数据可视化笔记：柱状图

数据可视化笔记：柱状图

1.1 一、基础配置

在进行数据可视化之前，需要对Matplotlib进行一些基础配置，以确保图表能够正确显示中文以及设置合适的分辨率和大小。

from matplotlib import pyplot as plt
import numpy as np

# 设置中文字体为黑体，不包含中文负号
# 由于不同操作系统支持的字体不同，SimHei是Windows系统下的黑体，如果在其他系统中可能需要更换为相应支持的中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
# 解决负号显示问题
plt.rcParams['axes.unicode_minus'] = False
# 设置图像的分辨率，这里设置为100，分辨率越高图像越清晰，但文件大小也会相应增加
plt.rcParams['figure.dpi'] = 100
# 设置图像显示的大小，这里设置宽度为5，高度为3，单位为英寸
plt.rcParams['figure.figsize'] = (5, 3)

1.2 二、柱状图

柱状图是一种常用的数据可视化图表，用于比较不同类别之间的数据大小。

1.2.1 竖直柱状图

1.2.1.1 基本语法

plt.bar(x, height, width=0.8, bottom=None, align='center', **kwargs)

• x：表示柱子的横坐标位置，可以是一个列表或数组。
• height：表示柱子的高度，对应的数据值。
• width：柱子的宽度，默认值为0.8。
• bottom：柱子的起始位置，默认为None，表示从0开始。
• align：柱子的对齐方式，'center' 表示居中对齐，'edge' 表示边缘对齐。
• **kwargs：其他可选参数，如颜色、边框等。

1.2.1.2 基本示例

x = range(5)
data = [5, 20, 15, 25, 10]
# 设置图表的标题
plt.title("基本柱状图")
# 设置网格线，ls表示线型，这里设置为虚线；alpha表示透明度，范围从0到1
plt.grid(ls="--", alpha=0.5)
# 绘制柱状图
plt.bar(x, data)
# 显示图表
plt.show()

1.2.1.3 常用参数

• bottom：设置柱状图起始位置。例如，如果想让柱子从某个值开始，可以通过设置 bottom 参数实现。

x = range(5)
data = [5, 20, 15, 25, 10]
bottom_value = 5
plt.bar(x, data, bottom=bottom_value)
plt.show()

• color/facecolor：设置柱状图颜色。可以使用颜色名称（如 'red'、'blue'）或十六进制颜色码（如 '#FF0000'）。

x = range(5)
data = [5, 20, 15, 25, 10]
plt.bar(x, data, color='green')
plt.show()

• edgecolor/ec：边框颜色。同样可以使用颜色名称或十六进制颜色码。

x = range(5)
data = [5, 20, 15, 25, 10]
plt.bar(x, data, edgecolor='black')
plt.show()

• linestyle/ls：边框线型。例如 '-' 表示实线，'--' 表示虚线。

x = range(5)
data = [5, 20, 15, 25, 10]
plt.bar(x, data, edgecolor='black', linestyle='--')
plt.show()

• linewidth/lw：边框宽度。可以设置一个数值来调整边框的粗细。

x = range(5)
data = [5, 20, 15, 25, 10]
plt.bar(x, data, edgecolor='black', linewidth=2)
plt.show()

• tick_label：柱子刻度标签。用于为每个柱子添加自定义的标签。

x = range(5)
data = [5, 20, 15, 25, 10]
labels = ['A', 'B', 'C', 'D', 'E']
plt.bar(x, data, tick_label=labels)
plt.show()

1.2.2 同位置多柱状图

当需要在同一位置比较多个类别的数据时，可以使用同位置多柱状图。

countries = ['挪威', '德国', '中国', '美国', '瑞典']
gold = [16, 12, 9, 8, 8]
silver = [8, 10, 4, 10, 5]
bronze = [13, 5, 2, 7, 5]

# 生成柱子的横坐标位置
x = np.arange(len(countries))
# 设置柱子的宽度
width = 0.2

# 绘制金牌柱状图
plt.bar(x - width, gold, width, label='金牌')
# 绘制银牌柱状图
plt.bar(x, silver, width, label='银牌')
# 绘制铜牌柱状图
plt.bar(x + width, bronze, width, label='铜牌')

# 设置x轴刻度标签
plt.xticks(x, countries)
# 显示图例
plt.legend()
# 显示图表
plt.show()

1.2.3 堆叠柱状图

堆叠柱状图用于展示多个类别数据的累计情况。

countries = ['挪威', '德国', '中国', '美国', '瑞典']
gold = [16, 12, 9, 8, 8]
silver = [8, 10, 4, 10, 5]
bronze = [13, 5, 2, 7, 5]

# 绘制金牌柱状图
plt.bar(countries, gold, label='金牌')
# 绘制银牌柱状图，起始位置为金牌的高度
plt.bar(countries, silver, bottom=gold, label='银牌')
# 绘制铜牌柱状图，起始位置为金牌和银牌的高度之和
plt.bar(countries, bronze, bottom=np.array(gold)+np.array(silver), label='铜牌')

# 显示图例
plt.legend()
# 显示图表
plt.show()

1.3 三、水平柱状图

水平柱状图与竖直柱状图类似，只是柱子的方向变为水平。

1.3.1 基本语法

plt.barh(y, width, height=0.8, left=None, **kwargs)

• y：表示柱子的纵坐标位置。
• width：表示柱子的宽度，对应的数据值。
• height：柱子的高度，默认值为0.8。
• left：柱子的起始位置，默认为None，表示从0开始。
• **kwargs：其他可选参数，如颜色、边框等。

1.3.2 示例

movie = ['新蝙蝠侠', '狙击手', '奇迹笨小孩']
day1 = [4053, 2548, 1543]
day2 = [7840, 4013, 2421]

# 设置柱子的高度
height = 0.3
# 绘制第一天的水平柱状图
plt.barh(np.arange(len(movie)), day1, height, label='第一天')
# 绘制第二天的水平柱状图，纵坐标位置在第一天的基础上偏移柱子高度
plt.barh(np.arange(len(movie)) + height, day2, height, label='第二天')

# 设置y轴刻度标签
plt.yticks(np.arange(len(movie)) + height/2, movie)
# 显示图例
plt.legend()
# 显示图表
plt.show()

总结

通过对Matplotlib中柱状图与饼图的系统学习与实践，我深刻体会到数据可视化在数据分析中的重要性。柱状图凭借其直观的对比性，无论是竖直柱状图对单类别数据的清晰展示，还是同位置多柱状图、堆叠柱状图对多类别数据的差异化呈现，都能有效帮助我们洞察数据间的数量关系与变化趋势；水平柱状图则为数据展示提供了不同视角，尤其适用于类别名称较长的场景。饼图则以独特的比例呈现方式，将各部分与整体的关系一目了然地展现出来，通过对各参数的灵活设置，可实现对重点数据的突出与强调。

在实际应用中，基础配置环节解决了图表显示的常见问题，确保了图表的完整性与可读性；各类图表参数的运用则赋予了图表丰富的表现力与个性化特征；而实用技巧，如标签旋转、数据标注、网格线设置和图像保存等功能，进一步提升了图表的专业性与实用性。这些知识与技能不仅让我能够将数据转化为清晰美观的可视化成果，也为今后深入的数据探索与分析工作奠定了坚实基础，未来在面对不同类型的数据时，能够更加得心应手地选择合适的图表类型与优化方式，以更好地服务于数据信息的有效传达与解读 。