python matplotlib条形图,matplotlib绘制条形图的函数
Matplotlib是Python的绘图库，它允许用户轻松地绘制数据，并提供各种输出格式。本文将向大家介绍如何用matplotlib绘制条形图和直方图，有兴趣的朋友可以学习一下。
00-1010摘要一、bar()函数二、hist()函数三、数据统计
目录
首先介绍条形图直方图，然后用随机数生成一系列数据并保存在列表中。最后统计并显示相关随机数据的概率。
本文介绍了上述由标记点构成的拆线图和由散点构成的图形。matplotlib中的plot()和scatter()函数主要用于将点连接成线。但现实生活中，不仅有折线图，还有月度经济数据对比图、身高统计图等。制作图表时，很容易比较和看出差异。
利用matplotlib中的bar()函数和hist()实现条形图和直方图。
摘要
bar()函数的主要参数如下：
条形图(x，height，width=0.8，bottom=None，*，align=center ，data=None，**kwargs)
参数1: X3360标量类型，X轴上的坐标。或者浮点数数组结构。注意，x可以是字符串数组
参数2:高度：y轴上的坐标。或者浮点数数组结构。
参数：width:指定柱形图的宽度。或者浮点数数组结构。默认值为0.8
参数：bottom:标量或标量数组类型，y坐标的起始高度。
5: align:直方图在X轴上的对齐方式，可选{center ， edge}中心：中心对称边缘：边缘对称
6: * * kwargs:将接收到的关键字参数传递给关联的矩形。返回值：BarContainer实例，其patches属性是一列列表。
条形图(Bar chart)一个简单的例子，随机设置12个月，并给定一些数据，代码如下：
Plt。条形([1，2，3，4，5，6，7，8，9，10，11，12，13]，[5，2，7，8，2，1，8，6，2，5，6，7，10]，)
Plt.legend() #显示运行结果中的图例名称。
plt.xlabel(条形编号)
plt.ylabel(条形高度)
plt.title(“测试”)
plt.show()
第一列中的Color= red 表示所有直方图都以红色显示。要显示差异，请进行以下修改：
将matplotlib.pyplot作为plt导入
plt.bar([1，3，5，7，9，11]，[5，7，8，6，7，10]，label=测试一，color=#202204 )
Plt.bar ([2，4，6，8，10，12]，[8，6，2，5，6，7]，label= testtwo ，color= g) # color也可以是十六进制，如上面的#202204所示。
Plt.legend() #显示运行结果中的图例名称。
plt.xlabel(条形编号)
plt.ylabel(条形高度)
plt.title(“测试”)
plt.show()
具体结果如下：
一、bar()函数
hist(x，bins=None，range=None，density=None，weights=None，cumulative=False，bottom=None，histtype="bar "，align="mid "，orientation="vertical "，rwidth=None，log=False，color=None，label=None，stacked=False，normed=None，hold=None，data=None，**kwargs)
hist()函数的
基础参数如下：
x ：表示输入值，可以是单个数组，或者不需要相同长度的数组序列。
bins：表示绘制条柱的个数。若给定一个整数，则返回 bins+1 个条柱，默认为10。
range：bins的上下范围（最大和最小值）。
color：表示条柱的颜色，默认为None。
facecolor #直方图颜色
edgecolor #直方图边框颜色
alpha # 透明度
histtype #直方图类型，‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’
orientation # 水平或垂直方向
rwidth #柱子与柱子之间的距离，默认是0
下面通过一个例子来说明hist()函数的作用：
import matplotlib.pyplot as plt
注意：bins[]中60，80和100,130中间缺少是故意为之，为了显示区别
运行结果如下：
很明显，hist()函数会自动根据参数bins中的区分将参数x中的数据自动进行统计。
搞事情，既然参数x(如例子中的population_ages)可能是数列，那能否用随机函数自动生成数组，然后在进行统计呢？当然可以。
三、数据统计
色子经常用来娱乐（用作他途造成后果与我无关），它有6个面，分别点数为1，2，3，4，5，6，可利用随机函数（上篇中的choice函数）来随机产生，比如choice([1,2,3,4,5,6])，产生N次（比如20万次）并将每次结果保存到列表中，最后统计出各点的总数或所点比例。
分析：
1）先建一个类，其功能就是运行一次，就随机选择6个面（点数）
2）将色子实例化，并给定一个参数（运行的次数），图形化显示出来。
class Sezi():
运行结果：
与此同时，为了后面方便，引入另一个随机函数randint(x, y)，这个函数的作用是产生x-y之间的数字，比如randint(1,10)，就产生1到10之间的数字。
choice([1,2,3,4,5,6])可以修改为randint(1,self.sides)，这样实例化后，需要输入随意一个面数，就会随机产生对应的数字。
上述还只是打印在交互栏，且类、实例还是在一个文件中，分成不同的文件，并数据统计用图的形式显示。
1.重新修改色子类
文件名sezi.py，里面代码如下：
from random import *
2.新建一个名称sezigame.py的文件，代码如下
import matplotlib.pyplot as plt
运行结果：
如果有2个相同的色子呢？
同时掷两个骰子，最小为2，最大为12，结果分布情况自然也就不同。
将名称sezigame.py的文件修改，改动后的代码如下：
import matplotlib.pyplot as plt
运行结果如下：
是不是有点正态分布的感觉了？
以上就是Python+matplotlib绘制条形图和直方图的详细内容，更多关于Python matplotlib条形图 直方图的资料请关注盛行IT软件开发工作室其它相关文章！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。