python 畫條形圖(柱狀圖)實(shí)例

更新時間：2020年04月24日 09:09:23 作者：心態(tài)與做事習(xí)慣決定人生高度

這篇文章主要介紹了python 畫條形圖(柱狀圖)實(shí)例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

條形圖（bar chart），也稱為柱狀圖，是一種以長方形的長度為變量的統(tǒng)計(jì)圖表，長方形的長度與它所對應(yīng)的變量數(shù)值呈一定比例。

1. 豎放條形圖

畫條形圖要用到 pyplot 中的 bar 函數(shù)，該函數(shù)的基本語法為：

bar(x, height, [width], **kwargs)

x	數(shù)組，每個條形的橫坐標(biāo)
height	個數(shù)或一個數(shù)組，條形的高度
[width]	可選參數(shù)，一個數(shù)或一個數(shù)組，條形的寬度，默認(rèn)為 0.8
**kwargs	不定長的關(guān)鍵字參數(shù)，用字典形式設(shè)置條形圖的其他屬性

**kwargs 中常設(shè)置的參數(shù)包括圖形標(biāo)簽 label，顏色標(biāo)簽 color，不透明度 alpha 等。

假設(shè)某項(xiàng)針對男女大學(xué)生購買飲用水愛好的調(diào)查結(jié)果如下表：

	男	女
碳酸飲料	6	9
綠茶	7	4
礦泉水	6	4
其他	2	6
果汁	1	5
總計(jì)	22	28

畫出男生飲用水情況的直方圖，代碼如下：

import matplotlib.pyplot as plt

# 這兩行代碼解決 plt 中文顯示的問題
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

waters = ('碳酸飲料', '綠茶', '礦泉水', '果汁', '其他')
buy_number = [6, 7, 6, 1, 2]

plt.bar(waters, buy_number)
plt.title('男性購買飲用水情況的調(diào)查結(jié)果')

plt.show()

圖形：

2. 橫放條形圖

若要生成橫的條形圖，則可以使用 barh 函數(shù)，其語法與 bar 函數(shù)非常類似。

bar(x, width, [height], **kwargs)

y	數(shù)組，每個條形的縱坐標(biāo)
width	一個數(shù)或一個數(shù)組，條形的寬度
[height]	可選參數(shù)，一個數(shù)或一個數(shù)組，條形的高度，默認(rèn)為 0.8
**kwargs	不定長的關(guān)鍵字參數(shù)，用字典形式設(shè)置條形圖的其他屬性

代碼：

import matplotlib.pyplot as plt

# 這兩行代碼解決 plt 中文顯示的問題
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

waters = ('碳酸飲料', '綠茶', '礦泉水', '果汁', '其他')
buy_number = [6, 7, 6, 1, 2]

plt.barh(waters, buy_number) # 橫放條形圖函數(shù) barh
plt.title('男性購買飲用水情況的調(diào)查結(jié)果')

plt.show()

3. 并列條形圖

若要將男生與女生的調(diào)查情況畫出兩個條形圖一塊顯示，則可以使用 bar 或 barh 函數(shù)兩次，并調(diào)整 bar 或 barh 函數(shù)的條形圖位置坐標(biāo)以及相應(yīng)刻度，使得兩組條形圖能夠并排顯示。

import matplotlib.pyplot as plt
import numpy as np

# 這兩行代碼解決 plt 中文顯示的問題
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 輸入統(tǒng)計(jì)數(shù)據(jù)
waters = ('碳酸飲料', '綠茶', '礦泉水', '果汁', '其他')
buy_number_male = [6, 7, 6, 1, 2]
buy_number_female = [9, 4, 4, 5, 6]

bar_width = 0.3 # 條形寬度
index_male = np.arange(len(waters)) # 男生條形圖的橫坐標(biāo)
index_female = index_male + bar_width # 女生條形圖的橫坐標(biāo)

# 使用兩次 bar 函數(shù)畫出兩組條形圖
plt.bar(index_male, height=buy_number_male, width=bar_width, color='b', label='男性')
plt.bar(index_female, height=buy_number_female, width=bar_width, color='g', label='女性')

plt.legend() # 顯示圖例
plt.xticks(index_male + bar_width/2, waters) # 讓橫坐標(biāo)軸刻度顯示 waters 里的飲用水， index_male + bar_width/2 為橫坐標(biāo)軸刻度的位置
plt.ylabel('購買量') # 縱坐標(biāo)軸標(biāo)題
plt.title('購買飲用水情況的調(diào)查結(jié)果') # 圖形標(biāo)題

plt.show()

補(bǔ)充知識：Python 條形圖與直方圖有非常大的區(qū)別

區(qū)別：

首先，條形圖是用條形的長度表示各類別頻數(shù)的多少，其寬度（表示類別）則是固定的；

直方圖是用面積表示各組頻數(shù)的多少，矩形的高度表示每一組的頻數(shù)或頻率，寬度則表示各組的組距，因此其高度與寬度均有意義。

其次，由于分組數(shù)據(jù)具有連續(xù)性，直方圖的各矩形通常是連續(xù)排列，而條形圖則是分開排列。

最后，條形圖主要用于展示分類數(shù)據(jù)，而直方圖則主要用于展示數(shù)據(jù)型數(shù)據(jù)，我們初中學(xué)的就是條形統(tǒng)計(jì)圖，很顯然有沒有當(dāng)初那種感覺？（身高-年齡條形統(tǒng)計(jì)圖）在坐標(biāo)上畫出每個年齡對應(yīng)的頻數(shù)。這就是我們研究數(shù)據(jù)分布最喜歡用的。如果還是有點(diǎn)蒙，下面相同數(shù)據(jù)對比一下這兩種圖像你就會明白！

數(shù)據(jù)：

年齡	0	1	2	3	4	5	6	7	8	9	10	總數(shù)
人數(shù)	3	6	7	11	13	18	15	11	7	5	4	100

條形統(tǒng)計(jì)圖（注重每類多少個）：

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
plt.rcParams['font.sans-serif']=['SimHei'] #正常顯示中文
plt.rcParams['axes.unicode_minus']=False #正常顯示負(fù)號
 
# d=pd.read_excel('E:\Python\projects\data\data100.xlsx',header=None)
# d=d[0]
# d=list(d)
 
ages=range(11)
count=[3,6,7,11,13,18,15,11,7,5,4]
plt.bar(ages,count, label='graph 1')
# params
# x: 條形圖x軸
# y：條形圖的高度
# width：條形圖的寬度 默認(rèn)是0.8
# bottom：條形底部的y坐標(biāo)值 默認(rèn)是0
# align：center / edge 條形圖是否以x軸坐標(biāo)為中心點(diǎn)或者是以x軸坐標(biāo)為邊緣
plt.legend()
plt.xlabel('ages')
plt.ylabel('count')
plt.title(u'測試?yán)印獥l形圖')
 
for i in range(11):
  plt.text(i,count[i]+0.1,"%s"%count[i],va='center')
 
plt.show()

直方圖：

import matplotlib.pyplot as plt
import matplotlib.mlab as mlab
import numpy as np
import pandas as pd
plt.rcParams['font.sans-serif']=['SimHei'] #正常顯示中文
plt.rcParams['axes.unicode_minus']=False #正常顯示負(fù)號
# d=np.random.normal(0,1,100)
d=pd.read_excel('E:\Python\projects\data\data100.xlsx',header=None)
d=d[0]
d=list(d)
print(d)
n, bins, patches = plt.hist(x=d, bins=11, color='#0504aa',
        alpha=0.8, rwidth=0.6) #alpha 是顏色深度 rwidth 條形寬度，bins條形箱的數(shù)目
 
plt.grid(axis='y', alpha=0.4) #alpha 網(wǎng)格顏色深度
plt.xlabel('age')
plt.ylabel('count')
plt.title('100個樣本分布如下')
plt.text(20, 40, r'$\mu=0, sigma=1$')#前面是坐標(biāo)，寫字
# plt.ylim(19) #設(shè)置y的范圍
 
plt.show()