超详细的Python matplotlib 绘制柱状图

复习回顾

Python 为数据展示提供了大量优秀的功能包，其中 matplotlib 模块可以方便绘制制作折线图、柱状图、散点图等高质量的数据包。

关于 matplotlib 模块，我们前期已经对matplotlib进行基本框架、以及常用方法的学习

Python matplotlib 绘制饼图_

python matplotlib绘制折线图_

python入门到进阶，爬虫数据分析全套资料分享讲解

Python面向对象编程：类继承和其衍生术语

Python面向对象编程：深度认识类class_

在 matplotlib 模块提供的图表中，除了折线图使用最多外，柱状图也是我们日常数据分析的图表。

本期，我们开始学习绘制柱状图相关属性和方法，let's go~

1. 柱状图概述

• 什么是柱状图
  • 柱状图又称为条形图，是一种以长方形的长度为变量数据进行统计的图表
  • 柱状图用来比较两个或以上类型
  • 柱状图只有一个以长方形的长度为变量
  • 柱状图可以横向排列或者多维方式展示
• 柱状图使用场景
  • 柱状图适用在较小数据集的分析
  • 适用二维数据集,只比较一个维度数据差异项
  • 直观展示各个体之间数据的差异
  • 表现离散型的时间序列
• 柱状图绘制步骤
  1. 导入matplotlib.pyplot模块
  2. 准备数据，可以使用numpy/pandas整理数据
  3. 调用pyplot.bar()绘制柱状图
• 案例展示

  本次，我们分析过去5年内的产品年销量展示

  • 案例所用到的数据如下：

    import random
    
    x_data = ["20{}年".format(i) for i in range(16,21)]
    y_data = [random.randint(100,300) for i in range(6)]
    复制代码

  • 绘制柱状图

    
    import matplotlib.pyplot as plt
    
    plt.rcParams["font.sans-serif"]=['SimHei']
    plt.rcParams["axes.unicode_minus"]=False
    
    for i in range(len(x_data)):
        plt.bar(x_data[i],y_data[i])
    
    plt.title("销量分析")
    plt.xlabel("年份")
    plt.ylabel("销量")
    
    plt.show()
    复制代码

     

2. 柱状图属性

• 柱状体颜色填充

  • facecolor（fc）关键字

  • color 关键字

  • 颜色简称：

  属性值	说明	属性值	说明
  "b"/"bule"	蓝色	"m"/"magenta"	品红
  "g" /"green"	绿色	"y"/"yellow"	黄色
  "r"/"red"	红色	"k"/"black"	黑色
  "c"/"cyan"	青色	"w"/"white"	白色

  • rgb:

    • 格式形式：(r,g,b)
    • 取值范围：0~1
• 柱状描边设置

  • 柱状体边框颜色

    • edgecolor 或者 ec

  • 柱状体边框样式

    • linestyle 或者 ls

    • 线条样式：

    属性值	说明
    "-" 、"solid"	默认实线显示
    "--"、"dashed"	虚线
    "-." "dashdot"	点划线
    ":"、"dotted"	虚线
    "None" """"	空

  • 柱状体边框宽度

    • linewidth 或者 lw
• 柱状图填充样式
  • hatch: 设置填充样式
  • 属性取值：{'/', '', '|', '-', '+', 'x', 'o', 'O', '.', '*'} |
• 柱状图刻度标签
  • tickle label：默认使用数字标签

• 我们对 第一节柱状图添加边框样式为"--",添加指定rgb颜色，填充圆圈

  for i in range(len(x_data)):
     plt.bar(x_data[i],y_data[i],color=(0.2*i,0.2*i,0.2*i),line,hatch="o")
  复制代码

   

3. 堆叠柱状图

在柱状图中，我们会在同时对比两组数据在同一类中的表现形式，因此需要绘制堆叠柱状图

• bottom : 条形底座的y坐标，默认值为0

• 在第一节案例中，添加一组y轴数据所有数据如下：

   x_data = ["20{}年".format(i) for i in range(16,21)]
   y_data = list(random.randint(100,300) for i in range(5))
   y2_data = list(random.randint(100,300) for i in range(5))
  复制代码

• 再添加一次pyplot.bar方法，添加bottom属性

   plt.bar(x_data,y_data,lw=0.5,fc="r",label="Phone")
   plt.bar(x_data,y2_data,lw=0.5,fc="b",label="Android",bottom=y_data)
  复制代码

   

4. 并列柱状图

在绘制并列的柱状图中，要控制好每个柱状体的位置和大小可以使用width属性

• width: 设置每组柱状体的宽度

• x轴：x轴的宽度每组直接也要设置好

• 例如继续改造上面案例，我们为bar1和bar2添加了width属性后，单独设置x轴并排的宽度为0.3

  x_width = range(0,len(x_data))
  x2_width = [i+0.3 for i in x_width]
  
  
  plt.bar(x_width,y_data,lw=0.5,fc="r",width=0.3,label="Phone")
  plt.bar(x2_width,y2_data,lw=0.5,fc="b",width=0.3,label="Android")
  
  plt.xticks(range(0,5),x_data)
  复制代码

   

5. 水平柱状图

柱状图中，有时候需要让柱状图水平放置，比较差异，我们这时候需要使用到barh方法

• pyplot.barh(y,width)：绘制水平柱状图

• 结合上述案例，改用barh方法

  x_data = ["20{}年".format(i) for i in range(16,21)]
  y_data = list(random.randint(100,300) for i in range(5))
  y2_data = list(random.randint(100,300) for i in range(5))

  x_width = range(0,len(x_data))
  x2_width = [i+0.3 for i in x_width]

  plt.barh(x_width,y_data,lw=0.5,fc="r",height=0.3,label="Phone")
  plt.barh(x2_width,y2_data,lw=0.5,fc="b",height=0.3,label="Android")
  plt.yticks(range(0,5),x_data)

  plt.legend()

  plt.title("销量分析")
  plt.ylabel("年份")
  plt.xlabel("销量")

  plt.show()
复制代码

 

6. 添加折线柱状图

我们在查看柱状图时，有时候会需要辅助折线来查看

• 使用pyplot.plot()方法汇总折线图

• 同时使用pyplot.text()显示坐标值

• 当堆叠图时，需要计算好折线相对位置

  plt.plot(x_data,y_data,color="pink",line)
  
  plt.plot(x_data, y2_data+200, color="skyblue", line)
  
  # 柱状图
  plt.bar(x_data,y_data,lw=0.5,fc="r",width=0.3,label="Phone",alpha=0.5)
  plt.bar(x_data,y2_data, lw=0.5, fc="b", width=0.3, label="Android",alpha=0.5,bottom=y_data)
  
  for i,j in zip(x_data,y_data):
  
     plt.text(i,j+0.05,"%d"%j,ha="center",va="bottom")
  
  for i2,j2 in zip(x_data,y2_data):
  
     plt.text(i2,j2+180,"%d"%j2,ha="center",va="bottom")
  复制代码

   

7. 正负柱状图

我们需要使用Axes对象来设置坐标轴的位置

• 首先使用pyplot.gca()方法创建axes对象

• 然后使用matplotlib.spines模块调用set_position设置坐标轴位置

• set_position 设置轴位置点

• spines[]选项有"left"|"bottom"|"width"|"height"

• set_position 值格式为(位置类型,数量)；位置类型;"outward"|"axes"|"data"|;数量：中心->("轴",0.5),零->("数据",0.0)

  y_data = np.random.randint(100, 300,5)
  y2_data = np.random.randint(100, 300,5)
  
  ax = plt.gca()
  ax.spines["bottom"].set_position(('data', 0))
  
  plt.bar(x_data,+y_data,lw=0.5,fc="r",width=0.3,label="Phone")
  plt.bar(x_data,-y2_data, lw=0.5, fc="b", width=0.3, label="Android")
  
  for i,j in zip(x_data,y_data):
  
      plt.text(i,j,"%d"%j,ha="center",va="top")
  
  for i2,j2 in zip(x_data,y2_data):
  
      plt.text(i2,-j2,"%d"%j2,ha="center",va="bottom")
  复制代码

总结

本期，我们对matplotlib模块中详细学习绘制各种柱状图标相关属性和方法，在遇到需要直观展示离散数据点的差异时，我们可以使用bar()或者barh()绘制美观的图表。

以上是本期内容，欢迎大佬们点赞评论，下期见~