#!/usr/bin/env python
# coding: utf-8

# In[1]:


from datetime import datetime
print(f'Päivitetty {datetime.now().date()} / Aki Taanila')


# # Matplotlib - osa 1
# ## Yksinkertainen pylväskaavio

# * Jos käytän pandas-kirjastoa, niin voin tehdä kaavion suoraan dataframesta plot-funktiolla. Käytettävissä on monia kaavioon vaikuttavia parametreja: https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.plot.html
# * Kaavion luonnin jälkeen voin muotoilla ja täydentää kaaviota **matplotlib.pyplot**-paketin komennoilla. Lue lisää https://matplotlib.org/stable/tutorials/pyplot.html ja https://matplotlib.org/stable/api/pyplot_summary.html
# * Joissain tapauksissa tarvitaan kaavion luonnin palauttamaa **Axes**-luokan oliota kaavion muotoiluun. Lue lisää https://matplotlib.org/stable/api/axes_api.html
# 
# **Seaborn** on matplotlibin päälle rakennettu paketti, joka tekee monista vaikeista asioista helppoja. Tässä muistiossa en käytä sitä muuuhun kuin grafiikan tyylimäärittelyyn.

# In[2]:


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# Grafiikan tyylimäärittely, joka sisältää taustaviivoitukset (grid)
# Muita tyylivaihtoehtoja ovat 'darkgrid', 'dark', 'white' ja 'ticks'
sns.set_style('whitegrid')


# In[3]:


df = pd.read_excel('https://taanila.fi/data1.xlsx')
df


# In[4]:


# Lasken eri koulutuksen suorittaneiden lukumäärät
df1 = pd.crosstab(df['koulutus'], 'lkm')
df1.index = ['Peruskoulu', '2. aste', 'Korkeakoulu', 'Ylempi korkeakoulu']
df1.columns.name = ''
df1


# ## Vaakapylväskaavio
# 
# Teen äsken luomastani dataframesta vaakapylväskaavion **plot**-funktiolla. Plot-funktiolla voin luoda eri kaaviolajeja, esimerkiksi pystypylväskaavion **bar** tai vaakapylväskaavion **barh**.

# In[5]:


df1.plot(kind='barh')


# ## Kaavion muotoilua
# 
# * Mielestäni yhden arvosarjan kaavioissa selite on tarpeeton, joten piilotan sen **legend**-parametrilla
# * Kaavion otsikoksi (**title**) annan 'Koulutusjakauma'
# * Arvoakselin otsikoksi (**xlabel**) annan 'Lukumäärä'
# * Poistan tyylimäärittelystä tulleen vaakasuuntaisen taustaviivoituksen (**grid**)

# In[6]:


df1.plot(kind='barh', legend=False)

plt.title('Koulutusjakauma')
plt.xlabel('Lukumäärä')
plt.grid(axis='y')


# ## Hienosäätöä
# 
# * Tallennan kaavion ax-muuttujaan, jotta voin viitata siihen myöhemmin
# * Määritän koon **figsize**-parametrilla
# * Lisään pylväiden pituuksia vastaavat lukumäärät pylväiden viereen **bar_label**-funtiolla
# * Käytän apuna **for**-silmukkaa, jolla käyn läpi kaavion pylväät **containers**-kokoelmasta yksi kerrallaan
# * **padding**-parametrilla lisään tyhjää tilaa pylvään ja arvon väliin

# In[7]:


ax = df1.plot(kind='barh', figsize=(5, 3), legend=False)

plt.title('Koulutusjakauma')
plt.xlabel('Lukumäärä')
plt.grid(axis='y')

for container in ax.containers:
    ax.bar_label(container, padding=2)


# ## Pystypylväskaavio
# 
# Pienin muutoksin voin toteuttaa edellisen pystypylväskaaviona.
# 
# Huomaa luokka-akselin otsikoiden 0 asteen kääntö (**rot**) ja pysty-akselin rajojen määritys (**ylim**).

# In[8]:


ax = df1.plot(kind='bar', figsize=(6, 3), legend=False, rot=0)

plt.title('Koulutusjakauma')
plt.ylabel('Lukumäärä')
plt.grid(axis='x')
plt.ylim(0, 35)

for container in ax.containers:
    ax.bar_label(container, padding=2)


# ## Prosenttien esittäminen

# In[9]:


# Luon dataframen, jossa prosentit
df2 = pd.crosstab(df['koulutus'], 'f')
df2['%'] = df2['f'] / df2['f'].sum() * 100
df2.index = ['Peruskoulu', '2. aste', 'Korkeakoulu', 'Ylempi korkeakoulu']
df2.columns.name = ''
df2


# ### n-arvo
# 
# Kirjoitan x-akselin otsikon muotoiltuna merkkijonona (**f-string**). Muotoillussa merkkijonossa voin aaltosulkujen sisällä viitata muuttujan arvoon tai laskutoimituksen tulokseen. Tässä tapauksessa lasken df2:n f-sarakkeen lukujen summan ja muunnan tuloksen merkkijonoksi **str**-funktiolla. Jos mutoiltu merkkijono on heittomerkkien välissä, niin en voi käyttää heittomerkkejä merkkijonon sisällä. Sen sijaan voin käyttää lainausmerkkejä. Toisinpäin: jos muotoiltu merkkijono on lainausmerkkien välissä, niin merkkijonon sisällä pitää käyttää heittomerkkejä lainausmerkkien sijasta.
# 
# ### Prosenttilukujen muotoilu
# 
# Muotoilen pylväiden viereen sijoitettavat prosenttiluvut muotoilukoodilla **'{:.1f} %'** prosenttiluvuiksi yhdellä desimaalilla.

# In[10]:


ax = df2['%'].plot(kind='barh', figsize=(5, 3))

plt.title('Koulutusjakauma')
plt.xlabel(f'%, n = {str(df2["f"].sum())}')
plt.grid(axis='y')
plt.xlim(0, 42)

for container in ax.containers:
    ax.bar_label(container, padding=2, fmt='{:.1f} %')


# ## Kaavion tallennus
# 
# Kun tallennan kaavion **savefig**-funktiolla, niin tarkkaan ottaen tallennan kuvion (**figure**), jonka sisällä kaavio on. Kuvioon pääsen käsiksi **plt.gcf**-funktiolla (get current figure).
# 
# Ilman parametria `bbox_inches='tight'` osia kaavion reunoilta voi jäädä tallentumatta.
# 
# Tallennusmuoto määräytyy  tiedostonimen tarkentimen (esimerkiksi .png) perusteella. Mahdolliset tallennusmuodot selviävät komennolla `plt.gcf().canvas.get_supported_filetypes()`

# In[11]:


ax = df2['%'].plot(kind='barh', figsize=(5, 3))

plt.title('Koulutusjakauma')
plt.xlabel(f'%, n = {str(df2["f"].sum())}')
plt.grid(axis='y')
plt.xlim(0, 43)

for container in ax.containers:
    ax.bar_label(container, padding=2, fmt='{:.1f} %')

# Tallennus
plt.gcf().savefig('testi1.png', bbox_inches='tight')


# ## Lisätietoa
# 
# Matplotlib - osa 2 käsittelee useamman arvosarjan pylväskaavioita:
# https://nbviewer.jupyter.org/github/taanila/kaaviot/blob/master/matplotlib2.ipynb