如何用python繪制簡(jiǎn)單條形圖？

如何用python繪制簡(jiǎn)單條形圖呢？這里離不開matplotlib的使用。

在博白等地區(qū)，都構(gòu)建了全面的區(qū)域性戰(zhàn)略布局，加強(qiáng)發(fā)展的系統(tǒng)性、市場(chǎng)前瞻性、產(chǎn)品創(chuàng)新能力，以專注、極致的服務(wù)理念，為客戶提供成都網(wǎng)站設(shè)計(jì)、成都網(wǎng)站制作 網(wǎng)站設(shè)計(jì)制作按需設(shè)計(jì)網(wǎng)站,公司網(wǎng)站建設(shè),企業(yè)網(wǎng)站建設(shè),品牌網(wǎng)站設(shè)計(jì),全網(wǎng)整合營(yíng)銷推廣,成都外貿(mào)網(wǎng)站制作,博白網(wǎng)站建設(shè)費(fèi)用合理。

條形圖是數(shù)據(jù)可視化圖形中很基礎(chǔ)也很常用的一種圖，簡(jiǎn)單解釋下：條形圖也叫長(zhǎng)條圖（英語(yǔ)：bar chart），亦稱條圖（英語(yǔ)：bar graph）、條狀圖、棒形圖、柱狀圖、條形圖表，是一種以長(zhǎng)方形的長(zhǎng)度為變量的統(tǒng)計(jì)圖表。長(zhǎng)條圖用來(lái)比較兩個(gè)或以上的價(jià)值（不同時(shí)間或者不同條件），只有一個(gè)變量，通常利用于較小的數(shù)據(jù)集分析。長(zhǎng)條圖亦可橫向排列，或用多維方式表達(dá)。

那么一個(gè)普通的條形圖是長(zhǎng)什么樣子的呢？

當(dāng)！當(dāng)！當(dāng)！就是下圖的這個(gè)樣子：

圖先亮出來(lái)啦，接下來(lái)研究這個(gè)圖是怎么畫的吧，先看一下原數(shù)據(jù)長(zhǎng)什么樣子：

實(shí)際畫圖的流程和畫折線圖很相近，只是用到的畫圖函數(shù)不一樣，繪制條形圖的函數(shù)plt.bar（）：

由于這只是最簡(jiǎn)單的一個(gè)條形圖，實(shí)際上條形圖的函數(shù)plt.bar（）還有不少可以探索的參數(shù)設(shè)置，和對(duì)折線圖函數(shù)plt.plot()的探索差不多，有興趣的孩子可以自己去進(jìn)行探索哦。

按照條形長(zhǎng)短進(jìn)行排序展示的條形圖

當(dāng)然也可以有其他的設(shè)置，比如說(shuō)上圖中的線條高低參差不齊，這是因?yàn)閤軸的數(shù)據(jù)是按照學(xué)校名稱進(jìn)行排序的，那么可不可以按照分?jǐn)?shù)的高低進(jìn)行排序呢？也就是讓所有的長(zhǎng)方形按照從高到矮或者從矮到高的順序進(jìn)行排列？

當(dāng)然可以啦！這里需要強(qiáng)調(diào)的是，條的高低排列等信息都是來(lái)源于原數(shù)據(jù)的，要想讓條形的順序發(fā)生改變，需要對(duì)畫圖的來(lái)源數(shù)據(jù)進(jìn)行更改呢！

把原數(shù)據(jù)逆序排序后截取前十名數(shù)據(jù)賦值給data_yuwen，作為新的數(shù)據(jù)源傳入畫圖函數(shù)plt.bar()，畫出來(lái)的圖自然就不一樣了。

先看一眼數(shù)據(jù)長(zhǎng)什么樣子：

根據(jù)這個(gè)數(shù)據(jù)源繪制出的圖形如下，由于用來(lái)畫圖的數(shù)據(jù)進(jìn)行了降序排序操作，所以生成條形圖的條也會(huì)進(jìn)行降序排序展示：

很多時(shí)候，我們常見的條形圖還有另一種展現(xiàn)形式，那就是橫向的條形圖，比較火的那種動(dòng)態(tài)條形圖絕大多數(shù)也都是橫向的條形圖，那么橫向的條形圖如何繪制呢？

理解plt.bar()主要參數(shù)

其實(shí)也不難，只要清楚plt.bar()函數(shù)中主要參數(shù)的作用就可以了！條形圖函數(shù)中有五個(gè)主要參數(shù)，分別是x，height，width，bottom，orientation。其中x控制的是每個(gè)條在x軸上位置，height控制的是每個(gè)條的長(zhǎng)度，width控制的是每個(gè)條的寬度，bottom控制的是每個(gè)條在y軸方向的起始位置，orientation控制的是條形的方向，是縱向還是橫向，默認(rèn)是縱向的。

通過(guò)一個(gè)小例子理解下這幾個(gè)參數(shù)的作用：

上邊的幾行代碼輸出的圖形如下：

對(duì)比著代碼和實(shí)際輸出的條形圖，各個(gè)主要參數(shù)的作用是不是一目了然啦？

橫向條形圖

理解了這幾個(gè)參數(shù)作用后，縱向的條形圖轉(zhuǎn)換成橫向的條形圖就沒什么難度了！

需要設(shè)置所有條形在x軸的位置都為0，也就全部從最左側(cè)開始畫條形;由于是橫向條形圖，所以實(shí)際上條的寬度顯示的是數(shù)據(jù)大小，將width參數(shù)設(shè)置成原數(shù)據(jù)中的語(yǔ)文成績(jī)；bottom控制每個(gè)條在y軸方向的起始位置，設(shè)置bottom=range（10）設(shè)置每個(gè)條形在y軸的起始位置各不相同避免有條形重疊；height控制的是每個(gè)條在y軸方向上的長(zhǎng)度，條形圖橫向設(shè)置后，在y軸上的長(zhǎng)度失去了衡量數(shù)據(jù)的意義，所以直接設(shè)置一個(gè)常數(shù)即可；最后設(shè)置條形的方向?yàn)闄M向，即orientation=“horizontal”。

溫馨提示：數(shù)據(jù)和標(biāo)簽一定要匹配，即plt.bar()重點(diǎn)的數(shù)據(jù)要和plt.yticks()中提取出來(lái)的標(biāo)簽一一對(duì)應(yīng)，一旦不匹配，整個(gè)圖展現(xiàn)的結(jié)果就是一個(gè)錯(cuò)誤的結(jié)果！

上述代碼生成的條形圖如下：

感覺上邊這種生成橫向條形圖的方式有點(diǎn)點(diǎn)繞，和人們的習(xí)慣認(rèn)知有點(diǎn)不大一樣，難道畫一個(gè)橫向條形圖就非得轉(zhuǎn)變自己的習(xí)慣認(rèn)知這么反人類嗎？

當(dāng)然不是的，實(shí)際上有更簡(jiǎn)單的方法繪制一個(gè)橫向條形圖，之所以沒有一開始就直接用這種簡(jiǎn)單的方法，也是為了讓大家體會(huì)下條形圖參數(shù)的靈活設(shè)置而已，而且如果比較繞的方法都能理解了，簡(jiǎn)單的方法理解和運(yùn)用起來(lái)就更沒有難度了??！

不賣關(guān)子了，我們來(lái)認(rèn)識(shí)下和plt.bar()函數(shù)類似的plt.barh()函數(shù)。

plt.barh()函數(shù)是專門繪制水平條形圖的函數(shù)，主要的參數(shù)有：

y 控制y軸顯示的標(biāo)簽來(lái)源width 控制橫向條形的長(zhǎng)度，即用來(lái)進(jìn)行對(duì)比的數(shù)據(jù)源height 條形的寬度需要設(shè)置的參數(shù)主要就是這三個(gè)，比用plt.bar()函數(shù)繪制水平條形圖簡(jiǎn)單了很多，具體代碼如下：

效果圖：

和用plt.bar()函數(shù)繪制的橫向條形圖一毛一樣對(duì)不對(duì)？以后有需求繪制橫向條形圖，盡量用plt.barh()函數(shù)吧，畢竟它是專門繪制這種類型圖的，簡(jiǎn)單好用。

然而實(shí)際工作中對(duì)于條形圖的需求不只是這些，比如例子中只是對(duì)各個(gè)學(xué)校語(yǔ)文成績(jī)的展示，有時(shí)候需要各個(gè)學(xué)科的成績(jī)同時(shí)展現(xiàn)在一幅條形圖中，有時(shí)候也需要繪制堆積條形圖對(duì)各學(xué)科的成績(jī)以及總成績(jī)進(jìn)行展示，這些圖又該如何繪制呢？其實(shí)只要理解了各個(gè)參數(shù)的含義，繪制這些圖也不在話下，至于具體怎么畫，且看下回分解??！

python函數(shù)圖的繪制

pre

import numpy as np

import matplotlib.pyplot as plt

from matplotlib.patches import Polygon

def func(x):

return -(x-2)*(x-8)+40

x=np.linspace(0,10)

y=func(x)

fig,ax = plt.subplots()

plt.plot(x,y,'r',linewidth=2)

plt.ylim(ymin=20)

a=2

b=9

ax.set_xticks([a,b])

ax.set_xticklabels(['$a$','$b$'])

ax.set_yticks([])

plt.figtext(0.9,0.05,'$x$')

plt.figtext(0.1,0.9,'$y$')

ix=np.linspace(a,b)

iy=func(ix)

ixy=zip(ix,iy)

verts=[(a,0)]+list(ixy)+[(b,0)]

poly = Polygon(verts,facecolor='0.9',edgecolor='0.5')

ax.add_patch(poly)

x_math=(a+b)*0.5

y_math=35

plt.text(x_math,y_math,r"$\int_a^b(-(x-2)*(x-8)+40)dx$",horizontalalignment='center',size=12)

plt.show()

/pre

如何用python繪制各種圖形

1.環(huán)境

系統(tǒng)：windows10

python版本：python3.6.1

使用的庫(kù)：matplotlib，numpy

2.numpy庫(kù)產(chǎn)生隨機(jī)數(shù)幾種方法

import numpy as np

numpy.random

rand(d0,?d1,?...,?dn) ?

In [2]: x=np.random.rand(2,5)

In [3]: x

Out[3]:

array([[ 0.84286554, ?0.50007593, ?0.66500549, ?0.97387807, ?0.03993009],

[ 0.46391661, ?0.50717355, ?0.21527461, ?0.92692517, ?0.2567891 ]])

randn(d0,?d1,?...,?dn)查詢結(jié)果為標(biāo)準(zhǔn)正態(tài)分布

In [4]: x=np.random.randn(2,5)

In [5]: x

Out[5]:

array([[-0.77195196, ?0.26651203, -0.35045793, -0.0210377 , ?0.89749635],

[-0.20229338, ?1.44852833, -0.10858996, -1.65034606, -0.39793635]])

randint(low,high,size) ?

生成low到high之間（半開區(qū)間 [low, high)），size個(gè)數(shù)據(jù)

In [6]: x=np.random.randint(1,8,4)

In [7]: x

Out[7]: array([4, 4, 2, 7])

random_integers(low,high,size) ?

生成low到high之間（閉區(qū)間 [low, high)），size個(gè)數(shù)據(jù)

In [10]: x=np.random.random_integers(2,10,5)

In [11]: x

Out[11]: array([7, 4, 5, 4, 2])

3.散點(diǎn)圖

x x軸

y y軸

s ? 圓點(diǎn)面積

c ? 顏色

marker ?圓點(diǎn)形狀

alpha ? 圓點(diǎn)透明度????????????????#其他圖也類似這種配置

N=50# height=np.random.randint(150,180,20)# weight=np.random.randint(80,150,20)

x=np.random.randn(N)

y=np.random.randn(N)

plt.scatter(x,y,s=50,c='r',marker='o',alpha=0.5)

plt.show()

4.折線圖

x=np.linspace(-10000,10000,100) #將-10到10等區(qū)間分成100份

y=x**2+x**3+x**7

plt.plot(x,y)

plt.show()

折線圖使用plot函數(shù)

5.條形圖

N=5

y=[20,10,30,25,15]

y1=np.random.randint(10,50,5)

x=np.random.randint(10,1000,N)

index=np.arange(N)

plt.bar(left=index,height=y,color='red',width=0.3)

plt.bar(left=index+0.3,height=y1,color='black',width=0.3)

plt.show()

orientation設(shè)置橫向條形圖

N=5

y=[20,10,30,25,15]

y1=np.random.randint(10,50,5)

x=np.random.randint(10,1000,N)

index=np.arange(N)# plt.bar(left=index,height=y,color='red',width=0.3)# plt.bar(left=index+0.3,height=y1,color='black',width=0.3)#plt.barh() 加了h就是橫向的條形圖，不用設(shè)置orientation

plt.bar(left=0,bottom=index,width=y,color='red',height=0.5,orientation='horizontal')

plt.show()

6.直方圖

m1=100

sigma=20

x=m1+sigma*np.random.randn(2000)

plt.hist(x,bins=50,color="green",normed=True)

plt.show()

# #雙變量的直方圖# #顏色越深頻率越高# #研究雙變量的聯(lián)合分布

#雙變量的直方圖#顏色越深頻率越高#研究雙變量的聯(lián)合分布

x=np.random.rand(1000)+2

y=np.random.rand(1000)+3

plt.hist2d(x,y,bins=40)

plt.show()

7.餅狀圖

#設(shè)置x,y軸比例為1：1，從而達(dá)到一個(gè)正的圓

#labels標(biāo)簽參數(shù),x是對(duì)應(yīng)的數(shù)據(jù)列表,autopct顯示每一個(gè)區(qū)域占的比例,explode突出顯示某一塊,shadow陰影

labes=['A','B','C','D']

fracs=[15,30,45,10]

explode=[0,0.1,0.05,0]#設(shè)置x,y軸比例為1：1，從而達(dá)到一個(gè)正的圓

plt.axes(aspect=1)#labels標(biāo)簽參數(shù),x是對(duì)應(yīng)的數(shù)據(jù)列表,autopct顯示每一個(gè)區(qū)域占的比例,explode突出顯示某一塊,shadow陰影

plt.pie(x=fracs,labels=labes,autopct="%.0f%%",explode=explode,shadow=True)

plt.show()

8.箱型圖

import matplotlib.pyplot as pltimport numpy as npdata=np.random.normal(loc=0,scale=1,size=1000)#sym 點(diǎn)的形狀，whis虛線的長(zhǎng)度plt.boxplot(data,sym="o",whis=1.5)plt.show()

#sym 點(diǎn)的形狀，whis虛線的長(zhǎng)度

Python matplotlib之函數(shù)圖像繪制、線條rc參數(shù)設(shè)置

為避免中文顯示出錯(cuò)，需導(dǎo)入matplotlib.pylab庫(kù)

1.2.1 確定數(shù)據(jù)

1.2.2 創(chuàng)建畫布

1.2.3 添加標(biāo)題

1.2.4 添加x，y軸名稱

1.2.5 添加x，y軸范圍

1.2.6 添加x，y軸刻度

1.2.7 繪制曲線、圖例, 并保存圖片

保存圖片時(shí)，dpi為清晰度，數(shù)值越高越清晰。請(qǐng)注意，函數(shù)結(jié)尾處，必須加plt.show()，不然圖像不顯示。

繪制流程與繪制不含子圖的圖像一致，只需注意一點(diǎn)：創(chuàng)建畫布。

合理調(diào)整figsize、dpi，可避免出現(xiàn)第一幅圖橫軸名稱與第二幅圖標(biāo)題相互遮蓋的現(xiàn)象.

2.2.1 rc參數(shù)類型

2.2.2 方法1：使用rcParams設(shè)置

2.2.3 方法2：plot內(nèi)設(shè)置

2.2.4 方法3：plot內(nèi)簡(jiǎn)化設(shè)置

方法2中，線條形狀，linestyle可簡(jiǎn)寫為ls；線條寬度，linewidth可簡(jiǎn)寫為lw；線條顏色，color可簡(jiǎn)寫為c，等等。