Python数据分析入门（十七）：绘制条形图

迈不过友情╰ 2022-11-17 13:51 211阅读 0赞

**Python爬虫、数据分析、网站开发等案例教程视频免费在线观看**

https://space.bilibili.com/523606542

# [Python学习交流群：1039649593][Python_1039649593] #

条形图的绘制方式跟折线图非常的类似，只不过是换成了`plt.bar`方法。`plt.bar`方法有以下常用参数：

1.  `x`：一个数组或者列表，代表需要绘制的条形图的x轴的坐标点。
2.  `height`：一个数组或者列表，代表需要绘制的条形图y轴的坐标点。
3.  `width`：每一个条形图的宽度，默认是0.8的宽度。
4.  `bottom`：`y`轴的基线，默认是0，也就是距离底部为0.
5.  `align`：对齐方式，默认是`center`，也就是跟指定的`x`坐标居中对齐，还有为`edge`，靠边对齐，具体靠右边还是靠左边，看`width`的正负。
6.  `color`：条形图的颜色。

返回值为`BarContainer`，是一个存储了条形图的容器，而条形图实际上的类型是`matplotlib.patches.Rectangle`对象。

更多参考：[https://matplotlib.org/api/\_as\_gen/matplotlib.pyplot.bar.html\#matplotlib.pyplot.bar][https_matplotlib.org_api_as_gen_matplotlib.pyplot.bar.html_matplotlib.pyplot.bar]

# 条形图的绘制： #

比如现在有`2019`年贺岁片票房的数据（数据来源：[https://piaofang.maoyan.com/dashboard）][https_piaofang.maoyan.com_dashboard]

#票房单位亿元
    movies = {
        "流浪地球":40.78,
        "飞驰人生":15.77,
        "疯狂的外星人":20.83,
        "新喜剧之王":6.10,
        "廉政风云":1.10,
        "神探蒲松龄":1.49,
        "小猪佩奇过大年":1.22,
        "熊出没·原始时代":6.71
    }

用条形图绘制每部电影及其票房的代码如下：

movies = {
        "流浪地球":40.78,
        "飞驰人生":15.77,
        "疯狂的外星人":20.83,
        "新喜剧之王":6.10,
        "廉政风云":1.10,
        "神探蒲松龄":1.49,
        "小猪佩奇过大年":1.22,
        "熊出没·原始时代":6.71
    }
    plt.bar(np.arange(len(movies)),list(movies.keys()))
    plt.xticks(np.arange(len(movies)),list(movies.keys()),fontproperties=font)
    plt.grid()

效果图如下：

![32cbe6fedff1b95fc9418f218f6c707e.png][]

其中`xticks`和`yticks`的用法跟之前的折线图一样。这里新出现的方法是`bar`，`bar`常用的有3个参数，分别是`x`（x轴的坐标点）,`y`（y轴的坐标点）以及`width`（条形的宽度）。

## 横向条形图： ##

横向条形图需要使用`plt.barh`这个方法跟`bar`非常的类似，只不过把方向进行旋转。参数跟`bar`类似，但也有区别。如下：

1.  `y`：数组或列表，代表需要绘制的条形图在`y`轴上的坐标点。
2.  `width`：数组或列表，代表需要绘制的条形图在`x`轴上的值（也就是长度）。
3.  `height`：条形图的高度，默认是0.8。
4.  `left`：条形图的基线，也就是距离y轴的距离。
5.  其他参数跟`bar`一样。

返回值也是`BarContainer`容器对象。

还是以以上数据为例，将电影名和票房反转一下。示例代码如下：

movies = {
        "流浪地球":40.78,
        "飞驰人生":15.77,
        "疯狂的外星人":20.83,
        "新喜剧之王":6.10,
        "廉政风云":1.10,
        "神探蒲松龄":1.49,
        "小猪佩奇过大年":1.22,
        "熊出没·原始时代":6.71
    }
    plt.barh(np.arange(len(movies)),list(movies.values()))
    plt.yticks(np.arange(len(movies)),list(movies.keys()),fontproperties=font)
    plt.grid()

效果图如下：

![9424647acb3f2e2ec24ebe1c335dd103.png][]

# 分组条形图： #

现在有一组数据，是2019年春节贺岁片前五天的电影票房记录。 示例代码如下：

movies = {
        "流浪地球":[2.01,4.59,7.99,11.83,16],
        "飞驰人生":[3.19,5.08,6.73,8.10,9.35],
        "疯狂的外星人":[4.07,6.92,9.30,11.29,13.03],
        "新喜剧之王":[2.72,3.79,4.45,4.83,5.11],
        "廉政风云":[0.56,0.74,0.83,0.88,0.92],
        "神探蒲松龄":[0.66,0.95,1.10,1.17,1.23],
        "小猪佩奇过大年":[0.58,0.81,0.94,1.01,1.07],
        "熊出没·原始时代":[1.13,1.96,2.73,3.42,4.05]
    }
    plt.figure(figsize=(20,8))
    width = 0.75
    bin_width = width/5
    movie_pd = pd.DataFrame(movies)
    ind = np.arange(0,len(movies))
    
    # 第一种方案
    # first_day = movie_pd.iloc[0]
    # plt.bar(ind-bin_width*2,first_day,width=bin_width,label='第一天')
    
    # second_day = movie_pd.iloc[1]
    # plt.bar(ind-bin_width,second_day,width=bin_width,label='第二天')
    
    # third_day = movie_pd.iloc[2]
    # plt.bar(ind,third_day,width=bin_width,label='第三天')
    
    # four_day = movie_pd.iloc[3]
    # plt.bar(ind+bin_width,four_day,width=bin_width,label='第四天')
    
    # five_day = movie_pd.iloc[4]
    # plt.bar(ind+bin_width*2,five_day,width=bin_width,label='第五天')
    
    # 第二种方案
    for index in movie_pd.index:
        day_tickets = movie_pd.iloc[index]
        xs = ind-(bin_width*(2-index))
        plt.bar(xs,day_tickets,width=bin_width,label="第%d天"%(index+1))
        for ticket,x in zip(day_tickets,xs):
            plt.annotate(ticket,xy=(x,ticket),xytext=(x-0.1,ticket+0.1))
    
    # 设置图例
    plt.legend(prop=font)
    plt.ylabel("单位：亿",fontproperties=font)
    plt.title("春节前5天电影票房记录",fontproperties=font)
    # 设置x轴的坐标
    plt.xticks(ind,movie_pd.columns,fontproperties=font)
    plt.xlim
    plt.grid(True)
    plt.show()

示例图如下：

![8379b765922a2be30a76516dcda51de6.png][]

# 堆叠条形图： #

堆叠条形图，是将一组相关的条形图堆叠在一起进行比较的条形图。比如以下案例：

menMeans = (20, 35, 30, 35, 27)
    womenMeans = (25, 32, 34, 20, 25)
    groupNames = ('G1','G2','G3','G4','G5')
    xs = np.arange(len(menMeans))
    plt.bar(xs,menMeans)
    plt.bar(xs,womenMeans,bottom=menMeans)
    plt.xticks(xs,groupNames)
    plt.show()

效果图如下：

![27f448bc0076eb6c22f0b0762189c311.png][]

在绘制女性得分的条形图的时候，因为要堆叠在男性得分的条形图上，所以使用到了一个`bottom`参数，就是距离`x`轴的距离。通过对贴条形图，我们就可以清楚的知道，哪一个队伍的综合排名是最高的，并且在每个队伍中男女的得分情况。

# 条形图应用场景： #

1.  数量统计。
2.  频率统计。

[Python_1039649593]: https://jq.qq.com/?_wv=1027&k=SBLaYU2c
[https_matplotlib.org_api_as_gen_matplotlib.pyplot.bar.html_matplotlib.pyplot.bar]: https://matplotlib.org/api/_as_gen/matplotlib.pyplot.bar.html#matplotlib.pyplot.bar
[https_piaofang.maoyan.com_dashboard]: https://piaofang.maoyan.com/dashboard%EF%BC%89%EF%BC%9A
[32cbe6fedff1b95fc9418f218f6c707e.png]: /images/20221022/7b68e2ed3f814ca9bcad8a6f3a11778d.png
[9424647acb3f2e2ec24ebe1c335dd103.png]: /images/20221022/d9ef575b721c428db8f41bdbfe328681.png
[8379b765922a2be30a76516dcda51de6.png]: /images/20221022/f33ab49b981046e88835e615aa7ee19f.png
[27f448bc0076eb6c22f0b0762189c311.png]: /images/20221022/8ffc500b58d8485388a1353a901b6039.png