Python matplotlib 绘制柱状图

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。

接下来我们开始学习绘制柱状图相关属性和方法

1. 柱状图概述

1.1什么是柱状图

• 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

1.2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

1.3柱状图绘制步骤

• 导入matplotlib.pyplot模块
• 准备数据，可以使用numpy/pandas整理数据
• 调用pyplot.bar()绘制柱状图

1.3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)]

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()

2. 柱状图属性

2.1柱状体颜色填充

• facecolor（fc）关键字
• color 关键字
• 颜色简称：

rgb:

• 格式形式：(r,g,b)
• 取值范围：0~1

2.2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：

2.3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', '.', '*'} |

2.4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),linestyle="--",hatch="o")

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))

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)

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)

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()

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",linestyle="--")

plt.plot(x_data, y2_data+200, color="skyblue", linestyle="-.")

# 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")

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")

总结:
本文我们atplotlib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。

关于Python用 matplotlib 绘制柱状图的文章就介绍至此，更多相关matplotlib 绘制柱状图内容请搜索编程宝库以前的文章，希望以后支持编程宝库！

 一、列转行1、背景描述在日常处理数据过程中，你们可能会经常遇到这种类型的数据：而我们用pandas进行统计分析时，往往需要将结果转换成以下类型的数据：2.方法描述准备数据df = pd.Da ...