Python 调用matplotlib模块绘制柱状图

我们可以调用matplotlib 绘制我们的柱状图，柱状图可以是水平的也可以是竖直的。

在这里我先记录下竖直的柱状图怎么绘制

在这里一般用到的函数就是bar

 # bar(left, height, width=0.8, bottom=None, hold=None, **kwargs)  
# 绘制柱形图  
# left:柱形图的x坐标  
# height柱形图的高度，以0.0为基准  
# width:柱形图的宽度，默认0.8  
# facecolor:颜色  
# edgecolor:边框颜色n  
# bottom:表示底部从y轴的哪个刻度开始画  
# yerr:应该是对应的数据的误差范围，加上这个参数，柱状图头部会有一个蓝色的范围标识,标出允许的误差范围,在水平柱状图中这个参数为xerr 

在这里我一般特别喜欢将柱状图的边缘颜色设置为白色，因为这样画出来比较好看

eg.

plt.bar(x,+y1,width=0.8,facecolor="#9999ff",edgecolor="white",yerr=error)

下面来说一下画bar chart 的步骤

首先我们需要引入两个模块：

import numpy as np  
import matplotlib.pyplot as plt  

import numpy as np  
import matplotlib.pyplot as plt  
n = 12  
# 生成一个1-12的列表，不包括12，[ 0  1  2  3  4  5  6  7  8  9 10 11]  
x = np.arange(n)  
# np.random.uniform(0.5,1.0,n),生成n个0.5-1.0之间的随机数  
y1 = 3 * np.random.uniform(0.5,1.0,n)  
y2 = 3 * np.random.uniform(0.5,1.0,n)  
# 在这里我们是使用一个随机生成函数生成了两组y的值，生成的这个随机数是服从均匀分布的
# 如果我们的数值比较少我们可以直接给y赋值
# y = [5,7,3]
  
# 生成一个包含有n个值，均为0.2的list，表示允许的误差范围[-0.2,0.2]  
error = [0.2,] * n  
  
# bar(left, height, width=0.8, bottom=None, hold=None, **kwargs)  
# 绘制柱形图  
# left:柱形图的x坐标  
# height柱形图的高度，以0.0为基准  
# width:柱形图的宽度，默认0.8  
# facecolor:颜色  
# edgecolor:边框颜色n  
# bottom:表示底部从y轴的哪个刻度开始画  
# yerr:应该是对应的数据的误差范围，加上这个参数，柱状图头部会有一个蓝色的范围标识,标出允许的误差范围,在水平柱状图中这个参数为xerr  
plt.bar(x,+y1,width=0.8,facecolor="#9999ff",edgecolor="white",yerr=error)  
plt.bar(x,-y2,facecolor="#ff9999",edgecolor="white")  
# 绘制文字，显示柱状图形的值  
for x,y1,y2 in zip(x,y1,y2):  
    plt.text(x+0.4,y1+0.05,'%.2f' % y1,ha='center',va='bottom')  
    plt.text(x+0.4,-(y2+0.05),'%.2f' % y2,ha='center',va='top')  
  
plt.ylim(-3.5,3.5)  
plt.show()  

如果我们需要的是给我们柱状图绘制一些标记，比如横坐标和纵坐标的值，这个时候我们可以像下面这样做。这个例子我用的是官网上的代码。

# Credit: Josh Hemann

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import MaxNLocator
from collections import namedtuple


n_groups = 5

means_men = (20, 35, 30, 35, 27)
std_men = (2, 3, 4, 1, 2)

means_women = (25, 32, 34, 20, 25)
std_women = (3, 5, 2, 3, 3)

fig, ax = plt.subplots()

index = np.arange(n_groups)
bar_width = 0.35

opacity = 0.4
error_config = {'ecolor': '0.3'}

rects1 = ax.bar(index, means_men, bar_width,
                alpha=opacity, color='b',
                yerr=std_men, error_kw=error_config,
                label='Men')

rects2 = ax.bar(index + bar_width, means_women, bar_width,
                alpha=opacity, color='r',
                yerr=std_women, error_kw=error_config,
                label='Women')

ax.set_xlabel('Group')
ax.set_ylabel('Scores')
ax.set_title('Scores by group and gender')
ax.set_xticks(index + bar_width / 2)
ax.set_xticklabels(('A', 'B', 'C', 'D', 'E'))
ax.legend()

fig.tight_layout()
plt.show()

在这里我们设置的X的坐标以及上边的标签，我们主要的代码是：

ax.bar(index, means_men, bar_width,
                alpha=opacity, color='b',
                yerr=std_men, error_kw=error_config,
                label='Men')

ax.set_xticks(index + bar_width / 2) # 设置坐标的其实坐标
ax.set_xticklabels(('A', 'B', 'C', 'D', 'E'))               

这里的bar函数的参数和我们开始介绍的是一样的，只是我们在设置坐标的时候，一般是我们的条形图的中间所以我们要把宽度除以2

---

---

---

无意中发现了一个巨牛的人工智能教程，忍不住分享一下给大家。教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。点这里可以跳转到教程 https://www.cbedai.net/chichoxian

hahaha,你也可以的～～～～，扫一扫下面的图片有惊喜！～～～