Python使用Matplotlib繪制甘特圖的實踐
1.引言
甘特圖已經擁有 100 多年的歷史,這種可視化圖表對項目管理非常有用。
Henry Gantt 為瞭分析已經完成的項目創建瞭甘特圖,他最初設計這個可視化工具主要用來衡量員工的工作效率並從中識別表現不佳的員工。經過多年的發展,甘特圖已經發展成項目規劃和跟蹤的必備工具。
本文主要介紹如何使用Matplotlib來繪制甘特圖,並不斷優化我們的可視化效果。
閑話少說,我們直接開始吧。 :)
2.舉個栗子
首先我們導入Pandas和Numpy庫,這兩個庫可以幫助我們進行數據預處理。
import pandas as pd import matplotlib.pyplot as plt import numpy as np
為瞭舉例,這裡采用一個項目管理的數據集,如下所示為對應的讀取代碼:
df = pd.read_excel('../data/plan.xlsx') df
結果如下:
上圖所示,我們一共有14個Task,從TaskA到TaskM。其中每一行依次表示編號,Task名字,Task所屬部門,Task開始日期,Task結束日期,以及已經完成瞭多少。
3.數據預處理
為瞭使我們的繪圖變得更加容易,我們需要增加一些變量。
首先我們需要設置整個項目開始日期,接著,我們將添加一列,用於表示從項目開始日期到每個子任務開始的天數;這將有助於在 x 方向上定位每個子任務的位置。
同理,我們對從項目開始日期到子任務結束的天數也增加一列,這將有助於計算完成子任務所需的總的天數。
編寫代碼如下:
# project start date proj_start = df.Start.min() # number of days from project start to task start df['start_num'] = (df.Start - proj_start).dt.days # number of days from project start to end of tasks df['end_num'] = (df.End - proj_start).dt.days # days between start and end of each task df['days_start_to_end'] = df.end_num - df.start_num
運行結果如下:
如上圖所示,我們設置整個項目的開始日期為2022-02-15,我們增加瞭3列,依次為start_num用於表示子任務開始日期到整個項目開始日期的天數,end_num用於表示子任務結束日期到整個項目開始日期的天數,days_start_to_end用於表示完成子任務所需要的天數。
4.繪制甘特圖
做好上述準備,我們就可以繪制我們的甘特圖瞭。這裡我們使用Matplotlib中的條形圖進行繪制。
Y軸表示任務名稱,每個子項的寬度表示子任務開始和結束之間的天數,子項的起始位置為從項目開始到子任務開始之間的天數。
繪制代碼如下:
fig, ax = plt.subplots(1, figsize=(16,6)) ax.barh(df.Task, df.days_start_to_end, left=df.start_num) plt.show()
運行結果如下:
5.添加顏色
觀察上圖,我們繪制瞭最簡單的條形圖用來表示項目管理。但是太粗糙瞭,接著我們來一步一步進行改進吧。。。
首先我們觀察上圖,條形圖中的子項都是同一顏色,區分度不明顯,但是我們數據中每項任務都有歸屬部門,我們可以對不同部門設置不同顏色。代碼如下:
# create a column with the color for each department def color(row): c_dict = {'MKT':'#E64646', 'FIN':'#E69646', 'ENG':'#34D05C', 'PROD':'#34D0C3', 'IT':'#3475D0'} return c_dict[row['Department']] df['color'] = df.apply(color, axis=1)
同時我們觀察到上圖中x軸為數字,所代表的含義並不直觀,我們將其轉化為日期每隔三天進行一次顯示。這樣我們優化後x軸日期顯示代碼如下:
from matplotlib.patches import Patch fig, ax = plt.subplots(1, figsize=(16,6)) ax.barh(df.Task, df.days_start_to_end, left=df.start_num, color=df.color) ##### LEGENDS ##### c_dict = {'MKT':'#E64646', 'FIN':'#E69646', 'ENG':'#34D05C', 'PROD':'#34D0C3', 'IT':'#3475D0'} legend_elements = [Patch(facecolor=c_dict[i], label=i) for i in c_dict] plt.legend(handles=legend_elements) ##### TICKS ##### xticks = np.arange(0, df.end_num.max()+1, 3) xticks_labels = pd.date_range(proj_start, end=df.End.max()).strftime("%m/%d") xticks_minor = np.arange(0, df.end_num.max()+1, 1) ax.set_xticks(xticks) ax.set_xticks(xticks_minor, minor=True) ax.set_xticklabels(xticks_labels[::3]) plt.show()
運行結果如下:
6.添加透明度
仔細觀察上圖,是不是比第一版美觀很多。我們觀察我們的數據,發現我們還有一列Completeness沒有進行可視化,我們知道它代表每項子任務的完成度。接著我們來對齊進行可視化。
# days between start and current progression of each task df['current_num'] = (df.days_start_to_end * df.Completion)
我們將新創建一個條形圖,子項為上述每項子任務的完成度。同時我們將在子項的末尾寫上完成度的百分比。
為瞭區分已完成和未完成,我們可以使用參數alpha將未完成部分設置成透明效果。
代碼如下:
from matplotlib.patches import Patch fig, ax = plt.subplots(1, figsize=(16,6)) # bars ax.barh(df.Task, df.current_num, left=df.start_num, color=df.color) ax.barh(df.Task, df.days_start_to_end, left=df.start_num, color=df.color, alpha=0.5) # texts for idx, row in df.iterrows(): ax.text(row.end_num+0.1, idx, f"{int(row.Completion*100)}%", va='center', alpha=0.8) ##### LEGENDS ##### c_dict = {'MKT':'#E64646', 'FIN':'#E69646', 'ENG':'#34D05C', 'PROD':'#34D0C3', 'IT':'#3475D0'} legend_elements = [Patch(facecolor=c_dict[i], label=i) for i in c_dict] plt.legend(handles=legend_elements) ##### TICKS ##### xticks = np.arange(0, df.end_num.max()+1, 3) xticks_labels = pd.date_range(proj_start, end=df.End.max()).strftime("%m/%d") xticks_minor = np.arange(0, df.end_num.max()+1, 1) ax.set_xticks(xticks) ax.set_xticks(xticks_minor, minor=True) ax.set_xticklabels(xticks_labels[::3]) plt.show()
運行結果如下:
7.再優化
最後,為瞭讓我們的甘特圖更具有吸引力。我們可以繪制網格線,添加我們的標題說明圖表用途。
代碼較長,不在粘貼。後文有完整代碼獲取方式。
最後的可視化結果如下:
當然也可以設置背景色,以突出前景條目。效果如下所示:
Wow,果真逼格滿滿。。。。
8. 總結
本文介紹瞭如何用Matplotlib使用條形圖繪制甘特圖來進行項目管理可視化,並不斷改進以提升最終顯示效果。
到此這篇關於Python使用Matplotlib繪制甘特圖的實踐的文章就介紹到這瞭,更多相關Matplotlib 甘特圖內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- matplotlib基本圖形繪制操作實例
- Python利用Matplotlib繪制圖表詳解
- 如何使用Python Matplotlib繪制條形圖
- Python數據可視化之環形圖
- Python Matplotlib數據可視化模塊使用詳解