当前位置：极客笔记 > Matplotlib > Matplotlib 问答 > Matplotlib中如何在条形图上显示百分比标签

Matplotlib中如何在条形图上显示百分比标签

Matplotlib中如何在条形图上显示百分比标签

参考：Display percentage above bar chart in Matplotlib

Matplotlib是Python中最流行的数据可视化库之一，它提供了丰富的绘图功能，包括创建条形图。在数据分析和展示中，我们经常需要在条形图上显示百分比标签，以便更直观地展示数据的比例关系。本文将详细介绍如何在Matplotlib中的条形图上显示百分比标签，包括各种常见场景和技巧。

1. 基础条形图及百分比标签

首先，让我们从最基本的条形图开始，然后逐步添加百分比标签。

1.1 创建简单的条形图

以下是创建一个简单条形图的示例代码：

import matplotlib.pyplot as plt

categories = ['A', 'B', 'C', 'D']
values = [25, 40, 30, 55]

plt.figure(figsize=(10, 6))
plt.bar(categories, values)
plt.title('Simple Bar Chart - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib中如何在条形图上显示百分比标签

这段代码创建了一个基本的条形图，包含四个类别和对应的数值。

1.2 添加简单的百分比标签

现在，让我们在条形图上添加百分比标签：

import matplotlib.pyplot as plt

categories = ['A', 'B', 'C', 'D']
values = [25, 40, 30, 55]

fig, ax = plt.subplots(figsize=(10, 6))
bars = ax.bar(categories, values)

for bar in bars:
    height = bar.get_height()
    ax.text(bar.get_x() + bar.get_width()/2, height,
            f'{height/sum(values):.1%}',
            ha='center', va='bottom')

plt.title('Bar Chart with Percentage Labels - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib中如何在条形图上显示百分比标签

在这个例子中，我们遍历每个条形，计算其高度占总和的百分比，并使用ax.text()方法在每个条形上方添加文本标签。

2. 自定义百分比标签样式

为了使百分比标签更加美观和易读，我们可以自定义标签的样式。

2.1 调整标签位置

import matplotlib.pyplot as plt

categories = ['A', 'B', 'C', 'D']
values = [25, 40, 30, 55]

fig, ax = plt.subplots(figsize=(10, 6))
bars = ax.bar(categories, values)

for bar in bars:
    height = bar.get_height()
    ax.text(bar.get_x() + bar.get_width()/2, height,
            f'{height/sum(values):.1%}',
            ha='center', va='bottom', fontweight='bold', fontsize=12)

plt.title('Bar Chart with Custom Label Style - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.ylim(0, max(values) * 1.1)  # Increase y-axis limit to accommodate labels
plt.show()

Output:

Matplotlib中如何在条形图上显示百分比标签

在这个例子中，我们调整了标签的字体粗细、大小，并增加了y轴的范围以确保标签不会被截断。

2.2 添加背景色和边框

为了使标签更加突出，我们可以为其添加背景色和边框：

import matplotlib.pyplot as plt

categories = ['A', 'B', 'C', 'D']
values = [25, 40, 30, 55]

fig, ax = plt.subplots(figsize=(10, 6))
bars = ax.bar(categories, values)

for bar in bars:
    height = bar.get_height()
    ax.text(bar.get_x() + bar.get_width()/2, height,
            f'{height/sum(values):.1%}',
            ha='center', va='bottom', fontweight='bold', fontsize=12,
            bbox=dict(facecolor='white', edgecolor='gray', alpha=0.8, pad=2))

plt.title('Bar Chart with Styled Percentage Labels - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.ylim(0, max(values) * 1.1)
plt.show()

Output:

Matplotlib中如何在条形图上显示百分比标签

这个例子中，我们使用bbox参数为标签添加了白色背景和灰色边框，使标签更加醒目。

3. 处理负值和零值

在实际应用中，我们可能会遇到包含负值或零值的数据。这些情况需要特殊处理。

3.1 处理负值

import matplotlib.pyplot as plt

categories = ['A', 'B', 'C', 'D', 'E']
values = [25, -15, 30, 0, -10]

fig, ax = plt.subplots(figsize=(10, 6))
bars = ax.bar(categories, values)

for bar in bars:
    height = bar.get_height()
    y_value = height if height >= 0 else height - 0.5
    ax.text(bar.get_x() + bar.get_width()/2, y_value,
            f'{height/sum(abs(v) for v in values):.1%}',
            ha='center', va='bottom' if height >= 0 else 'top',
            fontweight='bold', fontsize=12)

plt.title('Bar Chart with Negative Values - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.axhline(y=0, color='k', linestyle='-', linewidth=0.5)
plt.show()

Output:

Matplotlib中如何在条形图上显示百分比标签

在这个例子中，我们调整了标签的位置，使其在负值条形下方显示。同时，我们添加了一条水平线来表示零点。

3.2 处理零值

import matplotlib.pyplot as plt

categories = ['A', 'B', 'C', 'D', 'E']
values = [25, 40, 0, 30, 55]

fig, ax = plt.subplots(figsize=(10, 6))
bars = ax.bar(categories, values)

for bar in bars:
    height = bar.get_height()
    if height > 0:
        ax.text(bar.get_x() + bar.get_width()/2, height,
                f'{height/sum(values):.1%}',
                ha='center', va='bottom', fontweight='bold', fontsize=12)
    elif height == 0:
        ax.text(bar.get_x() + bar.get_width()/2, 0.5,
                '0%', ha='center', va='bottom', fontweight='bold', fontsize=12)

plt.title('Bar Chart with Zero Values - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.ylim(0, max(values) * 1.1)
plt.show()

Output:

Matplotlib中如何在条形图上显示百分比标签

这个例子展示了如何处理零值，我们为零值条形添加了特殊的标签处理。

4. 堆叠条形图中的百分比标签

堆叠条形图是另一种常见的图表类型，在这种图表中显示百分比标签需要特殊处理。

4.1 基本堆叠条形图

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = [20, 35, 30, 35]
values2 = [25, 25, 15, 30]
values3 = [15, 15, 10, 20]

fig, ax = plt.subplots(figsize=(10, 6))
bars1 = ax.bar(categories, values1, label='Group 1')
bars2 = ax.bar(categories, values2, bottom=values1, label='Group 2')
bars3 = ax.bar(categories, values3, bottom=np.array(values1) + np.array(values2), label='Group 3')

ax.set_ylabel('Values')
ax.set_title('Stacked Bar Chart - how2matplotlib.com')
ax.legend()

plt.show()

Output:

Matplotlib中如何在条形图上显示百分比标签

这个例子创建了一个基本的堆叠条形图，包含三组数据。

4.2 在堆叠条形图中添加百分比标签

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = [20, 35, 30, 35]
values2 = [25, 25, 15, 30]
values3 = [15, 15, 10, 20]

fig, ax = plt.subplots(figsize=(10, 6))
bars1 = ax.bar(categories, values1, label='Group 1')
bars2 = ax.bar(categories, values2, bottom=values1, label='Group 2')
bars3 = ax.bar(categories, values3, bottom=np.array(values1) + np.array(values2), label='Group 3')

def add_labels(bars, values, bottom=None):
    for bar, value in zip(bars, values):
        height = bar.get_height()
        if bottom is None:
            y_value = height / 2
        else:
            y_value = bottom + height / 2
        ax.text(bar.get_x() + bar.get_width()/2, y_value,
                f'{value/sum(values1+values2+values3):.1%}',
                ha='center', va='center', fontweight='bold', fontsize=10)

add_labels(bars1, values1)
add_labels(bars2, values2, np.array(values1))
add_labels(bars3, values3, np.array(values1) + np.array(values2))

ax.set_ylabel('Values')
ax.set_title('Stacked Bar Chart with Percentage Labels - how2matplotlib.com')
ax.legend()

plt.show()

在这个例子中，我们定义了一个辅助函数add_labels来为每组堆叠的条形添加百分比标签。标签位于每个条形的中心，显示该部分占总和的百分比。

5. 水平条形图中的百分比标签

水平条形图是条形图的另一种变体，在某些情况下更适合展示数据。

5.1 基本水平条形图

import matplotlib.pyplot as plt

categories = ['Category A', 'Category B', 'Category C', 'Category D', 'Category E']
values = [25, 40, 30, 55, 60]

fig, ax = plt.subplots(figsize=(10, 6))
bars = ax.barh(categories, values)

ax.set_xlabel('Values')
ax.set_title('Horizontal Bar Chart - how2matplotlib.com')

plt.show()

Output:

Matplotlib中如何在条形图上显示百分比标签

这个例子创建了一个基本的水平条形图。

5.2 在水平条形图中添加百分比标签

import matplotlib.pyplot as plt

categories = ['Category A', 'Category B', 'Category C', 'Category D', 'Category E']
values = [25, 40, 30, 55, 60]

fig, ax = plt.subplots(figsize=(10, 6))
bars = ax.barh(categories, values)

for bar in bars:
    width = bar.get_width()
    ax.text(width, bar.get_y() + bar.get_height()/2,
            f'{width/sum(values):.1%}',
            ha='left', va='center', fontweight='bold', fontsize=10,
            bbox=dict(facecolor='white', edgecolor='gray', alpha=0.8, pad=2))

ax.set_xlabel('Values')
ax.set_title('Horizontal Bar Chart with Percentage Labels - how2matplotlib.com')
plt.xlim(0, max(values) * 1.1)

plt.show()

Output:

Matplotlib中如何在条形图上显示百分比标签

在这个例子中，我们在每个水平条形的右侧添加了百分比标签，并使用bbox参数为标签添加了背景和边框。

6. 动态调整标签位置

在某些情况下，条形的高度可能会有很大差异，这时我们需要动态调整标签的位置以确保它们都能清晰可见。

import matplotlib.pyplot as plt

categories = ['A', 'B', 'C', 'D', 'E']
values = [5, 20, 80, 40, 95]

fig, ax = plt.subplots(figsize=(10, 6))
bars = ax.bar(categories, values)

for bar in bars:
    height = bar.get_height()
    percentage = height / sum(values)
    if percentage < 0.1:  # 如果百分比小于10%，将标签放在条形上方
        ax.text(bar.get_x() + bar.get_width()/2, height,
                f'{percentage:.1%}',
                ha='center', va='bottom', fontweight='bold', fontsize=10)
    else:  # 否则将标签放在条形内部
        ax.text(bar.get_x() + bar.get_width()/2, height/2,
                f'{percentage:.1%}',
                ha='center', va='center', fontweight='bold', fontsize=10,
                color='white')

plt.title('Bar Chart with Dynamic Label Placement - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.ylim(0, max(values) * 1.1)
plt.show()

Output:

Matplotlib中如何在条形图上显示百分比标签

在这个例子中，我们根据条形的高度（即百分比的大小）来决定标签的位置。对于较小的值，标签放在条形上方；对于较大的值，标签放在条形内部，并使用白色以提高可读性。

7. 使用自定义颜色和渐变

为了使图表更加吸引人，我们可以使用自定义颜色和渐变效果。

7.1 使用自定义颜色

import matplotlib.pyplot as plt

categories = ['A', 'B', 'C', 'D', 'E']
values = [25, 40, 30, 55, 60]
colors = ['#FF9999', '#66B2FF', '#99FF99', '#FFCC99', '#FF99CC']

fig, ax = plt.subplots(figsize=(10, 6))
bars = ax.bar(categories, values, color=colors)

for bar in bars:
    height = bar.get_height()
    ax.text(bar.get_x() + bar.get_width()/2, height,
            f'{height/sum(values):.1%}',
            ha='center', va='bottom', fontweight='bold', fontsize=10)

plt.title('Bar Chart with Custom Colors - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.ylim(0, max(values) * 1.1)
plt.show()

Output:

Matplotlib中如何在条形图上显示百分比标签

在这个例子中，我们为每个条形指定了不同的颜色，使图表更加丰富多彩。

7.2 使用颜色渐变

import matplotlib.pyplot as plt
import matplotlib.colors as mcolors

categories = ['A', 'B', 'C', 'D', 'E']
values = [25, 40, 30, 55, 60]

# 创建颜色渐变
cmap = plt.get_cmap('coolwarm')
norm = mcolors.Normalize(vmin=min(values), vmax=max(values))
colors = [cmap(norm(value)) for value in values]

fig, ax = plt.subplots(figsize=(10, 6))
bars = ax.bar(categories, values, color=colors)

for bar in bars:
    height = bar.get_height()
    ax.text(bar.get_x() + bar.get_width()/2, height,
            f'{height/sum(values):.1%}',
            ha='center', va='bottom', fontweight='bold', fontsize=10)

plt.title('Bar Chart with Color Gradient - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.ylim(0, max(values) * 1.1)

# 添加颜色条
sm = plt.cm.ScalarMappable(cmap=cmap, norm=norm)
sm.set_array([])
plt.colorbar(sm)

plt.show()

这个例子使用了颜色渐变来表示数值的大小，并添加了一个颜色条来解释颜色的含义。

8. 处理大量数据

当处理大量数据时，我们需要考虑如何使图表保持清晰和可读性。

8.1 旋转标签

import matplotlib.pyplot as plt
import numpy as np

categories = [f'Category {i}' for i in range(20)]
values = np.random.randint(10, 100, 20)

fig, ax = plt.subplots(figsize=(15, 8))
bars = ax.bar(categories, values)

for bar in bars:
    height = bar.get_height()
    ax.text(bar.get_x() + bar.get_width()/2, height,
            f'{height/sum(values):.1%}',
            ha='center', va='bottom', fontweight='bold', fontsize=8, rotation=90)

plt.title('Bar Chart with Rotated Labels - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.xticks(rotation=45, ha='right')
plt.ylim(0, max(values) * 1.2)
plt.tight_layout()
plt.show()

Output:

Matplotlib中如何在条形图上显示百分比标签

在这个例子中，我们旋转了x轴的标签和百分比标签，以适应更多的类别。

8.2 使用对数刻度

当数据范围很大时，使用对数刻度可以更好地展示数据：

import matplotlib.pyplot as plt
import numpy as np

categories = [f'Category {i}' for i in range(10)]
values = np.random.randint(1, 10000, 10)

fig, ax = plt.subplots(figsize=(12, 6))
bars = ax.bar(categories, values)

for bar in bars:
    height = bar.get_height()
    ax.text(bar.get_x() + bar.get_width()/2, height,
            f'{height/sum(values):.1%}',
            ha='center', va='bottom', fontweight='bold', fontsize=8)

plt.title('Bar Chart with Logarithmic Scale - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values (log scale)')
plt.yscale('log')
plt.xticks(rotation=45, ha='right')
plt.tight_layout()
plt.show()

Output:

Matplotlib中如何在条形图上显示百分比标签

这个例子使用了对数刻度来展示范围很大的数据，同时保留了百分比标签。

9. 组合图表

有时，我们可能需要在同一个图表中组合多种类型的可视化。

9.1 条形图和折线图的组合

import matplotlib.pyplot as plt

categories = ['A', 'B', 'C', 'D', 'E']
bar_values = [25, 40, 30, 55, 60]
line_values = [30, 45, 35, 50, 65]

fig, ax1 = plt.subplots(figsize=(10, 6))

# 绘制条形图
bars = ax1.bar(categories, bar_values, color='skyblue')
ax1.set_xlabel('Categories')
ax1.set_ylabel('Bar Values', color='skyblue')
ax1.tick_params(axis='y', labelcolor='skyblue')

# 添加百分比标签
for bar in bars:
    height = bar.get_height()
    ax1.text(bar.get_x() + bar.get_width()/2, height,
             f'{height/sum(bar_values):.1%}',
             ha='center', va='bottom', fontweight='bold', fontsize=10)

# 创建第二个y轴
ax2 = ax1.twinx()

# 绘制折线图
line = ax2.plot(categories, line_values, color='orange', marker='o')
ax2.set_ylabel('Line Values', color='orange')
ax2.tick_params(axis='y', labelcolor='orange')

plt.title('Combined Bar and Line Chart - how2matplotlib.com')
plt.tight_layout()
plt.show()

Output:

Matplotlib中如何在条形图上显示百分比标签

这个例子展示了如何在同一个图表中组合条形图和折线图，同时保留条形图上的百分比标签。

10. 交互式图表

虽然Matplotlib主要用于静态图表，但我们也可以创建简单的交互式图表。

10.1 使用滑块调整数据

import matplotlib.pyplot as plt
from matplotlib.widgets import Slider
import numpy as np

# 初始数据
categories = ['A', 'B', 'C', 'D']
initial_values = [25, 40, 30, 55]

fig, ax = plt.subplots(figsize=(10, 8))
plt.subplots_adjust(bottom=0.25)

bars = ax.bar(categories, initial_values)

def update_labels():
    for bar in bars:
        height = bar.get_height()
        ax.text(bar.get_x() + bar.get_width()/2, height,
                f'{height/sum([b.get_height() for b in bars]):.1%}',
                ha='center', va='bottom', fontweight='bold', fontsize=10)

update_labels()

ax.set_title('Interactive Bar Chart - how2matplotlib.com')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')

# 创建滑块
slider_axes = [plt.axes([0.1, 0.05 + 0.03*i, 0.65, 0.03]) for i in range(4)]
sliders = [Slider(ax, f'Category {cat}', 0, 100, valinit=val) for ax, cat, val in zip(slider_axes, categories, initial_values)]

def update(val):
    for bar, slider in zip(bars, sliders):
        bar.set_height(slider.val)
    ax.texts.clear()
    update_labels()
    fig.canvas.draw_idle()

for slider in sliders:
    slider.on_changed(update)

plt.show()

Output:

Matplotlib中如何在条形图上显示百分比标签

这个例子创建了一个交互式的条形图，用户可以通过滑块调整每个类别的值，百分比标签会实时更新。

结论

在Matplotlib中为条形图添加百分比标签是一个强大的数据可视化技巧，它可以让你的图表更加信息丰富和直观。通过本文介绍的各种方法和技巧，你可以根据具体需求创建出既美观又实用的条形图。

记住，好的数据可视化不仅仅是展示数据，更是讲述数据背后的故事。通过合理使用颜色、布局和标签，你可以创建出既能吸引观众注意力，又能清晰传达信息的图表。

在实际应用中，你可能需要根据具体的数据特征和展示需求来调整这些方法。不断实践和尝试新的可视化技巧，将帮助你更好地掌握Matplotlib，创造出更加出色的数据可视化作品。

最后，希望这篇文章能够帮助你更好地理解和使用Matplotlib中的条形图百分比标签功能。随着你对Matplotlib的深入学习，你将能够创建出更加复杂和精美的数据可视化图表。

Camera课程

Camera API2 教程

API2 教程
Camera 性能教程

Perf 教程
Camera Native Framework 教程

Native FW 教程
Camera QCOM ISP 教程

ISP 教程
Camera QCOM Sensor 教程

Sensor 教程

Python教程

Python 教程

Python 教程
NumPy 教程

NumPy 教程
Django 教程

Django 教程

Java教程

Java 教程

Java 教程

Web教程

JavaScript 教程

JavaScript 教程
jQuery 教程

jQuery 教程
CSS 教程

CSS 教程
PHP 教程

PHP 教程
Laravel 教程

Laravel 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程

数据库教程

SQL 教程

SQL 教程
SQLite 教程

SQLite 教程
MySQL 教程

MySQL 教程
PL/SQL 教程

PL/SQL 教程
MongoDB 教程

MongoDB 教程

图形图像教程

OpenCV 教程

OpenCV 教程

办公软件教程

Excel 教程

Excel 教程

Linux教程

Linux命令全集

Linux命令全集
Linux内核API

Linux内核API
LVGL 教程

LVGL 教程

计算机教程

操作系统 教程

操作系统 教程
计算机网络 教程

计算机网络 教程
C语言 教程

C语言 教程
C++ 教程

C++ 教程
Swift 教程

Swift 教程

大数据教程

Hadoop 教程

Hadoop 教程
Spark 教程

Spark 教程
Scala 教程

Scala 教程

开发工具教程

Git 教程

Git 教程
Jenkins 教程

Jenkins 教程
ChatGPT 教程

ChatGPT 教程
IntelliJ 教程

IntelliJ 教程