Python畫(huà)圖主要用到matplotlib這個(gè)庫(kù),具體來(lái)說(shuō)是pylab和pyplot這兩個(gè)子庫(kù),這兩個(gè)庫(kù)可以滿足基本的畫(huà)圖需求,下面這篇文章主要給大家介紹了關(guān)于Python Matplotlib繪制條形圖的相關(guān)資料,需要的朋友可以參考下

條形圖

條形圖具有豐富的表現(xiàn)形式，常見(jiàn)的類型包括單組條形圖，多組條形圖，堆積條形圖和對(duì)稱條形圖等。

單組條形圖

條形圖的每種表現(xiàn)形式都可以繪制成垂直條形圖或水平條形圖，以單組條形圖的兩種繪制方式為例。

垂直條形圖

import matplotlib.pyplot as plt
data = [10., 20., 5., 15.]
plt.bar(range(len(data)), data)
plt.show()

Tips：plt.plot()函數(shù)的作用是：接收兩個(gè)參數(shù)，包括每個(gè)條形的x坐標(biāo)和每個(gè)條行的高度。

通過(guò)可選參數(shù)width，pyplot.bar()提供了一種控制條形圖中條狀寬度的方法:

import matplotlib.pyplot as plt
data = [10., 20., 5., 15.]
plt.bar(range(len(data)), data, width=0.5)
plt.show()

水平條形圖

如果更喜歡水平條形外觀，就可以使用plt.barh()函數(shù)，在用法方面與plt.bar()基本相同，但是修改條形寬度(或者在水平條形圖中應(yīng)該稱為高度)的參數(shù)需要使用height：

import matplotlib.pyplot as plt
data = [10., 20., 5., 15.]
plt.barh(range(len(data)), data, height=0.5)
plt.show()

多組條形圖

當(dāng)需要比較不同年份相應(yīng)季度的銷量等此類需求時(shí)，我們可能需要多組條形圖。

import numpy as np
import matplotlib.pyplot as plt
data = [[10., 20., 30., 20.],[40., 25., 53., 18.],[6., 22., 52., 19.]]
x = np.arange(4)
plt.bar(x + 0.00, data[0], color = 'b', width = 0.25)
plt.bar(x + 0.25, data[1], color = 'g', width = 0.25)
plt.bar(x + 0.50, data[2], color = 'r', width = 0.25)
plt.show()

堆積條形圖

通過(guò)使用plt.bar()函數(shù)中的可選參數(shù)，可以繪制堆積條形圖。

import matplotlib.pyplot as plt
y_1 = [3., 25., 45., 22.]
y_2 = [6., 25., 50., 25.]
x = range(4)
plt.bar(x, y_1, color = 'b')
plt.bar(x, y_2, color = 'r', bottom = y_1)
plt.show()

Tips：plt.bar()函數(shù)的可選參數(shù)bottom允許指定條形圖的起始值。

可以結(jié)合for循環(huán)，利用延遲呈現(xiàn)機(jī)制堆疊更多的條形：

import numpy as np
import matplotlib.pyplot as plt
data = np.array([[5., 30., 45., 22.], [5., 25., 50., 20.], [1., 2., 1., 1.]])
x = np.arange(data.shape[1])
for i in range(data.shape[0]):
    plt.bar(x, data[i], bottom = np.sum(data[:i], axis = 0))
plt.show()

對(duì)稱條形圖

一個(gè)簡(jiǎn)單且有用的技巧是對(duì)稱繪制兩個(gè)條形圖。例如想要繪制不同年齡段的男性與女性數(shù)量的對(duì)比：

import numpy as np
import matplotlib.pyplot as plt
w_pop = np.array([5., 30., 45., 22.])
m_pop = np.array( [5., 25., 50., 20.])
x = np.arange(4)
plt.barh(x, w_pop)
plt.barh(x, -m_pop)
plt.show()