Python matplotlip 柱状图 柱形图 条形图 标签 图例全集

1. 单数据条形图

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

plt.rcParams["font.sans-serif"]='SimHei'   #解决中文乱码问题
plt.rcParams['axes.unicode_minus']=False   #解决负号无法显示的问题
plt.rc('axes',axisbelow=True)  

# 随机生成数据
y_data = range(10,60,10)
x_data = range(1,6,1)

fig=plt.figure(figsize=(8,6),dpi=100) # 先创建一个基础图
ax = fig.add_subplot(1,1,1) # 创建一个子图，然后在子图上操作

plt.subplots_adjust(left=0.1, right=0.9, top=0.9, bottom=0.1) # 调整图片的外间距
                           
ax.spines[['top','left','bottom','right']].set_linewidth(1.5) # 设置边框线的宽度
ax.spines[['top','right']].set_color('none')  # # 隐藏上、右边框 设置上为无色

# 绘制柱状图
bars = ax.bar(x_data,y_data,width=0.6,align="center")

# 设置x、y刻度线 direction刻度线位置
ax.tick_params(axis="x", direction='out', which='major',labelsize=16, length=5, width=1.5,)
ax.tick_params(axis="y", direction='in',which="major", labelsize=16, length=8, width=2, pad=5)

# 设置柱形图数值标注        
for bar in bars:
    height = bar.get_height()
    ax.annotate(f'{height+100:.1f}', xy=(bar.get_x() + bar.get_width() / 2, height),
                fontsize=14, color='black',
                xytext=(0, 4), textcoords='offset points', ha='center', va='bottom')
    
ax.set_ylim(0,55) #设定x轴范围

ax.set_xlabel('种类',fontsize=18,labelpad=6)
ax.set_ylabel('数量',fontsize=18,labelpad=6)
plt.show()

3、多类数据条形图

import matplotlib.pyplot as plt
import numpy as np

plt.style.use('ggplot')

# 设置matplotlib正常显示中文和负号
plt.rcParams['font.sans-serif']=['SimHei']   # 用黑体显示中文
plt.rcParams['axes.unicode_minus']=False     # 正常显示负号

# x轴刻度标签序列
customers = ['ABC', 'DEF', 'GHI', 'JKL', 'MNO']
# x轴刻度
customers_index = np.arange(len(customers))

sale_amounts = [127, 90, 201, 111, 232]
sale_amounts2 = [47, 30, 91, 301, 132]
sale_amounts3 = [87, 120, 41, 31, 332]

# 创建一个基础图 设置画布的大小
fig = plt.figure(figsize=(12,8))
# 创建一个子图，然后在子图上操作
ax1 = fig.add_subplot(1,1,1)

# 多次调用bar()函数即可在同一子图中绘制多组柱形图。
# 为了防止柱子重叠，每个柱子在x轴上的位置需要依次递增 0.3，如果柱子紧挨，这个距离即柱子宽度。
width = 0.3
rects1 = ax1.bar(customers_index - width, sale_amounts, width=width ,align='center', color='#F8766D',label='1号商品')
rects2 = ax1.bar(customers_index , sale_amounts2, width=width ,align='center', color='#B79F00',label='2号商品')
rects3 = ax1.bar(customers_index + width, sale_amounts3, width=width ,align='center', color='#00BA38',label='3号商品')

# 显示柱子值 fontsize 设置字体大小
ax1.bar_label(rects1,padding=3,**{'fontsize': 14})
ax1.bar_label(rects2,padding=3)
ax1.bar_label(rects3,padding=3)

# 刻度线只显示在 x 轴 底部。
ax1.xaxis.set_ticks_position('bottom')
# 刻度线只显示在 y 轴 右侧。
ax1.yaxis.set_ticks_position('left')

# 设置 X轴刻度
ax1.set_xticks(customers_index)
# 设置 X轴刻度标签
ax1.set_xticklabels(customers)
# 设置 X 轴标签 倾斜45°，字体大小
ax1.xaxis.set_tick_params(labelrotation = 45, labelsize = 12)
# 设置 X轴标签
ax1.set_xlabel('Customer Name', fontsize = 14)

# Y 轴
ax1.yaxis.set_tick_params(which = "both", labelsize = 10)
ax1.set_ylabel('Sale Amount')

# 显示label 里面设置的图例
ax1.legend(title = "类别",
         fontsize = 16,
         title_fontsize = 15,
         bbox_to_anchor = (1.01, 0.7))

# 保存
plt.savefig('bar_plot.png', dpi=400, bbox_inches='tight')
plt.show()

3. 普通堆叠柱状图

df=pd.read_csv('StackedColumn_Data.csv')
df=df.set_index("Clarity")

Sum_df=df.apply(lambda x: x.sum(), axis=0).sort_values(ascending=False)
df=df.loc[:,Sum_df.index]

meanRow_df=df.apply(lambda x: x.mean(), axis=1)
Sing_df=meanRow_df.sort_values(ascending=False).index

n_row,n_col=df.shape
#x_label=np.array(df.columns)
x_value=np.arange(n_col)

cmap=cm.get_cmap('YlOrRd_r',n_row)
color=[colors.rgb2hex(cmap(i)[:3]) for i in range(cmap.N) ]
bottom_y=np.zeros(n_col)

fig=plt.figure(figsize=(5,5))
#plt.subplots_adjust(left=0.1, right=0.9, top=0.7, bottom=0.1)

for i in range(n_row):
    label=Sing_df[i]
    plt.bar(x_value,df.loc[label,:],bottom=bottom_y,width=0.5,color=color[i],label=label,edgecolor='k', linewidth=0.25)   
    bottom_y=bottom_y+df.loc[label,:].values        
    
plt.xticks(x_value,df.columns,size=10)  #设置x轴刻度
#plt.tick_params(axis="x",width=5)

plt.legend(loc=(1,0.3),ncol=1,frameon=False)

plt.grid(axis="y",c=(166/256,166/256,166/256))

ax = plt.gca()                         #获取整个表格边框
ax.spines['top'].set_color('none')  # 设置上‘脊梁’为无色
ax.spines['right'].set_color('none')  # 设置右‘脊梁’为无色
ax.spines['left'].set_color('none')  # 设置左‘脊梁’为无色

4. 百分比堆叠柱状图

# 需要数据可以留言
df=pd.read_csv('StackedColumn_Data.csv')
df=df.set_index("Clarity")
SumCol_df=df.apply(lambda x: x.sum(), axis=0)
df=df.apply(lambda x: x/SumCol_df, axis=1)
meanRow_df=df.apply(lambda x: x.mean(), axis=1)

Per_df=df.loc[meanRow_df.idxmax(),:].sort_values(ascending=False)
Sing_df=meanRow_df.sort_values(ascending=False).index

df=df.loc[:,Per_df.index]
n_row,n_col=df.shape
x_value=np.arange(n_col)
cmap=cm.get_cmap('YlOrRd_r',n_row)
color=[colors.rgb2hex(cmap(i)[:3]) for i in range(cmap.N) ]

bottom_y=np.zeros(n_col)

fig=plt.figure(figsize=(5,5))
#plt.subplots_adjust(left=0.1, right=0.9, top=0.7, bottom=0.1)

for i in range(n_row):
    label=Sing_df[i]
    plt.bar(x_value,df.loc[label,:],bottom=bottom_y,width=0.5,color=color[i],label=label,edgecolor='k', linewidth=0.25)   
    bottom_y=bottom_y+df.loc[label,:].values        

plt.xticks(x_value,df.columns,size=10)  #设置x轴刻度    

label_format = '{:.1f}%'  # 创建浮点数格式 .1f一位小数
ylabels = ax.get_yticks().tolist()
ax.yaxis.set_major_locator(mticker.FixedLocator(ylabels))  # 定位到散点图的x轴
ax.set_yticklabels([label_format.format(x*100) for x in ylabels])  # 使用列表推导式循环将刻度转换成浮点数

# plt.xticks(x_value,df.columns,size=10)  #设置x轴刻度
# plt.gca().set_yticklabels(['{:.0f}%'.format(x*100) for x in plt.gca().get_yticks()]) 

plt.legend(loc=(1,0.3),ncol=1,frameon=False)
plt.grid(axis="y",c=(166/256,166/256,166/256))

ax = plt.gca()                         #获取整个表格边框
ax.spines['top'].set_color('none')  # 设置上‘脊梁’为无色
ax.spines['right'].set_color('none')  # 设置右‘脊梁’为无色
ax.spines['left'].set_color('none')  # 设置左‘脊梁’为无色

5. 柱形图加累计曲线（双Y轴坐标）

import matplotlib.pyplot as plt
import matplotlib as mpl
from matplotlib.ticker import FuncFormatter
#从pyplot导入MultipleLocator类，这个类用于设置刻度间隔
from matplotlib.pyplot import MultipleLocator

# 设置图形的显示风格
plt.style.use('ggplot')
# 中文和负号的正常显示
mpl.rcParams['font.sans-serif'] = ['Times New Roman']
mpl.rcParams['font.sans-serif'] = [u'SimHei']
mpl.rcParams['axes.unicode_minus'] = False

data = [0,1,  2, 3, 4,4,5, 5, 5, 5,6, 6, 6, 6, 6,7, 7,7,8,  9]

fig= plt.figure(figsize=(8, 4),dpi=100)

ax1 = fig.add_subplot(111)
##概率分布直方图
# a1 表示频率； a2表示x坐标   a3表示BarContainer 
a1,a2,a3=ax1.hist(data,bins =10, alpha = 0.65,edgecolor='k')

##累计概率曲线
#生成累计概率曲线的横坐标
indexs=[]
a2=a2.tolist()
for i,value in enumerate(a2):
    if i<=len(a2)-2:
        index=(a2[i]+a2[i+1])/2
        indexs.append(index)

        
#生成累计概率曲线的纵坐标
def to_percent(temp,position):
    return '%1.0f'%(100*temp) + '%'
dis=a2[1]-a2[0]
print('dis',dis)
freq=[f*dis for f in a1]
acc_freq=[]
for i in range(0,len(freq)):
    if i==0:
        temp=freq[0]
    else:
        temp=sum(freq[:i+1])
    acc_freq.append(temp/102)
    
print('acc_freq',acc_freq)
print(sum(data))

#这是双坐标关键一步
ax2=ax1.twinx()

#绘制累计概率曲线
ax2.plot(indexs,acc_freq,color='#80b1d2')
#设置累计概率曲线纵轴为百分比格式
ax2.yaxis.set_major_formatter(FuncFormatter(to_percent))

ax1.set_xlabel('x',fontsize=8)
ax1.set_title("title",fontsize =8)
#把x轴的刻度间隔设置为1，并存在变量里
# x_major_locator=MultipleLocator(xlocator)
# ax1.xaxis.set_major_locator(x_major_locator)
ax1.set_ylabel('频率/组距',fontsize=8)
ax2.set_ylabel("累计频率",fontsize=8)
plt.show()

多分类并排柱状图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import warnings
import glob

plt.rcParams['font.family']='Times New Roman,SimHei'# 设置字体族，中文为SimHei，英文为Times New Roman
plt.rcParams['axes.unicode_minus']=False   #解决负号无法显示的问题
plt.rcParams['lines.linewidth'] = 2 
plt.rcParams['axes.linewidth'] = 2  # 统一设置轴边框宽度
plt.rcParams['patch.linewidth'] = 0  # 设置所有填充区域边界的线宽为2,可以控制图例边框
plt.rcParams['font.size'] =20

warnings.filterwarnings('ignore', category=UserWarning, message="Workbook contains no default style, apply openpyxl's default")

# 需要读取的文件路径
file_path = r"./data/*.xlsx"
# 读取数据
file_name = glob.glob(file_path)
# 用到的列
use_columns = ['站点','开始日期', '结束日期','SO2当前数据','NO2当前数据', 'O3_8h第90百分位数当前数据', 'PM2.5当前数据',
       'PM10当前数据', 'CO第95百分位数当前数据']

df = pd.read_excel(file_name[0],usecols=use_columns)  

# 需要读取的文件路径
file_path = r"./data/*.xlsx"
# 读取数据
file_name = glob.glob(file_path)
# 用到的列
use_columns = ['站点','开始日期', '结束日期','SO2当前数据','NO2当前数据', 'O3_8h第90百分位数当前数据', 'PM2.5当前数据',
       'PM10当前数据', 'CO第95百分位数当前数据']

df = pd.read_excel(file_name[0],usecols=use_columns)  
# 数据
stations = ['陵城艺术中心', '开发区人民医院', '太阳城中学', '监理站', '九衢泉纯净水厂', '儿童乐园']
so2 = df['SO2当前数据']
no2 = df['NO2当前数据']
o3 = df['O3_8h第90百分位数当前数据']
pm25 = df['PM2.5当前数据']
pm10 = df['PM10当前数据']
co = df['CO第95百分位数当前数据']
data_len = len(so2)
width=0.5

# 控制每一个污染物的 x坐标位置  
x_1 = np.arange(data_len)
x_2 = np.arange(data_len) + data_len*1
x_3 = np.arange(data_len) + data_len*2
x_4 = np.arange(data_len) + data_len*3
x_5 = np.arange(data_len) + data_len*4
x_6 = np.arange(data_len) + data_len*5


# 合并X轴范围
stations_combined = stations * 6  # X轴站点名称重复6次
x = np.arange(len(stations_combined))

# 创建图形
fig, ax1 = plt.subplots(figsize=(14, 6))


# ---------------------------- 创建第一个Y轴用于O3数据（第1个Y轴）------------------------------
# 绘制 SO2 柱状图（红色，左侧Y轴）
bars1 = ax1.bar(x_1, so2, color='r', width=width)
ax1.bar_label(bars1,padding=3,**{'fontsize': 14})

bars1 = ax1.bar(x_2, no2, color='#0070c0', width=width)
ax1.bar_label(bars1,padding=3,**{'fontsize': 14})

bars1 = ax1.bar(x_3, pm25, color='#00b050', width=width)
ax1.bar_label(bars1,padding=3,**{'fontsize': 14})

bars1 = ax1.bar(x_4, pm10, color='#ffc000', width=width)
ax1.bar_label(bars1,padding=3,**{'fontsize': 14})


ax1.set_ylabel(r'SO$_{2}$  NO$_{2}$  PM$_{2.5}$  PM$_{10}$ (µg/m³)',size=18,labelpad=10)
ax1.tick_params(axis='y',labelsize=18,size=6,width=2)
ax1.spines[['left','bottom','top']].set_linewidth(2)    # 右侧脊线  



# ---------------------------- 创建第二个Y轴用于O3数据（第2个Y轴）------------------------------
# 共享X轴，绘制CO数据（绿色，第二个Y轴）
ax2 = ax1.twinx()
bars2 = ax2.bar(x_5, o3, color='#7030a0', width=width)
ax2.bar_label(bars2,padding=3,**{'fontsize': 14})

ax2.set_ylabel('O$_{3}$_8h_90per (µg/m³)',size=18,labelpad=10)
ax2.spines['right'].set_linewidth(2)    # 右侧脊线  
ax2.tick_params(axis='y',labelsize=18,size=6,width=2)


# ---------------------------- 创建第三个Y轴用于O3数据（蓝色，第三个Y轴）------------------------------
ax3 = ax1.twinx()
ax3.spines['right'].set_position(('outward', 100))  # 将第三个Y轴向右移动
bars3 = ax3.bar(x_6, co, color='#ed7d31', width=width)
ax3.set_ylabel('CO_95per (µg/m³)', size=18,labelpad=10)
ax3.spines['right'].set_linewidth(2)    # 右侧脊线  
ax3.tick_params(axis='y',labelsize=18,size=6,width=2)

ax3.bar_label(bars6,padding=3,**{'fontsize': 14})


ax1.set_xlim(-1,data_len*6)
ax1.set_ylim(0,50)
ax2.set_ylim(0,250)
ax3.set_ylim(0,1.5)

ax3.yaxis.set_major_locator(plt.MaxNLocator(3))  


# 设置X轴刻度和标签
ax1.set_xticks(np.arange(0, len(stations_combined), 1))
ax1.set_xticklabels(stations_combined, rotation=90,fontsize=15)
ax1.tick_params(axis='x',size=0)

ax1.axvline(x=-1, color='black',linestyle='-', linewidth=1.4, ymin=-0.42,ymax=0,clip_on=False)
ax1.axvline(x=data_len*6, color='black',linestyle='-', linewidth=1.4, ymin=-0.42,ymax=0,clip_on=False)

for i in range(data_len-1):
    ax1.axvline(x=data_len*i+5.5, color='black',linestyle='-', linewidth=1.4, ymin=-0.42,ymax=0,clip_on=False)

ax1.axvline(x=23.5, color='black',linestyle=(0, (5, 5)), linewidth=1, ymin=0,ymax=1,clip_on=True, alpha=0.5)
ax1.axvline(x=29.5, color='black',linestyle=(0, (5, 5)), linewidth=1, ymin=0,ymax=1,clip_on=True,alpha=0.5)

x_label = ['SO$_{2}$','NO$_{2}$','PM$_{2.5}$','PM$_{10}$','O$_{3}$_8h_90per','CO_95per']

x_loc =[2,8.5,14.5,20.5,26.5,33]
for i,s in zip(x_loc,x_label):
    ax1.text(x=i,y=-19,s=s,fontsize=16,ha='center',va='center')

plt.savefig('./out/9月6参图_移动O3.png', bbox_inches='tight',dpi=300)