|
|
51CTO旗下网站
|
|
移动端

Python数据分析条形图的各种绘制方式

Python数据分析条形图的各种绘制方式,包括:简单垂直条形图、简单水平条形图、水平交错条形图、垂直堆叠条形图等。

作者:Python集结号来源:今日头条|2020-03-28 16:08

简单垂直条形图

  1. GDP = [12406.8, 13908.57, 9386.87, 9143.64] 
  2.  
  3. # 绘图 
  4. plt.bar(range(4), GDP, align='center', color='steelblue', alpha=0.8) 
  5. # 添加轴标签 
  6. plt.ylabel('GDP'
  7. # 添加标题 
  8. plt.title('GDP'
  9. # 添加刻度标签 
  10. plt.xticks(range(4), ['beijing''shanghai''tianjing''chongjing']) 
  11. # 设置Y轴的刻度范围 
  12. plt.ylim([5000, 15000]) 
  13.  
  14. # 为每个条形图添加数值标签 
  15. for x, y in enumerate(GDP): 
  16.     plt.text(x, y + 100, '%s' % round(y, 1), ha='center')  
  17.  
  18. plt.show() 

python数据分析条形图的各种绘制方式

简单水平条形图

  1. # 导入绘图模块 
  2. import matplotlib.pyplot as plt 
  3.  
  4. # 构建数据 
  5. price = [39.5, 39.9, 45.4, 38.9, 33.34] 
  6.  
  7. # 绘图 
  8. plt.barh(range(5), price, align='center', color='steelblue', alpha=0.8) 
  9. # 添加轴标签 
  10. plt.xlabel('price'
  11. # 添加标题 
  12. plt.title('Books at different prices'
  13. # 添加刻度标签 
  14. plt.yticks(range(5), ['Amazon''Dangdang''China Books Network''Jingdong''Tianmao']) 
  15. # 设置Y轴的刻度范围 
  16. plt.xlim([32, 47]) 
  17.  
  18. # 为每个条形图添加数值标签 
  19. for x, y in enumerate(price): 
  20.     plt.text(y + 0.1, x, '%s' % y, va='center'
  21.  
  22. plt.savefig('foo.png'
  23. # 显示图形     
  24. plt.show() 

python数据分析条形图的各种绘制方式

水平交错条形图

  1. # 导入绘图模块 
  2. import matplotlib.pyplot as plt 
  3. import numpy as np 
  4.  
  5. Y2016 = [15600, 12700, 11300, 4270, 3620] 
  6. Y2017 = [17400, 14800, 12000, 5200, 4020] 
  7. labels = ['Beijing''Shanghai''Hong Kong''Shenzhen''Guangzhou'
  8. bar_width = 0.45 
  9.  
  10. # 绘图 
  11. plt.bar(np.arange(5), Y2016, label='2016', color='steelblue', alpha=0.8, width=bar_width) 
  12. plt.bar(np.arange(5) + bar_width, Y2017, label='2017', color='indianred', alpha=0.8, width=bar_width) 
  13. # 添加轴标签 
  14. plt.xlabel('Top5 City'
  15. plt.ylabel('Number of households'
  16. # 添加标题 
  17. plt.title('Billionaires Top5 Cities'
  18. # 添加刻度标签 
  19. plt.xticks(np.arange(5) + bar_width, labels) 
  20. # 设置Y轴的刻度范围 
  21. plt.ylim([2500, 19000]) 
  22.  
  23. # 为每个条形图添加数值标签 
  24. for x2016, y2016 in enumerate(Y2016): 
  25.     plt.text(x2016, y2016 + 100, '%s' % y2016, ha='center'
  26.  
  27. for x2017, y2017 in enumerate(Y2017): 
  28.     plt.text(x2017 + bar_width, y2017 + 100, '%s' % y2017, ha='center'
  29. # 显示图例 
  30. plt.legend() 
  31. plt.savefig('foo.png'
  32. # 显示图形 
  33. plt.show() 

python数据分析条形图的各种绘制方式

垂直堆叠条形图

  1. # 导入模块 
  2. import matplotlib.pyplot as plt 
  3. import numpy as np 
  4. import pandas as pd 
  5.  
  6. # 导入数据 
  7. traffic_volume = {'Index': ['railway''green''water transport''air transport'], 
  8.                   'Jan': [31058, 255802, 52244, 57], 
  9.                   'Feb': [28121, 179276, 46482, 42], 
  10.                   'Mar': [32185, 285446, 50688, 59], 
  11.                   'Api': [30133, 309576, 54728, 57], 
  12.                   'May': [30304, 319713, 55813, 60], 
  13.                   'Jun': [29934, 320028, 59054, 58], 
  14.                   'Jul': [31002, 319809, 57353, 55], 
  15.                   'Aug': [31590, 331077, 57583, 57]} 
  16.  
  17. data = pd.DataFrame(traffic_volume) 
  18. print(data) 
  19.  
  20. # 绘图 
  21. plt.bar(np.arange(8), data.loc[0, :][1:], color='red', alpha=0.8, label='railway', align='center'
  22. plt.bar(np.arange(8), data.loc[1, :][1:], bottom=data.loc[0, :][1:], color='green', alpha=0.8, label='highway'
  23.         align='center'
  24. plt.bar(np.arange(8), data.loc[2, :][1:], bottom=data.loc[0, :][1:] + data.loc[1, :][1:], color='m', alpha=0.8, 
  25.         label='water transport', align='center'
  26. plt.bar(np.arange(8), data.loc[3, :][1:], bottom=data.loc[0, :][1:] + data.loc[1, :][1:] + data.loc[2, :][1:], 
  27.         color='black', alpha=0.8, label='air transport', align='center'
  28. # 添加轴标签 
  29. plt.xlabel('month'
  30. plt.ylabel('Cargo volume (10,000 tons)'
  31. # 添加标题 
  32. plt.title('Monthly logistics volume in 2017'
  33. # 添加刻度标签 
  34. plt.xticks(np.arange(8), data.columns[1:]) 
  35. # 设置Y轴的刻度范围 
  36. plt.ylim([0, 500000]) 
  37.  
  38. # 为每个条形图添加数值标签 
  39. for x_t, y_t in enumerate(data.loc[0, :][1:]): 
  40.     plt.text(x_t, y_t / 2, '%sW' % (round(y_t / 10000, 2)), ha='center', color='white', fontsize=8) 
  41.  
  42. for x_g, y_g in enumerate(data.loc[0, :][1:] + data.loc[1, :][1:]): 
  43.     plt.text(x_g, y_g / 2, '%sW' % (round(y_g / 10000, 2)), ha='center', color='white', fontsize=8) 
  44.  
  45. for x_s, y_s in enumerate(data.loc[0, :][1:] + data.loc[1, :][1:] + data.loc[2, :][1:]): 
  46.     plt.text(x_s, y_s - 20000, '%sW' % (round(y_s / 10000, 2)), ha='center', color='white', fontsize=8) 
  47.  
  48. # 显示图例 
  49. plt.legend(loc='upper center', ncol=4) 
  50.  
  51. # 显示图形 
  52. plt.show() 

python数据分析条形图的各种绘制方式

以上就是各种条形图的绘制方式,你Get到了吗?

【编辑推荐】

  1. 分分钟做好可视化报表?Python、Excel跟它相比简直弱爆了
  2. Python数据建模指南:从数据到模型要怎么做,炼丹师的心路历程
  3. 数据科学中的常见的6种概率分布(Python实现)
  4. Python数据科学家的学习路径
  5. Python 数据科学入门10:Matplotlib 基本的自定义
【责任编辑:未丽燕 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

订阅专栏+更多

 敏捷无敌之 Gitlab CI 持续集成

敏捷无敌之 Gitlab CI 持续集成

打破运维与研发壁垒
共5章 | KaliArch

109人订阅学习

秒杀高并发白话实战

秒杀高并发白话实战

主流高并发架构
共15章 | 51CTO崔皓

64人订阅学习

网络排障一点通

网络排障一点通

网络排障及优化调整案例
共20章 | 捷哥CCIE

485人订阅学习

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊

51CTO服务号

51CTO官微