Python数据可视化第 5 讲：matplotlib绘制条形图函数bar

心已赠人 2023-02-14 01:55 33阅读 0赞

### 1. bar 函数介绍 ###

bar 函数用于绘制条形图，每个条按给定的对齐方式定位在参数 x 指定的位置。它们的宽、高尺寸由参数 height 和 width 决定。垂直基线由参数 bottom 指定，默认为0。函数的调用格式如下：

bar(x, height, width, bottom， **kwargs)
    bar(x, height, **kwargs)
    bar(x, height)

#### 参数说明： ####

*  x：标量序列，每个条定位在 x 指定的位置。
 *  height：标量或标量序列，条形图的高度。
 *  width：标量或类似数组，可选，条形图的宽度（默认值：0.8）。
 *  bottom：标量或类似数组，可选，条形图底部的y坐标（默认值：0）。
 *  align：对齐方式，可选，默认值：“center”。 “center”：将条形图置于x位置的中心；“edge”：将条的左边缘与x位置对齐。

### 2. bar 函数绘图示例 ###

#### 2.1 绘制一个基本的条形图 ####

绘制一个具有4个条的条形图，代码如下：

import matplotlib.pyplot as plt
    
    # step1：准备画图的数据
    x = [1, 2, 3, 4]
    height = [12, 34, 25, 30]
    # step2：手动创建一个figure对象，相当于一个空白的画布
    figure = plt.figure()
    # step3：在画布上添加1个子块，标定绘图位置
    axes1 = plt.subplot(1, 1, 1)
    # step4：绘制条形图
    axes1.bar(x, height)
    axes1.set_title('bar example')
    
    # step5：展示
    plt.show()

上面代码的运行结果：

![20200530194908498.png][]

#### 2.2 绘制条形图并设置基本属性 ####

绘制一个具有4个条的条形图，并设置基本属性，代码如下：

import matplotlib.pyplot as plt
    
    # step1：准备画图的数据
    x = [1, 2, 3, 4]
    height = [12, 34, 25, 30]
    # step2：手动创建一个figure对象，相当于一个空白的画布
    figure = plt.figure()
    # step3：在画布上添加1个子块，标定绘图位置
    axes1 = plt.subplot(1, 1, 1)
    # step4：绘制条形图
    axes1.bar(x, height, width=0.5)
    # step5：条形图基本属性设置
    axes1.set_title('GDP of 2019')
    axes1.set_ylabel('trillion dollars')
    plt.xticks(x, ('spring', 'summer', 'autumn', 'winter'))
    # step6：展示
    plt.show()

上面代码的运行结果：

![20200530195622638.png][]

#### 2.3 绘制复合条形图 ####

绘制复合条形图，并设置基本属性，代码示例如下：

import matplotlib.pyplot as plt
    import numpy as np
    
    # step1：准备画图的数据
    labels = ['G1', 'G2', 'G3', 'G4', 'G5']
    men_means = [20, 34, 30, 35, 27]
    women_means = [25, 32, 34, 20, 25]
    x = np.arange(len(labels))  # 条形图x轴坐标
    width = 0.35  # 条形图宽度
    
    # step2：手动创建一个figure对象，即一张空白的画布
    figure = plt.figure()
    # step3：在画布上添加1个子块，标定绘图位置
    axes1 = plt.subplot(1, 1, 1)
    # step4：绘制条形图
    axes1.bar(x - width / 2, men_means, width, label='Men')
    axes1.bar(x + width / 2, women_means, width, label='Women')
    # step5：条形图基本属性设置
    # Add some text for labels, title and custom x-axis tick labels, etc.
    axes1.set_ylabel('Scores')
    axes1.set_title('Scores by group and gender')
    axes1.set_xticks(x)
    axes1.set_xticklabels(labels)
    axes1.legend()
    # step6：展示
    plt.show()

上面代码的运行结果：

![20200530200652824.png][]

#### 2.4 堆积式条形图绘制 ####

采用“堆积”的方式绘制条形图，形成渐变色效果，并在条形图中添加一个表格，设置基本属性，代码示例如下：

import numpy as np
    import matplotlib.pyplot as plt
    
    # step1：准备画图的数据
    data = [[66386, 174296, 75131, 577908, 32015],
            [58230, 381139, 78045, 99308, 160454],
            [89135, 80552, 152558, 497981, 603535],
            [78415, 81858, 150656, 193263, 69638],
            [139361, 331509, 343164, 781380, 52269]]
    columns = ('Freeze', 'Wind', 'Flood', 'Quake', 'Hail')
    rows = ['%d year' % x for x in (100, 50, 20, 10, 5)]
    values = np.arange(0, 2500, 500)
    value_increment = 1000
    
    # 生成一组颜色，用于条形图颜色设置，形成渐变效果
    colors = plt.cm.BuPu(np.linspace(0, 0.5, len(rows)))
    n_rows = len(data)
    
    # 条形图x轴位置和宽度
    index = np.arange(len(columns)) + 0.3
    bar_width = 0.4
    
    # 初始化堆积条形图的垂直偏移
    y_offset = np.zeros(len(columns))
    
    # 打条形图并为表格创建文本标签
    cell_text = []
    # 手动创建一个figure对象，相当于一个空白的画布
    figure = plt.figure()
    # 在画布上增加一个子块
    axes1 = figure.add_subplot(1, 1, 1)
    # 循环，堆积式绘图，形成渐变色效果
    for row in range(n_rows):
        axes1.bar(index, data[row], bar_width, bottom=y_offset, color=colors[row])
        y_offset = y_offset + data[row]
        cell_text.append(['%1.1f' % (x / 1000.0) for x in y_offset])
    # 反转颜色和文本标签以在顶部显示最后一个值
    colors = colors[::-1]
    cell_text.reverse()
    
    # 在坐标系的底部增加一张表
    the_table = axes1.table(cellText=cell_text,
                            rowLabels=rows,
                            rowColours=colors,
                            colLabels=columns,
                            loc='bottom')
    
    # 调整子块布局，为表格腾出空间
    plt.subplots_adjust(left=0.2, bottom=0.2)
    
    # 基本设置
    plt.ylabel("Loss in ${0}'s".format(value_increment))
    plt.yticks(values * value_increment, ['%d' % val for val in values])
    plt.xticks([])
    plt.title('Loss by Disaster')
    
    # 绘图
    plt.show()

上面代码的运行结果：

![20200530202619213.png][]

[20200530194908498.png]: https://img-blog.csdnimg.cn/20200530194908498.png
[20200530195622638.png]: https://img-blog.csdnimg.cn/20200530195622638.png
[20200530200652824.png]: https://img-blog.csdnimg.cn/20200530200652824.png
[20200530202619213.png]: https://img-blog.csdnimg.cn/20200530202619213.png