matplotlib可视化之柱状图plt.bar()

在本期内容中，我们先从柱状图（条形图）开始，柱状图实际上是用来表示分组（或离散）变量的可视化，可以使用matplotlib模块中的bar函数完成柱状图的绘制。

函数功能：柱状图，寻找各类别之间的关系

调用方法：plt.bar(x, y, width，color, edgecolor, bottom, linewidth, align, tick_label, align)

参数说明：
x：指定x轴上数值

y：指定y轴上的数值

width：表示柱状图的宽度，取值在0~1之间，默认为0.8

color：柱状图的填充色

edgecolor：柱状图的边框颜色

bottom：柱状图底部离横轴的距离

linewidth：柱状图边框宽度

tick_label：柱状图的刻度标签，也可直接将标签赋值给x

align：指定x轴上对齐方式，"center","lege"边缘

# 准备数据
xiaoming_score = [80,75,65,58,75,80,90]  #小明各科成绩
xiaohong_score =[90,85,75,62,75,60,80]   #小红各科成绩
subjects = ['语文','英语','数学','物理','化学','生物','体育']

使用各种参数：

plt.bar(x = np.arange(7),        # 横坐标height = xiaoming_score, # 柱状高度width = 0.35,            # 柱状宽度label = '小明',          # 标签edgecolor = 'k',         # 边框颜色color = 'r',             # 柱状图颜色tick_label = subjects,   # 每个柱状图的坐标标签linewidth= 3)            # 柱状图边框宽度
plt.legend() #显示标签
plt.show()

水平柱状图：plt.barh()

簇状条形图：通过控制横轴坐标绘图

# 绘图
plt.figure(figsize = (10,7))
bar1 = plt.bar(x = np.arange(7),height = xiaoming_score,width = 0.35,label = '小明',edgecolor = 'white',color = 'r',tick_label = subjects)
bar2 = plt.bar(x = np.arange(7)+0.35,height = xiaohong_score,width = 0.35,label = '小红')# 标注数值 注：老版本可能没有这个方法，得使用下方做法
plt.bar_label(bar1)
plt.bar_label(bar2)# 补充标题及标签
plt.title('小明、小红各科成绩对比') # 图的标题
plt.xlabel('科目',fontsize = 15)   # 横轴标签
plt.ylabel('成绩',fontsize = 15)  # 纵轴标签
plt.xticks(np.arange(7)+0.17,subjects,fontsize = 12)  # 柱状图横轴坐标各类别标签
plt.legend()  # 显示两组柱状图的标签# # 老方法：注释各柱状图的数值，在这里即分数
# for i in range(len(subjects)):
#     plt.text(x = i-0.1, y = xiaoming_score[i]+1,s = xiaoming_score[i] ) # s表示注释内容
# for i in range(len(subjects)):
#     plt.text(x = i+0.3, y = xiaohong_score[i]+1,s = xiaohong_score[i] )# 显示图像
plt.show()

堆叠条形图：通过bottom参数

# 绘图
bar1= plt.bar(x = subjects, height = xiaoming_score, label = '小明', color = 'steelblue', alpha = 0.8, width = 0.35)
bar2 = plt.bar(x = subjects, height = xiaohong_score, label = '小红', color = 'indianred', alpha = 0.8, width = 0.35, bottom=xiaoming_score)
# 标注数值，注：较老版本可能没有此方法，得尝试后面做法
plt.bar_label(bar1,padding=-70)
plt.bar_label(bar2,padding=-70)
# 补充标题及标签
plt.title('小明、小红各科成绩对比') # 图的标题
plt.xlabel('科目',fontsize = 15)   # 横轴标签
plt.ylabel('成绩',fontsize = 15)  # 纵轴标签
plt.xticks(np.arange(7),subjects,fontsize = 12)  # 柱状图横轴坐标各类别标签
plt.legend()  # 显示两组柱状图的标签# 老做法：注释各柱状图的数值，在这里即分数
# for i in range(len(subjects)):
#     plt.text(x = i-0.1, y = xiaoming_score[i]-30,s = xiaoming_score[i] )
# for i in range(len(subjects)):
#     plt.text(x = i-0.1, y = xiaohong_score[i]+30,s = xiaohong_score[i] )plt.show()

matplotlib可视化之柱状图plt.bar()相关推荐

python使用matplotlib可视化3D柱状图（3D bar plot、三维柱状图、包含三个坐标轴x、y、z）、设置zdir参数为y、改变3d图观察的角度
python使用matplotlib可视化3D柱状图(3D bar plot.三维柱状图.包含三个坐标轴x.y.z).设置zdir参数为y.改变3d图观察的角度目录
python使用matplotlib对比多个模型在测试集上的效果并可视化、设置模型性能可视化结果柱状图（bar plot）标签的小数点位数（例如，强制柱状图标签0.7显示为两位小数0.70）
python使用matplotlib对比多个模型在测试集上的效果并可视化.设置模型性能可视化结果柱状图(bar plot)标签的小数点位数(例如,强制柱状图标签0.7显示为两位小数0.70) 目录
python使用matplotlib可视化3D柱状图（3D histogram、三维柱状图、包含三个坐标轴x、y、z）、设置zdir参数为z、改变3d图观察的角度
python使用matplotlib可视化3D柱状图(3D histogram.三维柱状图.包含三个坐标轴x.y.z).设置zdir参数为z.改变3d图观察的角度目录
matplotlib可视化番外篇bar()--带误差棒的柱状图
本节主要分2个内容:1. 实现对柱状图添加误差棒: 2. 实现并列型带误差棒柱状图 1. 实现对柱状图添加误差棒,bar()篇内容,官方bar()文档,柱状图参数详情补充参数信息 xerr, yer ...
【Python画图】matplotlib画折线图plt.plot、柱状图plt.bar、堆叠柱状图、饼图plt.pie以及自定义坐标轴的位置、显示汉字
一.折线图 1.常规折线图 import matplotlib.pyplot as plt import matplotlib.font_manager as fm#这样设置以后可以在图中显示中文 ...
Python Matplotlib绘制渐变色柱状图（bar）并加边框和配置渐变颜色条（colorbar）
热力图是数据分析的常用方法,通过色差.亮度来展示数据的差异.易于理解.目前,常见的是看数据表里多个特征两两的相关度热力图. 基于此思想,做出柱状热力图,用于展现单个特征针对整体的相关度,以此列出所有特 ...
python数据处理+matplotlib可视化（柱状图、折线图、表格）
本文章涉及Python读取并处理Excel数据,pandas数据处理转化,matplotlib汇总柱状图.折线图,表格.双y轴柱状+折线图 . 一.首先导入相关的包 #导入相关的包 import nu ...
matplotlib可视化之饼图plt.pie()与plt.legend()中bbox_to_anchor参数的理解
函数功能:表示离散变量各占比情况调用方法:plt.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0 ...
python matplotlib,plt.pie,plt.bar(bike数据的分析)
说在前面:这个是七月在线线下课程的一个课件,侵权的话联系删除,想学的可以点击链接买,运行环境是notebook.因为方便手机查看,所以把这个放博客上. import matplotlib.pyplot ...

matplotlib可视化之柱状图plt.bar()

matplotlib可视化之柱状图plt.bar()相关推荐

最新文章

热门文章