PYTHON使用Matplotlib去实现各种条形图的绘制


Posted in Python onMarch 22, 2022

1. 条形图的绘制

plt.bar 方法有以下常用参数:

  • x :一个数组或者列表,代表需要绘制的条形图的x轴的坐标点。
  • height :一个数组或者列表,代表需要绘制的条形图y轴的坐标点。
  • width :每一个条形图的宽度,默认是0.8的宽度。
  • bottom : y 轴的基线,默认是0,也就是距离底部为0.
  • align :对齐方式,默认是 center ,也就是跟指定的 x 坐标居中对齐,还有为 edge ,靠
  • 边对齐,具体靠右边还是靠左边,看 width 的正负。
  •  color :条形图的颜色。

返回值为 BarContainer ,是一个存储了条形图的容器,而条形图实际上的类型
是 matplotlib.patches.Rectangle 对象。
更多参考

比如现在有 2019 年贺岁片票房的数据(数据来源

#票房单位亿元
movies = {
 "流浪地球":40.78,
 "飞驰人生":15.77,
 "疯狂的外星人":20.83,
 "新喜剧之王":6.10,
 "廉政风云":1.10,
 "神探蒲松龄":1.49,
 "小猪佩奇过大年":1.22,
 "熊出没·原始时代":6.71
}

用条形图绘制每部电影及其票房的代码如下:

movies = {
    "流浪地球":40.78,
    "飞驰人生":15.77,
    "疯狂的外星人":20.83,
    "新喜剧之王":6.10,
    "廉政风云":1.10,
    "神探蒲松龄":1.49,
    "小猪佩奇过大年":1.22,
    "熊出没·原始时代":6.71
}
x = list(movies.keys())
y = list(movies.values())
plt.figure(figsize=(15,5))
# plt.bar(x,y,width=-0.3,align="edge",color='r',edgecolor='k')
movie_df = pd.DataFrame(data={"names":list(movies.keys()),"tickets":list(movies.values())})
plt.bar("names","tickets",data=movie_df)
plt.xticks(fontproperties=font,size=12)
plt.yticks(range(0,45,5),["%d亿"%x for x in range(0,45,5)],fontproperties=font,size=12)
plt.grid()

PYTHON使用Matplotlib去实现各种条形图的绘制

其中 xticks yticks 的用法跟之前的折线图一样。这里新出现的方法是 bar , bar 常用的有3个参数,分别是 x (x轴的坐标点), y (y轴的坐标点)以及 width (条形的宽度)。

2. 横向条形图

横向条形图需要使用plt.barh 这个方法跟 bar 非常的类似,只不过把方向进行旋转。参数
跟 bar 类似,但也有区别。

如下:

  • y :数组或列表,代表需要绘制的条形图在 y 轴上的坐标点。
  • width :数组或列表,代表需要绘制的条形图在 x 轴上的值(也就是长度)。
  • height :条形图的高度,默认是0.8。
  • left :条形图的基线,也就是距离y轴的距离。

其他参数跟 bar 一样。
返回值也是 BarContainer 容器对象。

还是以以上数据为例,将电影名和票房反转一下。

示例代码如下:

plt.barh(list(movies.keys()),list(movies.values()))
plt.yticks(fontproperties=font,size=12)

PYTHON使用Matplotlib去实现各种条形图的绘制

3. 分组条形图

现在有一组数据,是2019年春节贺岁片前五天的电影票房记录。

示例代码如下:

movies = {
    "流浪地球":[2.01,4.59,7.99,11.83,16],
    "飞驰人生":[3.19,5.08,6.73,8.10,9.35],
    "疯狂的外星人":[4.07,6.92,9.30,11.29,13.03],
    "新喜剧之王":[2.72,3.79,4.45,4.83,5.11],
    "廉政风云":[0.56,0.74,0.83,0.88,0.92],
    "神探蒲松龄":[0.66,0.95,1.10,1.17,1.23],
    "小猪佩奇过大年":[0.58,0.81,0.94,1.01,1.07],
    "熊出没·原始时代":[1.13,1.96,2.73,3.42,4.05]
}

plt.figure(figsize=(20,8))
width = 0.75
bin_width = width/5
movie_pd = pd.DataFrame(movies)
ind = np.arange(0,len(movies))
# 第一种方案
# first_day = movie_pd.iloc[0]
# plt.bar(ind-bin_width*2,first_day,width=bin_width,label='第一天')
# second_day = movie_pd.iloc[1]
# plt.bar(ind-bin_width,second_day,width=bin_width,label='第二天')
# third_day = movie_pd.iloc[2]
# plt.bar(ind,third_day,width=bin_width,label='第三天')
# four_day = movie_pd.iloc[3]
# plt.bar(ind+bin_width,four_day,width=bin_width,label='第四天')
# five_day = movie_pd.iloc[4]
# plt.bar(ind+bin_width*2,five_day,width=bin_width,label='第五天')

# 第二种方案
for index in movie_pd.index:
    day_tickets = movie_pd.iloc[index]
    xs = ind-(bin_width*(2-index))
    plt.bar(xs,day_tickets,width=bin_width,label="第%d天"%(index+1))
    for ticket,x in zip(day_tickets,xs):
        plt.annotate(ticket,xy=(x,ticket),xytext=(x-0.1,ticket+0.1))
# 设置图例
plt.legend(prop=font)
plt.ylabel("单位:亿",fontproperties=font)
plt.title("春节前5天电影票房记录",fontproperties=font)
# 设置x轴的坐标
plt.xticks(ind,movie_pd.columns,fontproperties=font)
plt.xlim
plt.grid(True)
plt.show()

PYTHON使用Matplotlib去实现各种条形图的绘制

4. 堆叠条形图

堆叠条形图,是将一组相关的条形图堆叠在一起进行比较的条形图。

比如以下案例:

menMeans = (20, 35, 30, 35, 27)
womenMeans = (25, 32, 34, 20, 25)
groupNames = ('G1','G2','G3','G4','G5')
plt.bar(groupNames,menMeans,label="男性得分")
plt.bar(groupNames,womenMeans,bottom=menMeans,label='女性得分')
plt.legend(prop=font)

PYTHON使用Matplotlib去实现各种条形图的绘制

在绘制女性得分的条形图的时候,因为要堆叠在男性得分的条形图上,所以使用到了一
bottom 参数,就是距离 x 轴的距离。通过对贴条形图,我们就可以清楚的知道,哪一个队伍的综合排名是最高的,并且在每个队伍中男女的得分情况。

5. 条形图应用场景

  • 数量统计。
  • 频率统计。
  • 适用于分类数据对比。
  • 垂直条形图最多不超过12个分类(也就是12个柱形),横向条形图最多不超过30个分类。如果垂直条形图的分类名太长,那么建议换成横向条形图。
  • 柱状图不适合表示趋势,如果想要表示趋势,应该使用折线图。

到此这篇关于Matplotlib实现各种条形图绘制的文章就介绍到这了,更多相关Matplotlib条形图绘制内容请搜索三水点靠木以前的文章或继续浏览下面的相关文章希望大家以后多多支持三水点靠木!

Python 相关文章推荐
Python下Fabric的简单部署方法
Jul 14 Python
Python中subprocess的简单使用示例
Jul 28 Python
Python标准库inspect的具体使用方法
Dec 06 Python
使用python实现http及ftp服务进行数据传输的方法
Oct 26 Python
python虚拟环境迁移方法
Jan 03 Python
Django JWT Token RestfulAPI用户认证详解
Jan 23 Python
python通过txt文件批量安装依赖包的实现步骤
Aug 13 Python
Numpy中对向量、矩阵的使用详解
Oct 29 Python
python golang中grpc 使用示例代码详解
Jun 03 Python
Python如何避免文件同名产生覆盖
Jun 09 Python
浅谈Python 参数与变量
Jun 20 Python
关于python中remove的一些坑小结
Jan 04 Python
Python+OpenCV实现在图像上绘制矩形
Matplotlib绘制条形图的方法你知道吗
Python的代理类实现,控制访问和修改属性的权限你都了解吗
Mar 21 #Python
python的netCDF4批量处理NC格式文件的操作方法
Python&Matlab实现灰狼优化算法的示例代码
Python学习之时间包使用教程详解
Mar 21 #Python
Python数据结构之队列详解
You might like
QueryPath PHP 中的jQuery
2010/04/11 PHP
七款最流行的PHP本地服务器分享
2013/02/19 PHP
注意:php5.4删除了session_unregister函数
2013/08/05 PHP
浅析Yii2中GridView常见操作
2016/04/22 PHP
php下载文件超时时间的设置方法
2016/10/06 PHP
laravel框架模型中非静态方法也能静态调用的原理分析
2019/11/23 PHP
Cookie 注入是怎样产生的
2009/04/08 Javascript
JS getAttribute和setAttribute(取得和设置属性)的使用介绍
2013/07/10 Javascript
鼠标移到导航当前位置的LI变色处于选中状态
2013/08/23 Javascript
JavaScript中模拟实现jsonp
2015/06/19 Javascript
JS给Textarea文本框添加行号的方法
2015/08/20 Javascript
JS鼠标拖拽实例分析
2015/11/23 Javascript
基于javascript显示当前时间以及倒计时功能
2016/03/18 Javascript
jQuery学习笔记——jqGrid的使用记录(实现分页、搜索功能)
2016/11/09 Javascript
JS中利用swiper实现3d翻转幻灯片实例代码
2017/08/25 Javascript
分享vue.js devtools遇到一系列问题
2017/10/24 Javascript
jQuery实现带右侧索引功能的通讯录示例【附源码下载】
2018/04/17 jQuery
mpvue项目中使用第三方UI组件库的方法
2018/09/30 Javascript
nodejs中方法和模块用法示例
2018/12/24 NodeJs
react 组件传值的三种方法
2019/06/03 Javascript
js 判断当前时间是否处于某个一个时间段内
2019/09/19 Javascript
python小技巧之批量抓取美女图片
2014/06/06 Python
Python使用random和tertools模块解一些经典概率问题
2015/01/28 Python
简单介绍Python中的JSON模块
2015/04/08 Python
Python同时向控制台和文件输出日志logging的方法
2015/05/26 Python
深入理解python中的atexit模块
2017/03/07 Python
python仿抖音表白神器
2019/04/08 Python
python删除文件夹下相同文件和无法打开的图片
2019/07/16 Python
Python约瑟夫生者死者小游戏实例讲解
2021/01/04 Python
工程采购员岗位职责
2014/03/09 职场文书
优秀团员事迹材料1500字
2014/08/31 职场文书
大一新生期末自我评价
2014/09/12 职场文书
2015教师见习期工作总结
2014/12/12 职场文书
会议通知范文
2015/04/15 职场文书
JS异步堆栈追踪之为什么await胜过Promise
2021/04/28 Javascript
Springboot-cli 开发脚手架,权限认证,附demo演示
2022/04/28 Java/Android