bar图设置距离 python_python数据可视化---利用matplotlib绘制图表

男娘i 2023-01-01 15:55 355阅读 0赞

![7a04e24809b90312ad8e227bd830fb47.png][]

## **离散型数据可视化** ##

**饼图**

#以失信用户数据为例，绘制学历的分布饼图
    import matplotlib.pyplot as plt
    
    edu = [0.2515,0.3724,0.3336,0.0368,0.0057]
    labels = ['中专','大专','本科','硕士','其他']
    
    #生成数据，用于突出显示大专学历人群
    explode = [0,0.1,0,0,0]
    #自定义颜色
    colors = ['#9999ff','#ff9999','#7777aa','#2442aa','#dd5555']
    #中文乱码和坐标轴负号的处理
    plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
    plt.rcParams['axes.unicode_minus'] = False
    #将横、纵坐标轴标准化处理，确保饼图是一个正圆，否则为椭圆
    plt.axes(aspect = 'equal')
    #绘制饼图
    plt.pie(
        x = edu, #绘图数据
        explode = explode, #突出显示大专人群
        labels = labels,   #添加教育水平标签
        colors = colors, #设定饼图的自定义填充色
        autopct = '%.1f%%',   #设置百分比格式，这里保留一位小数
        pctdistance = 0.8,    #设置百分比标签与圆心的距离
        labeldistance = 1.1, #设置教育水平标签与圆心的距离
        startangle = 180,    #设置饼图的初始角度
        radius = 1.2,        #设置饼图的半径
        counterclock = False,   #是否逆时针，这里设置为顺时针方向
        wedgeprops = {
         'linewidth':1.5,'edgecolor':'green'},  #设置饼图内外标签的属性值
        textprops = {
         'fontsize':10,'color':'black'}         #设置文本标签的属性值
    )
    #添加图标题
    plt.title('失信用户的受教育水平分布')
    #显示图形
    plt.show()

![4c617f3b04b0140914dd3192ca41ec96.png][]

**条形图**

# 数据背景：2017年中国六大省份的GDP 数据来源：互联网
    #读取数据
    import pandas as pd
    GDP = pd.read_excel(r'D:顾小淳的文件夹CSDN 数据分析与机器学习   学习数据分析1480资料【Version2】从零开始学Python数据分析与挖掘各章节数据源和代码第6章 Python数据可视化Province GDP 2017.xlsx')
    #设置绘图风格（使用R语言中的ggplot2风格）
    import matplotlib.pyplot as plt
    plt.style.use('ggplot')
    plt.rcParams['axes.unicode_minus']=False
    plt.rcParams['font.sans-serif']=['Microsoft YaHei']
    #绘制条形图
    plt.bar(
        x=range(GDP.shape[0]),      #指定条形图x轴的刻度值
        height=GDP.GDP,                #指定条形图y轴的数值
        tick_label = GDP.Province,     #指定条形图x轴的刻度标签
        color = 'steelblue',           #指定条形图的填充色       
           )
    #添加y轴的标签
    plt.ylabel('GDP(万亿)')
    #添加条形图的标题
    plt.title('2017年度6各省份GDP分布')
    #为每个条形图添加数值标签
    for x,y in enumerate(GDP.GDP):
        plt.text(x,y+0.1,'%s'%round(y,1),ha='center')
    #显示图形
    plt.show()

![b65a4857964ab5d8b87137245c388ea0.png][]

**水平条形图**

#将上面的条形图进行降序或者升序处理，可以更直观一点。得到水平条形图
    
    import pandas as pd
    GDP = pd.read_excel(r'D:顾小淳的文件夹CSDN 数据分析与机器学习   学习数据分析1480资料【Version2】从零开始学Python数据分析与挖掘各章节数据源和代码第6章 Python数据可视化Province GDP 2017.xlsx')
    
    #对读入的数据作升序排序
    GDP.sort_values(by='GDP',inplace=True)
    #绘制条形图
    import matplotlib.pyplot as plt
    plt.barh(
        y = range(GDP.shape[0]),         #指定条形图y轴的刻度值
        width = GDP.GDP,                #指定条形图x轴的数值
        tick_label = GDP.Province,       #指定条形图y轴的标签刻度
        color = 'steelblue'               #指定条形图的填充色
    )
    #添加x轴的标签
    plt.xlabel('GDP(万亿)')
    #添加条形图的标题
    plt.title('2017年度6各省份GDP分布')
    #为每个条形图添加数值标签
    for y,x in enumerate(GDP.GDP):
        plt.text(x+0.3,y,'%s'%round(x,1),ha='center')
    #显示图形
    plt.show()

![02eb0f36cc69ed4f5a808c3533781ba1.png][]

**堆叠条形图**

# 绘制堆叠条形图
    # 2017年四个季度的产业值   数据来源：中国统计网
    
    #读取数据
    import pandas as pd
    Industry_GDP = pd.read_excel(r'D:顾小淳的文件夹CSDN 数据分析与机器学习   学习数据分析1480资料【Version2】从零开始学Python数据分析与挖掘各章节数据源和代码第6章 Python数据可视化Industry_GDP.xlsx')
    #取出四个不同的季度标签，用作堆叠条形图x轴的刻度标签
    Quarters = Industry_GDP.Quarter.unique()
    #取出第一产业的四季度值
    Industry1 = Industry_GDP.GPD[Industry_GDP.Industry_Type == '第一产业']
    Industry1.index = range(len(Quarters))       #重新设置行索引
    #取出第二产业的四季度值
    Industry2 = Industry_GDP.GPD[Industry_GDP.Industry_Type == '第二产业']
    Industry2.index = range(len(Quarters))       #重新设置行索引
    #取出第三产业的四季度值 
    Industry3 = Industry_GDP.GPD[Industry_GDP.Industry_Type == '第三产业']
    Industry3.index = range(len(Quarters))        #重新设置行索引
    
    #绘制堆叠条形图
    #各季度下第一产业的条形图
    plt.bar(
        x = range(len(Quarters)),
        height = Industry1,
        color = 'steelblue',
        label = '第一产业',
        tick_label = Quarters
    )
    #各季度下第二产业的条形图
    plt.bar(
        x = range(len(Quarters)),
        height = Industry2,
        bottom = Industry1,
        color = 'green',
        label = '第二产业'
    )
    #各季度下第三产业的条形图
    plt.bar(
        x = range(len(Quarters)),
        height = Industry3,
        bottom = Industry1+Industry2,
        color = 'red',
        label = '第三产业'
    )
    #添加y轴标签
    plt.ylabel('生产总值（亿）')
    #添加图形标题
    plt.title('2017年各季度三产业总值')
    #显示各产业的图例
    plt.legend(loc='upper left')
    #显示图形
    plt.show()

![26548646a8831d929d823b942ab143de.png][]

[7a04e24809b90312ad8e227bd830fb47.png]: /images/20221120/ae53aee1be9a48e387672e6a313f8fe5.png
[4c617f3b04b0140914dd3192ca41ec96.png]: /images/20221120/94782d59bd074505b7ff0dbee28a42b1.png
[b65a4857964ab5d8b87137245c388ea0.png]: /images/20221120/7c674257b1494dd599df3cdc6efe73bc.png
[02eb0f36cc69ed4f5a808c3533781ba1.png]: /images/20221120/eda62d8446eb424693e76881ae658a4b.png
[26548646a8831d929d823b942ab143de.png]: /images/20221120/b9aeab4d650243a0b90da0ef21ff3a2c.png