1. 条形图的绘制
plt.bar 方法有以下常用参数：
x：一个数组或者列表，代表需要绘制的条形图的x轴的坐标点。height：一个数组或者列表，代表需要绘制的条形图y轴的坐标点。width：每一个条形图的宽度，默认是0.8的宽度。bottom： y 轴的基线，默认是0，也就是距离底部为0.align：对齐方式，默认是 center ，也就是跟指定的 x 坐标居中对齐，还有为 edge ，靠- 边对齐，具体靠右边还是靠左边，看
width的正负。 -
color：条形图的颜色。
返回值为 BarContainer ，是一个存储了条形图的容器，而条形图实际上的类型
是 matplotlib.patches.Rectangle 对象。
更多参考
比如现在有 2019 年贺岁片票房的数据（数据来源）
#票房单位亿元
movies = {
"流浪地球":40.78,
"飞驰人生":15.77,
"疯狂的外星人":20.83,
"新喜剧之王":6.10,
"廉政风云":1.10,
"神探蒲松龄":1.49,
"小猪佩奇过大年":1.22,
"熊出没·原始时代":6.71
}用条形图绘制每部电影及其票房的代码如下：
movies = {
"流浪地球":40.78,
"飞驰人生":15.77,
"疯狂的外星人":20.83,
"新喜剧之王":6.10,
"廉政风云":1.10,
"神探蒲松龄":1.49,
"小猪佩奇过大年":1.22,
"熊出没·原始时代":6.71
}
x = list(movies.keys())
y = list(movies.values())
plt.figure(figsize=(15,5))
# plt.bar(x,y,width=-0.3,align="edge",color='r',edgecolor='k')
movie_df = pd.DataFrame(data={"names":list(movies.keys()),"tickets":list(movies.values())})
plt.bar("names","tickets",data=movie_df)
plt.xticks(fontproperties=font,size=12)
plt.yticks(range(0,45,5),["%d亿"%x for x in range(0,45,5)],fontproperties=font,size=12)
plt.grid()
其中 xticks 和 yticks 的用法跟之前的折线图一样。这里新出现的方法是 bar ， bar 常用的有3个参数，分别是 x （x轴的坐标点）, y （y轴的坐标点）以及 width （条形的宽度）。
2. 横向条形图
横向条形图需要使用plt.barh 这个方法跟 bar 非常的类似，只不过把方向进行旋转。参数
跟 bar 类似，但也有区别。
如下：
- y ：数组或列表，代表需要绘制的条形图在 y 轴上的坐标点。
- width ：数组或列表，代表需要绘制的条形图在 x 轴上的值（也就是长度）。
- height ：条形图的高度，默认是0.8。
- left ：条形图的基线，也就是距离y轴的距离。
其他参数跟 bar 一样。
返回值也是 BarContainer 容器对象。
还是以以上数据为例，将电影名和票房反转一下。
示例代码如下：
plt.barh(list(movies.keys()),list(movies.values()))
plt.yticks(fontproperties=font,size=12)
3. 分组条形图
现在有一组数据，是2019年春节贺岁片前五天的电影票房记录。
示例代码如下：
movies = {
"流浪地球":[2.01,4.59,7.99,11.83,16],
"飞驰人生":[3.19,5.08,6.73,8.10,9.35],
"疯狂的外星人":[4.07,6.92,9.30,11.29,13.03],
"新喜剧之王":[2.72,3.79,4.45,4.83,5.11],
"廉政风云":[0.56,0.74,0.83,0.88,0.92],
"神探蒲松龄":[0.66,0.95,1.10,1.17,1.23],
"小猪佩奇过大年":[0.58,0.81,0.94,1.01,1.07],
"熊出没·原始时代":[1.13,1.96,2.73,3.42,4.05]
}
plt.figure(figsize=(20,8))
width = 0.75
bin_width = width/5
movie_pd = pd.DataFrame(movies)
ind = np.arange(0,len(movies))
# 第一种方案
# first_day = movie_pd.iloc[0]
# plt.bar(ind-bin_width*2,first_day,width=bin_width,label='第一天')
# second_day = movie_pd.iloc[1]
# plt.bar(ind-bin_width,second_day,width=bin_width,label='第二天')
# third_day = movie_pd.iloc[2]
# plt.bar(ind,third_day,width=bin_width,label='第三天')
# four_day = movie_pd.iloc[3]
# plt.bar(ind+bin_width,four_day,width=bin_width,label='第四天')
# five_day = movie_pd.iloc[4]
# plt.bar(ind+bin_width*2,five_day,width=bin_width,label='第五天')
# 第二种方案
for index in movie_pd.index:
day_tickets = movie_pd.iloc[index]
xs = ind-(bin_width*(2-index))
plt.bar(xs,day_tickets,width=bin_width,label="第%d天"%(index+1))
for ticket,x in zip(day_tickets,xs):
plt.annotate(ticket,xy=(x,ticket),xytext=(x-0.1,ticket+0.1))
# 设置图例
plt.legend(prop=font)
plt.ylabel("单位：亿",fontproperties=font)
plt.title("春节前5天电影票房记录",fontproperties=font)
# 设置x轴的坐标
plt.xticks(ind,movie_pd.columns,fontproperties=font)
plt.xlim
plt.grid(True)
plt.show()
4. 堆叠条形图
堆叠条形图，是将一组相关的条形图堆叠在一起进行比较的条形图。
比如以下案例:
menMeans = (20, 35, 30, 35, 27)
womenMeans = (25, 32, 34, 20, 25)
groupNames = ('G1','G2','G3','G4','G5')
plt.bar(groupNames,menMeans,label="男性得分")
plt.bar(groupNames,womenMeans,bottom=menMeans,label='女性得分')
plt.legend(prop=font)
在绘制女性得分的条形图的时候，因为要堆叠在男性得分的条形图上，所以使用到了一
个 bottom 参数，就是距离 x 轴的距离。通过对贴条形图，我们就可以清楚的知道，哪一个队伍的综合排名是最高的，并且在每个队伍中男女的得分情况。
5. 条形图应用场景
- 数量统计。
- 频率统计。
- 适用于分类数据对比。
- 垂直条形图最多不超过12个分类（也就是12个柱形），横向条形图最多不超过30个分类。如果垂直条形图的分类名太长，那么建议换成横向条形图。
- 柱状图不适合表示趋势，如果想要表示趋势，应该使用折线图。
到此这篇关于Matplotlib实现各种条形图绘制的文章就介绍到这了,更多相关Matplotlib条形图绘制内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
