0
点赞
收藏
分享

微信扫一扫

Python数据分析入门(十七):绘制条形图


Python爬虫、数据分析、网站开发等案例教程视频免费在线观看

https://space.bilibili.com/523606542

​​Python学习交流群:1039649593​​

条形图的绘制方式跟折线图非常的类似,只不过是换成了​​plt.bar​​​方法。​​plt.bar​​方法有以下常用参数:

  1. ​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。
  2. ​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。
  3. ​width​​:每一个条形图的宽度,默认是0.8的宽度。
  4. ​bottom​​​:​​y​​轴的基线,默认是0,也就是距离底部为0.
  5. ​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。
  6. ​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:​​https://matplotlib.org/api/_as_gen/matplotlib.pyplot.bar.html#matplotlib.pyplot.bar​​

条形图的绘制:

比如现在有​​2019​​​年贺岁片票房的数据(数据来源:​​https://piaofang.maoyan.com/dashboard)​​

#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
}
plt.bar(np.arange(len(movies)),list(movies.keys()))
plt.xticks(np.arange(len(movies)),list(movies.keys()),fontproperties=font)
plt.grid()

效果图如下:

Python数据分析入门(十七):绘制条形图_数据

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)。


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:

  1. ​y​​​:数组或列表,代表需要绘制的条形图在​​y​​轴上的坐标点。
  2. ​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)。
  3. ​height​​:条形图的高度,默认是0.8。
  4. ​left​​:条形图的基线,也就是距离y轴的距离。
  5. 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:

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
}
plt.barh(np.arange(len(movies)),list(movies.values()))
plt.yticks(np.arange(len(movies)),list(movies.keys()),fontproperties=font)
plt.grid()

效果图如下:


Python数据分析入门(十七):绘制条形图_数据分析_02

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()

示例图如下:


Python数据分析入门(十七):绘制条形图_数据可视化_03

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')
xs = np.arange(len(menMeans))
plt.bar(xs,menMeans)
plt.bar(xs,womenMeans,bottom=menMeans)
plt.xticks(xs,groupNames)
plt.show()

效果图如下:

Python数据分析入门(十七):绘制条形图_数据_04

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。


条形图应用场景:

  1. 数量统计。
  2. 频率统计。


举报

相关推荐

0 条评论