本人写论文时画的图，总结一下方法： 安心看下去，你应该就可以画出一个好看的柱状图，基本上需要的设置都有哦！！！
目录
1 首先引入画图所需要的包Matplotlib
Matplotlib 是 Python 的绘图库，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。
Matplotlib 可以绘制线图、散点图、等高线图、条形图、柱状图、3D 图形、甚至是图形动画等等。
Matplotlib 通常与 NumPy 和 SciPy（Scientific Python）一起使用
2 Matplotlib Pyplot
Pyplot 是 Matplotlib 的子库，提供了和 MATLAB 类似的绘图 API。
Pyplot 是常用的绘图模块，能很方便让用户绘制 2D 图表。
使用 import 导入 pyplot 库，并设置一个别名 plt：
import matplotlib.pyplot as plt3 画柱状图
这里我画的柱状图有以下设置：（应该包含了对柱状图画图的所有基本设置）
- 图的边框要设置成黑色，边框线宽为2；
- 图内部要包含网格线；
- 柱状图中柱子也要包含边框，边框颜色为黑色；
- 网格线要位于柱子的下方；
- 图片字体要设置成‘Times New Roman’，要对图片所有字体的大小进行设置；
- y轴域值也要进行设置，不是从0开始；
- 图片的标签（图标）要横着排列（不是竖着排列）；
- 柱子上方要显示具体数值；
- 一个标签对应多个柱子（为了做对比）
画出的图片展示：
（1） 首先，设置X轴标签，以及X轴标签对应的y值。
import matplotlib.pyplot as plt# X轴标签x = ['Data-15','Data-17','Data-18']# 这里是一个标签对应两个柱子，所以有两个数组（这实际上是不同模型在同一数据集上的的f1值对比）f1_1 = [93.70,92.17,84.89]f1_2 = [95.76,93.35,89.20]（2）要定位好柱子的开始位置（因为上述设置了3个X轴标签，所以这里要定位3个柱子的开始位置）
x_len = np.arange(len(x))total_width, n = 0.9, 3width = total_width/n# xticks 就是三个柱子的开始位置xticks = x_len - (total_width - width) / 2可以看一下 x_len 和 xticks具体对应的值：
x_lenOut[1]: array([0, 1, 2])xticksOut[2]: array([-0.3, 0.7, 1.7])（3）定义图片大小，为图片画上网格
具体的解释，代码里有写；
plt.figure(figsize=(15, 12), dpi=200)# 这里定义ax，是为了后面画图的边框所用ax = plt.axes()# axis取值可以为'both','x','y'， both是网格，x是只有垂直于x轴的线，y是只有垂直于yz轴的线# c是设置线的颜色，linestyle 是画出的线的类型， zorder 是让线位于柱子下面而设置的，其值越小，线越靠下plt.grid(axis="y", c='#d2c9eb', linestyle = '--',zorder=0)（4）开始画柱子，并设置画柱子所需要的属性
因为每个X轴标签都对应了两个柱子，所以这里要调用两个plt.bar；
也就是说调用几个plt.bar，每个x轴标签就画几个柱子；
具体属性的解释，看下面代码中的注释；
# 画第一个柱子，是批量画的，X轴的每个标签都开始画第一个柱子# f1_1就是X轴所有标签对应的第一个柱子的y值# width是设置柱子的宽度# label就是图例# color设置颜色# edgecolor是设置柱子框的颜色# linewidth是设置柱子框的线宽# zorder 是保证柱子位于网格线的上方plt.bar(xticks, f1_1, width=0.9*width, label="Attention weights", color="#7e728c",edgecolor='black',linewidth = 2, zorder=10)# xticks + width，表示的是X轴所有标签第二个柱子的起始位置plt.bar(xticks + width, f1_2, width=0.9*width, label="Official", color="#46513c",edgecolor='black',linewidth = 2, zorder=10)（4）为柱子上方添加数值
顺便设置数字的字体；
# 这是为X轴所有标签的第一个柱子写上值# f1_1[0] + 0.3 表示写的值要距离柱子0.3个单位# f1_1[0]是具体要写的值# ha='center' 表示值要居中写# fontproperties 是设置字体类型# fontsize 设置字体大小# zorder=10 表示位于网格线上方plt.text(xticks[0], f1_1[0] + 0.3, f1_1[0], ha='center',fontproperties='Times New Roman', fontsize=35, zorder=10)plt.text(xticks[1], f1_1[1] + 0.3, f1_1[1], ha='center', fontproperties='Times New Roman', fontsize=35, zorder=10)plt.text(xticks[2], f1_1[2] + 0.3, f1_1[2], ha='center', fontproperties='Times New Roman', fontsize=35, zorder=10)# 这是为X轴所有标签的第二个柱子写上值plt.text(xticks[0] + width, f1_2[0] + 0.3, f1_2[0], ha='center',fontproperties='Times New Roman', fontsize=35, zorder=10)plt.text(xticks[1] + width, f1_2[1] + 0.3, f1_2[1], ha='center',fontproperties='Times New Roman', fontsize=35, zorder=10)plt.text(xticks[2] + width, f1_2[2] + 0.3, f1_2[2], ha='center', fontproperties='Times New Roman',fontsize=35, zorder=10)（5）设置图例的字体
# ncol = 2 表示图例要放两列plt.legend(prop={'family' : 'Times New Roman', 'size': 35}, ncol = 2)（6）设置X轴，Y轴标签的字体及大小
# x_len表示X轴的标签写在哪个坐标位置，有事可能x_len有变差，需要手动调一下他的值，不过偏差不会很大plt.xticks(x_len, x, fontproperties='Times New Roman',fontsize = 40)plt.yticks(fontproperties='Times New Roman',fontsize = 40)（7）控制Y轴的值
plt.ylim(75，90)# 或者只设置最小值plt.ylim(ymin=75)（8）设置对柱状图X轴的说明和Y轴的说明
plt.xlabel("Datasets", fontproperties='Times New Roman',fontsize=45)plt.ylabel("Accuracy (%)",fontproperties='Times New Roman', fontsize=45)（9）为柱状图画黑色的框
# 底部线ax.spines['bottom'].set_linewidth('2.0')#设置边框线宽为2.0ax.spines['bottom'].set_color('black')# 顶部线ax.spines['top'].set_linewidth('2.0')#设置边框线宽为2.0ax.spines['top'].set_color('black')# 右侧线ax.spines['right'].set_linewidth('2.0')#设置边框线宽为2.0ax.spines['right'].set_color('black')# 左侧线ax.spines['left'].set_linewidth('2.0')#设置边框线宽为2.0ax.spines['left'].set_color('black')（10）显示图
plt.show()4 整体代码
大家可以在这里复制全部代码，跑出上面的柱状图。
import jsonimport torchimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltf1_1 = [93.70,92.17,84.89]f1_2 = [95.76,93.35,89.20]x = ['Data-15','Data-17','Data-18']x_len = np.arange(len(x))total_width, n = 0.9, 3width = 0.3xticks = x_len - (total_width - width) / 2plt.figure(figsize=(15, 12), dpi=200)ax = plt.axes()plt.grid(axis="y", c='#d2c9eb', linestyle = '--',zorder=0)plt.bar(xticks, f1_1, width=0.9*width, label="Attention weights", color="#92a6be",edgecolor='black',linewidth = 2, zorder=10)plt.bar(xticks + width, f1_2, width=0.9*width, label="Official", color="#c48d60",edgecolor='black',linewidth = 2, zorder=10)plt.text(xticks[0], f1_1[0] + 0.3, f1_1[0], ha='center',fontproperties='Times New Roman', fontsize=35, zorder=10)plt.text(xticks[1], f1_1[1] + 0.3, f1_1[1], ha='center', fontproperties='Times New Roman', fontsize=35, zorder=10)plt.text(xticks[2], f1_1[2] + 0.3, f1_1[2], ha='center', fontproperties='Times New Roman', fontsize=35, zorder=10)plt.text(xticks[0] + width, f1_2[0] + 0.3, f1_2[0], ha='center',fontproperties='Times New Roman', fontsize=35, zorder=10)plt.text(xticks[1] + width, f1_2[1] + 0.3, f1_2[1], ha='center',fontproperties='Times New Roman', fontsize=35, zorder=10)plt.text(xticks[2] + width, f1_2[2] + 0.3, f1_2[2], ha='center', fontproperties='Times New Roman',fontsize=35, zorder=10)plt.legend(prop={'family' : 'Times New Roman', 'size': 35}, ncol = 2)x_len = [-0.1,0.9,1.9]x_len = np.array(x_len)plt.xticks(x_len, x, fontproperties='Times New Roman',fontsize = 40)plt.yticks(fontproperties='Times New Roman',fontsize = 40)plt.ylim(ymin=75)plt.xlabel("Datasets", fontproperties='Times New Roman',fontsize=45)plt.ylabel("Accuracy (%)",fontproperties='Times New Roman', fontsize=45)ax.spines['bottom'].set_linewidth('2.0')#设置边框线宽为2.0ax.spines['bottom'].set_color('black')ax.spines['top'].set_linewidth('2.0')#设置边框线宽为2.0ax.spines['top'].set_color('black')ax.spines['right'].set_linewidth('2.0')#设置边框线宽为2.0ax.spines['right'].set_color('black')ax.spines['left'].set_linewidth('2.0')#设置边框线宽为2.0ax.spines['left'].set_color('black')plt.show()来源地址：https://blog.csdn.net/qq_40671063/article/details/127972727
