1990"] - 1), axis=1)
print(df)

#                                 1990   2015 change
# Country                                           
# Russia                          71.5  101.4   +42%
# Canada                          74.4  102.9   +38%
# Other non-OECD Europe/Eurasia   60.9  135.2  +122%
# South Korea                    127.0  136.2    +7%
# China                           58.5  137.1  +134%
# Middle East                    170.9  158.8    -7%
# United States                  106.8  169.0   +58%
# Australia/New Zealand          123.6  170.9   +38%
# Brazil                         208.5  199.8    -4%
# Japan                          181.0  216.7   +20%
# Africa                         185.4  222.0   +20%
# Other non-OECD Asia            202.7  236.0   +16%
# OECD Europe                    173.8  239.9   +38%
# Other non-OECD Americas        193.1  242.3   +25%
# India                          173.8  260.6   +50%
# Mexico/Chile                   221.1  269.8   +22%

plt.figure(figsize=(12,6))
y_range = range(1, len(df.index) + 1)
plt.hlines(y=y_range, xmin=df['1990'], xmax=df['2015'], color='grey', alpha=0.4, lw=3)
plt.scatter(df['1990'], y_range, color='blue', s=100, label='1990')
plt.scatter(df['2015'], y_range, color='black', s=100 , label='2015')
for (_, row), y in zip(df.iterrows(), y_range):
    plt.annotate(row["change"], (max(row["1990"], row["2015"]) + 2, y))
plt.legend(loc=2)

plt.yticks(y_range, df.index)
plt.title("Energy productivity in selected countries and regions, 1990 and 2015\nBillion dollars GDP per quadrillion BTU", loc='left')
plt.xlim(50, 300)
plt.gcf().subplots_adjust(left=0.35)
plt.tight_layout()
plt.show()