Matplotlib 柱状图和图形大小设置：全面指南|极客笔记

Matplotlib 柱状图和图形大小设置：全面指南

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，包括创建柱状图和调整图形大小。本文将深入探讨如何使用 Matplotlib 创建各种类型的柱状图，以及如何灵活地调整图形大小，以满足不同的可视化需求。

1. Matplotlib 柱状图基础

柱状图是一种常用的数据可视化方式，用于比较不同类别的数据。Matplotlib 提供了 bar() 函数来创建柱状图。让我们从一个简单的例子开始：

import matplotlib.pyplot as plt

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

plt.figure(figsize=(8, 6))
plt.bar(categories, values)
plt.title('Simple Bar Chart - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib 柱状图和图形大小设置：全面指南

在这个例子中，我们创建了一个简单的柱状图，展示了四个类别的数值。plt.figure(figsize=(8, 6)) 设置了图形的大小为 8×6 英寸。plt.bar(categories, values) 函数创建了柱状图，其中 categories 是 x 轴的标签，values 是对应的数值。

2. 自定义柱状图样式

Matplotlib 允许我们自定义柱状图的各种属性，如颜色、宽度和边框。

import matplotlib.pyplot as plt

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

plt.figure(figsize=(10, 6))
plt.bar(categories, values, color='skyblue', edgecolor='navy', linewidth=2, width=0.6)
plt.title('Customized Bar Chart - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib 柱状图和图形大小设置：全面指南

在这个例子中，我们设置了柱子的颜色为天蓝色（color='skyblue'），边框颜色为深蓝色（edgecolor='navy'），边框宽度为 2（linewidth=2），柱子宽度为 0.6（width=0.6）。

3. 水平柱状图

除了垂直柱状图，Matplotlib 还支持创建水平柱状图，使用 barh() 函数：

import matplotlib.pyplot as plt

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [4, 7, 2, 5]

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

Output:

Matplotlib 柱状图和图形大小设置：全面指南

水平柱状图对于类别名称较长或类别数量较多的情况特别有用，可以更好地利用空间。

4. 分组柱状图

当我们需要比较多个组的数据时，分组柱状图是一个很好的选择：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = [4, 7, 2, 5]
values2 = [3, 6, 4, 3]

x = np.arange(len(categories))
width = 0.35

fig, ax = plt.subplots(figsize=(10, 6))
rects1 = ax.bar(x - width/2, values1, width, label='Group 1', color='skyblue')
rects2 = ax.bar(x + width/2, values2, width, label='Group 2', color='lightgreen')

ax.set_title('Grouped Bar Chart - how2matplotlib.com')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')
ax.set_xticks(x)
ax.set_xticklabels(categories)
ax.legend()

plt.show()

Output:

Matplotlib 柱状图和图形大小设置：全面指南

在这个例子中，我们创建了两组数据的分组柱状图。我们使用 numpy 来计算柱子的位置，确保两组柱子并排显示。

5. 堆叠柱状图

堆叠柱状图用于显示部分与整体的关系：

import matplotlib.pyplot as plt

categories = ['A', 'B', 'C', 'D']
values1 = [4, 7, 2, 5]
values2 = [3, 2, 4, 1]

plt.figure(figsize=(10, 6))
plt.bar(categories, values1, label='Group 1', color='skyblue')
plt.bar(categories, values2, bottom=values1, label='Group 2', color='lightgreen')

plt.title('Stacked Bar Chart - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.legend()
plt.show()

Output:

Matplotlib 柱状图和图形大小设置：全面指南

在这个例子中，我们使用 bottom 参数来指定第二组数据的起始位置，从而创建堆叠效果。

6. 百分比堆叠柱状图

百分比堆叠柱状图可以更好地展示各部分在整体中的占比：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = np.array([4, 7, 2, 5])
values2 = np.array([3, 2, 4, 1])

total = values1 + values2
percentage1 = values1 / total * 100
percentage2 = values2 / total * 100

plt.figure(figsize=(10, 6))
plt.bar(categories, percentage1, label='Group 1', color='skyblue')
plt.bar(categories, percentage2, bottom=percentage1, label='Group 2', color='lightgreen')

plt.title('Percentage Stacked Bar Chart - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Percentage')
plt.legend()
plt.ylim(0, 100)
plt.show()

Output:

Matplotlib 柱状图和图形大小设置：全面指南

这个例子展示了如何创建百分比堆叠柱状图，其中每个柱子的总高度都是 100%。

7. 误差条形图

误差条形图用于显示数据的不确定性或变异性：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]
errors = [0.5, 1, 0.3, 0.8]

plt.figure(figsize=(10, 6))
plt.bar(categories, values, yerr=errors, capsize=5, color='skyblue', ecolor='red')

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

Output:

Matplotlib 柱状图和图形大小设置：全面指南

在这个例子中，我们使用 yerr 参数添加了误差条，capsize 参数设置了误差条末端的大小，ecolor 设置了误差条的颜色。

8. 调整图形大小

Matplotlib 允许我们灵活地调整图形大小，以适应不同的显示需求：

import matplotlib.pyplot as plt

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

# 创建一个大图
plt.figure(figsize=(12, 8))
plt.bar(categories, values)
plt.title('Large Figure - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

# 创建一个小图
plt.figure(figsize=(6, 4))
plt.bar(categories, values)
plt.title('Small Figure - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

这个例子展示了如何创建不同大小的图形。figsize 参数接受一个元组，指定图形的宽度和高度（以英寸为单位）。

9. 子图布局

当我们需要在一个图形中展示多个相关的柱状图时，可以使用子图布局：

import matplotlib.pyplot as plt

categories = ['A', 'B', 'C', 'D']
values1 = [4, 7, 2, 5]
values2 = [3, 6, 4, 3]

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))

ax1.bar(categories, values1, color='skyblue')
ax1.set_title('Subplot 1 - how2matplotlib.com')
ax1.set_xlabel('Categories')
ax1.set_ylabel('Values')

ax2.bar(categories, values2, color='lightgreen')
ax2.set_title('Subplot 2 - how2matplotlib.com')
ax2.set_xlabel('Categories')
ax2.set_ylabel('Values')

plt.tight_layout()
plt.show()

Output:

Matplotlib 柱状图和图形大小设置：全面指南

这个例子创建了一个包含两个并排柱状图的图形。plt.subplots(1, 2, figsize=(12, 5)) 创建了一个 1 行 2 列的子图布局。

10. 自适应布局

当图形元素（如标题、标签）较大时，可能会出现重叠或被裁剪的情况。Matplotlib 提供了自适应布局功能来解决这个问题：

import matplotlib.pyplot as plt

categories = ['Very Long Category A', 'Very Long Category B', 'Very Long Category C', 'Very Long Category D']
values = [4, 7, 2, 5]

plt.figure(figsize=(10, 6))
plt.bar(categories, values)
plt.title('Bar Chart with Long Labels - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.xticks(rotation=45, ha='right')
plt.tight_layout()
plt.show()

Output:

Matplotlib 柱状图和图形大小设置：全面指南

在这个例子中，我们使用了较长的类别名称，并将 x 轴标签旋转 45 度以避免重叠。plt.tight_layout() 函数自动调整子图参数，以给定的填充适应图形元素。

11. 设置 DPI

DPI（每英寸点数）决定了图像的清晰度。我们可以在创建图形时设置 DPI：

import matplotlib.pyplot as plt

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

plt.figure(figsize=(8, 6), dpi=300)
plt.bar(categories, values)
plt.title('High DPI Bar Chart - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib 柱状图和图形大小设置：全面指南

这个例子创建了一个高 DPI（300）的图形，适合用于打印或高分辨率显示。

12. 保存图形

我们可以将创建的图形保存为各种格式的文件：

import matplotlib.pyplot as plt

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

plt.figure(figsize=(8, 6))
plt.bar(categories, values)
plt.title('Bar Chart to Save - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')

# 保存为 PNG 文件
plt.savefig('bar_chart_how2matplotlib.png', dpi=300, bbox_inches='tight')

# 保存为 SVG 文件（矢量格式）
plt.savefig('bar_chart_how2matplotlib.svg', format='svg', bbox_inches='tight')

plt.show()

Output:

Matplotlib 柱状图和图形大小设置：全面指南

这个例子展示了如何将图形保存为 PNG 和 SVG 格式。bbox_inches='tight' 参数确保保存的图像不会裁剪任何内容。

13. 自定义字体和样式

Matplotlib 允许我们自定义图形的字体和整体样式：

import matplotlib.pyplot as plt
plt.style.use('seaborn')

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

plt.figure(figsize=(10, 6))
plt.bar(categories, values, color='lightcoral')
plt.title('Styled Bar Chart - how2matplotlib.com', fontsize=16, fontweight='bold')
plt.xlabel('Categories', fontsize=12)
plt.ylabel('Values', fontsize=12)
plt.tick_params(axis='both', which='major', labelsize=10)
plt.show()

在这个例子中，我们使用了 Seaborn 样式，自定义了标题和轴标签的字体大小和粗细。

14. 添加数据标签

在柱状图上添加数据标签可以提高可读性：

import matplotlib.pyplot as plt

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

plt.figure(figsize=(10, 6))
bars = plt.bar(categories, values, color='lightblue')

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

# 添加数据标签
for bar in bars:
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2., height,
             f'{height}',
             ha='center', va='bottom')

plt.show()

Output:

Matplotlib 柱状图和图形大小设置：全面指南

这个例子在每个柱子上方添加了对应的数值标签。

15. 创建 3D 柱状图

Matplotlib 还支持创建 3D 柱状图，这在某些情况下可以提供更丰富的视觉效果：

import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection='3d')

x = ['A', 'B', 'C', 'D']
y = [1, 2, 3, 4]
z =np.zeros(4)
dz = [4, 7, 2, 5]

colors = ['r', 'g', 'b', 'y']

ax.bar3d(np.arange(4), y, z, 0.5, 0.5, dz, color=colors)

ax.set_title('3D Bar Chart - how2matplotlib.com')
ax.set_xlabel('Categories')
ax.set_ylabel('Y axis')
ax.set_zlabel('Values')
ax.set_xticks(np.arange(4))
ax.set_xticklabels(x)

plt.show()

Output:

Matplotlib 柱状图和图形大小设置：全面指南

这个例子创建了一个简单的 3D 柱状图。ax.bar3d() 函数用于创建 3D 柱子，我们可以指定每个柱子的位置、大小和颜色。

16. 动态调整图形大小

有时我们可能需要根据数据动态调整图形大小：

import matplotlib.pyplot as plt

def create_bar_chart(categories, values):
    # 根据类别数量动态调整图形宽度
    width = max(8, len(categories) * 0.5)
    height = 6

    plt.figure(figsize=(width, height))
    plt.bar(categories, values)
    plt.title(f'Dynamic Sized Chart - {len(categories)} categories - how2matplotlib.com')
    plt.xlabel('Categories')
    plt.ylabel('Values')
    plt.xticks(rotation=45, ha='right')
    plt.tight_layout()
    plt.show()

# 测试不同数量的类别
create_bar_chart(['A', 'B', 'C', 'D'], [4, 7, 2, 5])
create_bar_chart(['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'], [4, 7, 2, 5, 6, 3, 8, 1])

这个例子定义了一个函数，根据类别的数量动态调整图形的宽度，确保在类别数量增加时图形不会变得过于拥挤。

17. 使用 Seaborn 创建柱状图

虽然 Matplotlib 功能强大，但有时使用基于 Matplotlib 的高级库如 Seaborn 可以更轻松地创建美观的图表：

import matplotlib.pyplot as plt
import seaborn as sns

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

plt.figure(figsize=(10, 6))
sns.barplot(x=categories, y=values)
plt.title('Seaborn Bar Chart - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib 柱状图和图形大小设置：全面指南

Seaborn 提供了一种更简洁的方式来创建统计图表，并且默认样式更加美观。

18. 创建极坐标柱状图

极坐标柱状图可以用于展示周期性数据或比较不同方向的数据：

import matplotlib.pyplot as plt
import numpy as np

categories = ['N', 'NE', 'E', 'SE', 'S', 'SW', 'W', 'NW']
values = [4, 7, 2, 5, 6, 3, 8, 1]

angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

fig, ax = plt.subplots(figsize=(10, 10), subplot_kw=dict(projection='polar'))
bars = ax.bar(angles, values, width=0.5, bottom=0.0, align='center')

ax.set_xticks(angles)
ax.set_xticklabels(categories)
ax.set_title('Polar Bar Chart - how2matplotlib.com')

plt.show()

Output:

Matplotlib 柱状图和图形大小设置：全面指南

这个例子创建了一个极坐标柱状图，适用于展示如风向数据等环形分布的数据。

19. 创建瀑布图

瀑布图用于显示一系列正值和负值如何累积到最终值：

import matplotlib.pyplot as plt
import numpy as np

categories = ['Start', 'A', 'B', 'C', 'D', 'End']
values = [0, 4, -3, 2, -1, 0]
cumulative = np.cumsum(values)

plt.figure(figsize=(10, 6))
plt.bar(categories, values, bottom=np.hstack((cumulative[:-1], [0])))
plt.plot(categories, cumulative, 'ro-')

plt.title('Waterfall Chart - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.axhline(y=0, color='black', linewidth=0.5)
plt.show()

Output:

Matplotlib 柱状图和图形大小设置：全面指南

这个瀑布图展示了一系列变化如何影响最终结果。正值向上延伸，负值向下延伸。

20. 创建条形码图

条形码图是一种特殊类型的柱状图，用于表示数据的分布或密度：

import matplotlib.pyplot as plt
import numpy as np

data = np.random.normal(0, 1, 1000)

plt.figure(figsize=(12, 6))
plt.hist(data, bins=50, orientation='horizontal', color='skyblue', edgecolor='black')
plt.title('Barcode Plot - how2matplotlib.com')
plt.xlabel('Frequency')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib 柱状图和图形大小设置：全面指南