极客笔记基于Matplotlib绘制柱状图
Matplotlib是Python中一个非常流行的绘图库，可以用来创建各种类型的图形，包括柱状图。柱状图是用来显示不同类别数据之间的比较或变化的一种有效方式。在本文中，我们将介绍如何使用Matplotlib来绘制各种不同类型的柱状图。
基本柱状图
首先，让我们来看一个最基本的柱状图例子。在这个例子中，我们将使用Matplotlib来绘制一个简单的柱状图，显示不同类别的数值。
import matplotlib.pyplot as plt
# 数据
categories = ['A', 'B', 'C', 'D']
values = [20, 35, 30, 25]
# 绘制柱状图
plt.bar(categories, values)
# 添加标题和标签
plt.title('Basic Bar Plot')
plt.xlabel('Categories')
plt.ylabel('Values')
# 显示图形
plt.show()
Output:
运行上面的代码，你将得到一个简单的柱状图，显示了不同类别的数值。
堆叠柱状图
接下来，让我们来看一个堆叠柱状图的例子。堆叠柱状图可以显示不同类别中的子类别的分布情况。
import matplotlib.pyplot as plt
# 数据
categories = ['A', 'B', 'C', 'D']
values1 = [20, 35, 30, 25]
values2 = [15, 20, 25, 30]
# 绘制堆叠柱状图
plt.bar(categories, values1, label='Group 1')
plt.bar(categories, values2, bottom=values1, label='Group 2')
# 添加标题和标签
plt.title('Stacked Bar Plot')
plt.xlabel('Categories')
plt.ylabel('Values')
# 添加图例
plt.legend()
# 显示图形
plt.show()
Output:
运行上面的代码，你将得到一个堆叠柱状图，显示了不同类别中两组数值的分布情况。
并列柱状图
另一种常见的柱状图类型是并列柱状图，用于比较同一类别中不同组的数值。
import matplotlib.pyplot as plt
# 数据
categories = ['A', 'B', 'C', 'D']
values1 = [20, 35, 30, 25]
values2 = [15, 20, 25, 30]
# 设置柱宽
bar_width = 0.35
# 绘制并列柱状图
plt.bar(categories, values1, width=bar_width, label='Group 1')
plt.bar([val+bar_width for val in range(len(categories))], values2, width=bar_width, label='Group 2')
# 添加标题和标签
plt.title('Grouped Bar Plot')
plt.xlabel('Categories')
plt.ylabel('Values')
# 添加图例
plt.legend()
# 显示图形
plt.show()
Output:
运行上面的代码，你将得到一个并列柱状图，显示了同一类别中两组数值的比较。
横向柱状图
除了纵向柱状图之外，Matplotlib还支持绘制横向柱状图。横向柱状图在某些情况下可以更好地显示数据。
import matplotlib.pyplot as plt
# 数据
categories = ['A', 'B', 'C', 'D']
values = [20, 35, 30, 25]
# 绘制横向柱状图
plt.barh(categories, values)
# 添加标题和标签
plt.title('Horizontal Bar Plot')
plt.xlabel('Values')
plt.ylabel('Categories')
# 显示图形
plt.show()
Output:
运行上面的代码，你将得到一个横向柱状图，显示了不同类别的数值。
带误差线的柱状图
有时候，我们需要在柱状图中显示数据的误差范围，这时候就可以使用带误差线的柱状图。
import matplotlib.pyplot as plt
# 数据
categories = ['A', 'B', 'C', 'D']
values = [20, 35, 30, 25]
errors = [2, 3, 1, 2]
# 绘制带误差线的柱状图
plt.bar(categories, values, yerr=errors, capsize=5)
# 添加标题和标签
plt.title('Bar Plot with Error Bars')
plt.xlabel('Categories')
plt.ylabel('Values')
# 显示图形
plt.show()
Output:
运行上面的代码，你将得到一个带误差线的柱状图，显示了不同类别的数值和其误差范围。
群组柱状图
群组柱状图可以用来同时比较多组数据之间的差异。
import matplotlib.pyplot as plt
# 数据
categories = ['A', 'B', 'C', 'D']
values1 = [20, 35, 30, 25]
values2 = [15, 25, 20, 30]
values3 = [25, 30, 35, 40]
# 设置柱宽
bar_width = 0.2
# 绘制群组柱状图
plt.bar([val-bar_width for val in range(len(categories))], values1, width=bar_width, label='Group 1')
plt.bar(range(len(categories)), values2, width=bar_width, label='Group 2')
plt.bar([val+bar_width for val in range(len(categories))], values3, width=bar_width, label='Group 3')
# 添加标题和标签
plt.title('Grouped Bar Plot')
plt.xlabel('Categories')
plt.ylabel('Values')
# 添加图例
plt.legend()
# 显示图形
plt.show()
Output:
运行上面的代码，你将得到一个群组柱状图，显示了不同组数据之间的比较。
柱状图颜色和样式
在Matplotlib中，我们可以自定义柱状图的颜色和样式，以增强可视效果。
import matplotlib.pyplot as plt
# 数据
categories = ['A', 'B', 'C', 'D']
values = [20, 35, 30, 25]
# 自定义颜色和样式
colors = ['skyblue', 'salmon', 'lightgreen', 'orchid']
patterns = ['/','//','-', '+']
# 绘制柱状图
plt.bar(categories, values, color=colors, hatch=patterns)
# 添加标题和标签
plt.title('Colored and Patterned Bar Plot')
plt.xlabel('Categories')
plt.ylabel('Values')
# 显示图形
plt.show()
Output:
运行上面的代码，你将得到一个自定义颜色和样式的柱状图。
竖向柱状图堆叠区域图
在Matplotlib中，我们还可以使用堆叠区域图来呈现柱状图。
import matplotlib.pyplot as plt
# 数据
categories = ['A', 'B', 'C', 'D']
values1 = [20, 35, 30, 25]
values2 = [15, 20, 25, 30]
# 绘制竖向柱状图堆叠区域图
plt.bar(categories, values1, label='Group 1', color='skyblue')
plt.bar(categories, values2, bottom=values1, label='Group 2', color='salmon')
# 添加标题和标签
plt.title('Stacked Area Bar Plot')
plt.xlabel('Categories')
plt.ylabel('Values')
# 添加图例
plt.legend()
# 显示图形
plt.show()
Output:
运行上面的代码，你将得到一个堆叠区域图，显示了竖向柱状图的堆叠效果。
水平柱状图堆叠区域图
除了竖向柱状图堆叠区域图，我们还可以使用水平柱状图堆叠区域图来展示数据。
import matplotlib.pyplot as plt
# 数据
categories = ['A', 'B', 'C', 'D']
values1 = [20, 35, 30, 25]
values2 = [15, 20, 25, 30]
# 绘制水平柱状图堆叠区域图
plt.barh(categories, values1, label='Group 1', color='skyblue')
plt.barh(categories, values2, left=values1, label='Group 2', color='salmon')
# 添加标题和标签
plt.title('Horizontal Stacked Area Bar Plot')
plt.xlabel('Values')
plt.ylabel('Categories')
# 添加图例
plt.legend()
# 显示图形
plt.show()
Output:
运行上面的代码，你将得到一个水平柱状图堆叠区域图，展示了水平柱状图的堆叠效果。
带标记的柱状图
有时候，我们需要在柱状图中显示具体的数值，这时候可以在柱状图上添加标记。
import matplotlib.pyplot as plt
# 数据
categories = ['A', 'B', 'C', 'D']
values = [20, 35, 30, 25]
# 绘制柱状图
bars = plt.bar(categories, values)
# 添加标记
for bar in bars:
plt.text(bar.get_x() + bar.get_width()/2, bar.get_height(), str(bar.get_height()),
ha='center', va='bottom')
# 添加标题和标签
plt.title('Bar Plot with Labels')
plt.xlabel('Categories')
plt.ylabel('Values')
# 显示图形
plt.show()
Output:
运行上面的代码，你将得到一个带有数值标记的柱状图。
线框柱状图
线框柱状图可以用于强调数据之间的差异，使柱子看起来更加立体。
import numpy as np
import matplotlib.pyplot as plt
# 数据
categories = ['A', 'B', 'C', 'D']
values = [20, 35, 30, 25]
# 设置柱宽
bar_width = 0.4
# 绘制线框柱状图
plt.bar(categories, values, width=bar_width, edgecolor='black')
plt.bar(categories, np.add(values, 5), width=bar_width, edgecolor='black', color='none', linestyle='dashed')
# 添加标题和标签
plt.title('Bar Plot with Wireframe')
plt.xlabel('Categories')
plt.ylabel('Values')
# 显示图形
plt.show()
Output:
运行上面的代码，你将得到一个线框柱状图，使柱子看起来更加立体。
不同柱子不同颜色
有时候，我们希望在柱状图中每根柱子都有不同的颜色，以便更好地区分不同类别。
import matplotlib.pyplot as plt
# 数据
categories = ['A', 'B', 'C', 'D']
values = [20, 35, 30, 25]
# 不同柱子不同颜色
colors = ['skyblue', 'salmon', 'lightgreen', 'orchid']
# 绘制柱状图
plt.bar(categories, values, color=colors)
# 添加标题和标签
plt.title('Bar Plot with Different Colors')
plt.xlabel('Categories')
plt.ylabel('Values')
# 显示图形
plt.show()
Output:
运行上面的代码，你将得到一个每根柱子都有不同颜色的柱状图。
柱状图加入数据标签
有时候，我们希望在柱状图上显示具体的数据标签，以便更清晰地了解每根柱子的数值大小。
import matplotlib.pyplot as plt
# 数据
categories = ['A', 'B', 'C', 'D']
values = [20, 35, 30, 25]
# 绘制柱状图
bars = plt.bar(categories, values)
# 添加数据标签
for bar in bars:
plt.text(bar.get_x() + bar.get_width()/2, bar.get_height(), bar.get_height(),
ha='center', va='bottom')
# 添加标题和标签
plt.title('Bar Plot with Data Labels')
plt.xlabel('Categories')
plt.ylabel('Values')
# 显示图形
plt.show()
Output:
运行上面的代码，你将得到一个柱状图上显示了具体数据标签的图形。
不规则柱状图
有时候，我们希望绘制出不规则的柱状图，比如渐变色柱状图或者镂空柱状图。
import numpy as np
import matplotlib.pyplot as plt
# 数据
categories = ['A', 'B', 'C', 'D']
values = [20, 35, 30, 25]
# 不规则柱状图
gradient = np.linspace(0, 1, 4)
plt.bar(categories, values, color=plt.cm.Blues(gradient))
# 添加标题和标签
plt.title('Irregular Bar Plot')
plt.xlabel('Categories')
plt.ylabel('Values')
# 显示图形
plt.show()
Output:
运行上面的代码，你将得到一个渐变色的不规则柱状图。
柱状图加入多重数据
有时候，我们需要在柱状图中同时显示多组数据，以便更好地比较不同数据之间的关系。
import matplotlib.pyplot as plt
# 数据
categories = ['A', 'B', 'C', 'D']
values1 = [20, 35, 30, 25]
values2 = [15, 25, 20, 30]
bar_width = 0.35
# 绘制多重数据柱状图
plt.bar(categories, values1, width=bar_width, label='Group 1')
plt.bar([val+bar_width for val in range(len(categories))], values2, width=bar_width, label='Group 2')
# 添加标题和标签
plt.title('Multiple Data Bar Plot')
plt.xlabel('Categories')
plt.ylabel('Values')
# 添加图例
plt.legend()
# 显示图形
plt.show()
Output:
运行上面的代码，你将得到一个显示了多组数据的多重数据柱状图。
分组柱状图
除了堆叠和多重数据柱状图之外，还可以绘制分组柱状图来比较不同类别之间的数据。
import matplotlib.pyplot as plt
# 数据
categories = ['A', 'B', 'C', 'D']
values1 = [20, 35, 30, 25]
values2 = [15, 25, 20, 30]
bar_width = 0.35
# 绘制分组柱状图
plt.bar([val-bar_width/2 for val in range(len(categories))], values1, width=bar_width, label='Group 1')
plt.bar([val+bar_width/2 for val in range(len(categories))], values2, width=bar_width, label='Group 2')
# 添加标题和标签
plt.title('Grouped Bar Plot')
plt.xlabel('Categories')
plt.ylabel('Values')
# 添加图例
plt.legend()
# 显示图形
plt.show()
Output:
运行上面的代码，你将得到一个分组柱状图，展示了分组柱状图的效果。
堆叠柱状图
堆叠柱状图可以显示整体数据的趋势，同时展示各组数据之间的比例关系。
import matplotlib.pyplot as plt
# 数据
categories = ['A', 'B', 'C', 'D']
values1 = [20, 35, 30, 25]
values2 = [15, 25, 20, 30]
# 绘制堆叠柱状图
plt.bar(categories, values1, label='Group 1', color='skyblue')
plt.bar(categories, values2, bottom=values1, label='Group 2', color='salmon')
# 添加标题和标签
plt.title('Stacked Bar Plot')
plt.xlabel('Categories')
plt.ylabel('Values')
# 添加图例
plt.legend()
# 显示图形
plt.show()
Output:
运行上面的代码，你将得到一个堆叠柱状图，展示了堆叠柱状图的效果。