matplotlib绘制常用图形的应用,matplotlib 多图绘制

  matplotlib绘制常用图形的应用,matplotlib 多图绘制

  本文主要介绍Matplotlib如何绘制各种条形图。本文使用plt.bar方法绘制各种条形图。详细内容有一定参考价值,有需要的朋友可以参考一下。

  00-1010 1.条形图的绘制2。水平条形图3。分组条形图4。堆积条形图5。条形图的应用场景

  

目录

 

  plt.bar 方法有以下常用参数:

  X:表示要绘制的条形图的X轴坐标点的数组或列表。Height:一个数组或列表,表示要绘制的条形图的Y轴坐标点。宽度:每个条形图的宽度,默认为0.8。bottom:Y轴的基线,默认为0,即距底部的距离为0.align:对齐方式,默认为居中,即与指定的X坐标居中对齐,边缘对齐,根据宽度的正负而定。颜色:条形图的颜色。返回值是BarContainer,这是一个存储条形图的容器,但条形图实际上是类型。

  是matplotlib.patches.Rectangle对象。

  更多参考

  比如有2019年贺岁电影票房的数据(数据来源)。

  #票房单位亿元

  电影={

  流浪地球 :40.78,

  飞行生活 336015.77,

  疯狂的外星人336020.83,

  新喜剧之王33606.10,

  完整性 33601.10,

  蒲松龄侦探33601.49,

  小猪佩奇已经过了新年33601.22,

  熊出没,原始时代 33606.71

  }

  用条形图绘制每部电影及其票房的代码如下:

  电影={

  流浪地球 :40.78,

  飞行生活 336015.77,

  疯狂的外星人336020.83,

  新喜剧之王33606.10,

  完整性 33601.10,

  蒲松龄侦探33601.49,

  小猪佩奇已经过了新年33601.22,

  熊出没,原始时代 33606.71

  }

  x=list(movies.keys())

  y=list(movies.values())

  plt.figure(figsize=(15,5))

  # plt.bar(x,y,width=-0.3,align=edge ,color=r ,edgecolor=k )

  电影_df=pd。data frame(data={ names : list(movies . keys()), tickets : list(movies . values())})

  plt.bar(姓名,门票,数据=movie_df)

  plt.xticks(fontproperties=font,size=12)

  Plt。y个票证(范围(0,45,5),[%d十亿 % x for x in range (0,45,5)],font properties=font,size=12)

  plt.grid()

  xticks和yticks的用法与前面的折线图相同。这里的新方法是bar。棒材通常有三个参数,分别是x (x轴的X坐标点)、y (y轴的Y坐标点)和width(棒材的宽度)。

  

1. 条形图的绘制

 

  水平条形图需要使用plt.barh,这种方法和bar很像,只是方向是旋转的。参数

  和bar差不多,但也有区别。

  如下:

  Y:数组或列表,表示要在Y轴上绘制的条形图的坐标点。Width:数组或列表,表示要在X轴上绘制的条形图的值(即长度)。Height:条形图的高度,默认为0.8。左:条形图的基线,即距Y轴的距离。其他参数与bar相同。

  />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:

  

plt.barh(list(movies.keys()),list(movies.values()))

 

  

 

  

 

  

3. 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 = {

 

  

 

  

 

  

4. 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)

 

  

 

  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
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。

  

 

  

5. 条形图应用场景

 

  

  • 数量统计。

  • 频率统计。

  • 适用于分类数据对比。

  • 垂直条形图最多不超过12个分类(也就是12个柱形),横向条形图最多不超过30个分类。如果垂直条形图的分类名太长,那么建议换成横向条形图。

  • 柱状图不适合表示趋势,如果想要表示趋势,应该使用折线图。

 

  到此这篇关于Matplotlib实现各种条形图绘制的文章就介绍到这了,更多相关Matplotlib条形图绘制内容请搜索盛行IT软件开发工作室以前的文章或继续浏览下面的相关文章希望大家以后多多支持盛行IT软件开发工作室!

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。

留言与评论(共有 条评论)
   
验证码: