Matplotlib条形图之分组条形图和堆叠条形图详解
作者:你这个阶段睡得着的 时间:2021-08-10 15:16:24
分组条形图
拓展一下问题复杂度:使用水平条形图展示每位员工前三个月的销售额。此时,我们需要将每位员工的销售额按月分组,分别绘制条形图进行展示。
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
member = [u'小红', u'小王', u'小李', u'小张']
sales_jan = [30, 42, 25, 35] # 一月销售额
sales_feb = [60, 55, 10, 27] # 二月销售额
sales_mar = [40, 20, 5, 68] # 三月销售额
bar_width = 0.2 # 设置分组条形的宽度
# 绘图
plt.bar(range(4), sales_jan, label=u'一月', width=bar_width, align='center', color='steelblue', alpha=0.7)
# 也可以使用numpy模块的arange()函数构造横坐标
plt.bar(np.arange(4) + bar_width, sales_feb, label=u'二月', color='indianred', alpha=0.7, width=bar_width)
plt.bar(np.arange(4) + bar_width * 2, sales_mar, label=u'三月', color='green', alpha=0.7, width=bar_width)
# 添加Y轴标签
plt.ylabel(u'月度销售额(万元)')
# 添加标题
plt.title(u'员工第一季度销售额对比')
# 添加刻度标签
plt.xticks(np.arange(4) + bar_width, member)
# 添加图例
plt.legend()
plt.xlim(-0.5, 4.5)
plt.show()
分组条形图比简单条形图的复杂之处在于,在放数据 x
轴坐标和刻度位置时,需要进行额外的计算和调整。在执行坐标的计算时,推荐使用 numpy ,因为它支持广播机制,向量化的算术运算更加简单。例如,上例中在设置第二个和第三个条形的 x
轴坐标时,我们使用了 np.arange(4) + bar_width
和 np.arange(4) + bar_width * 2
,而利用 Python 列表实现将十分复杂。
堆叠条形图
堆叠条形图是分组条形图展示的另一种形式,它把分类的数据堆叠在一起,显得更简约紧密,同时提供了求和信息。在实现上,绘制的思路与条形图相似,不过前者是垂直偏移,后者是水平偏移。
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
member = [u'小红', u'小王', u'小李', u'小张']
sales_jan = [30, 42, 25, 35] # 一月销售额
sales_feb = [60, 55, 10, 27] # 二月销售额
sales_mar = [40, 20, 5, 68] # 三月销售额
bar_width = 0.2 # 设置分组条形的宽度
# 绘图
plt.bar(np.arange(4), sales_jan, label=u'一月', color='steelblue', alpha=0.7)
plt.bar(np.arange(4), sales_feb, bottom=sales_jan, label=u'二月', color='indianred', alpha=0.7)
plt.bar(np.arange(4), sales_mar, bottom=np.array(sales_jan) + np.array(sales_feb), label=u'三月', color='green',
alpha=0.7)
# 添加Y轴标签
plt.ylabel(u'月度销售额(万元)')
# 添加标题
plt.title(u'员工第一季度销售额对比')
# 添加刻度标签
plt.xticks(np.arange(4), member)
# 添加图例
plt.legend()
plt.xlim(-0.5, 4.5)
plt.show()
这里有两点非常关键:一是 botom
选项的使用让数据在该基础之上有一个偏移;二是 NumPy 模块 array()
函数的使用,将列表类型的数据转换为 ndarray
,以便元素级别(向量化)运算。
来源:https://blog.csdn.net/XQC_KKK/article/details/123329119
标签:Matplotlib,分组条形图,堆叠条形图
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
python实现堆栈与队列的方法
2023-06-19 02:57:04
Python中模块string.py详解
2021-05-20 05:25:03
div不换行,css不换行,自动换行
2009-09-07 12:52:00
Python使用matplotlib和pandas实现的画图操作【经典示例】
2023-03-24 16:07:16
![](https://img.aspxhome.com/file/2023/8/75088_0s.png)
Python设计模式编程中解释器模式的简单程序示例分享
2023-01-16 08:44:29
![](https://img.aspxhome.com/file/2023/9/120319_0s.png)
python opencv 画外接矩形框的完整代码
2023-02-25 05:00:46
![](https://img.aspxhome.com/file/2023/3/80413_0s.png)
sql server 带列名导出至excel
2008-11-25 11:07:00
python GUI库图形界面开发之PyQt5开发环境配置与基础使用
2023-11-16 04:45:22
![](https://img.aspxhome.com/file/2023/0/63910_0s.png)
Python实现钉钉/企业微信自动打卡的示例代码
2022-02-18 21:54:02
![](https://img.aspxhome.com/file/2023/9/92139_0s.png)
怎么样才能抓住用户?
2008-10-20 12:10:00
Selenium自动化测试工具使用方法汇总
2022-02-10 16:26:21
Python学习之虚拟环境原理详解
2023-02-12 16:45:52
![](https://img.aspxhome.com/file/2023/5/118015_0s.jpg)
ASP技术访问WEB数据库
2023-07-11 22:50:09
在python里使用await关键字来等另外一个协程的实例
2021-03-01 19:10:16
tensorflow识别自己手写数字
2022-10-12 20:25:04
![](https://img.aspxhome.com/file/2023/1/99431_0s.jpg)
基于OpenCV的网络实时视频流传输的实现
2022-10-18 03:03:57
![](https://img.aspxhome.com/file/2023/9/90529_0s.png)
Python3多线程详解
2022-01-03 07:12:41
Python tensorflow与pytorch的浮点运算数如何计算
2023-06-28 14:13:15
![](https://img.aspxhome.com/file/2023/2/95442_0s.jpg)
通俗的讲解深度学习中CUDA,cudatookit,cudnn和pytorch的关系
2023-05-02 05:07:34
![](https://img.aspxhome.com/file/2023/1/84091_0s.png)
python实现生命游戏的示例代码(Game of Life)
2023-11-02 21:33:35