Python数据分析入门（十七）：绘制条形图
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：
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。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。width：每一个条形图的宽度，默认是0.8的宽度。bottom：y轴的基线，默认是0，也就是距离底部为0.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。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
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）
#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：
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：
y：数组或列表，代表需要绘制的条形图在y轴上的坐标点。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）。height：条形图的高度，默认是0.8。left：条形图的基线，也就是距离y轴的距离。- 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：
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：
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：
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：
- 数量统计。
- 频率统计。
