導讀：柱狀圖是當前應用最廣泛的圖表之一，你幾乎每天都可以在電子產品上看到它。它有哪些分類？可以展示哪些數據關系？怎樣用Python繪制？本文帶你逐一了解。
作者：屈希峰，資深Python工程師，知乎多個專欄作者
來源：大數據DT（ID：hzdashuju）
01 概述
柱狀圖（Histogram）是一種以長方形的長度為變量的表達圖形的統計報告圖，由一系列高度不等的縱向條紋表示數據分布的情況，用來比較兩個或兩個以上的價值（不同時間或者不同條件），只有一個變量，通常用于較小的數據集分析。
柱狀圖也可橫向排列，或用多維方式表達。其主要用于數據統計與分析，早期主要用于數學統計學科中，用柱狀圖表示數碼相機的曝光值，到現代使用已經比較廣泛，比如現代的電子產品和一些軟件的分析測試，如電腦、數碼相機的顯示器和Photoshop上都能看到相應的柱狀圖。
1. 基礎柱狀圖
基礎柱狀圖經常用來對比數值的大小，使用范圍非常廣泛，例如科比在不同賽季的得分、不同游戲App下載量、不同時期手機端綜合搜索用戶規模等，圖2-33顯示不同種類水果的銷量。
▲圖2-33 基本柱狀圖
需要注意的是，分類太多不適合使用豎向柱狀圖，如圖2-34所示。
▲圖2-34 豎向柱狀圖
此時，需要用到橫向柱狀圖，如圖2-35所示。
▲圖2-35 橫向柱狀圖
2. 分組柱狀圖
分組柱狀圖，又叫聚合柱狀圖。當使用者需要在同一個軸上顯示各個分類下不同的分組時，需要用到分組柱狀圖。
跟柱狀圖類似，使用柱子的高度來映射和對比數據值。每個分組中的柱子使用不同顏色或者相同顏色不同透明的方式區別各個分類，各個分組之間需要保持間隔。
分組柱狀圖經常用于不同組間數據的比較，這些組都包含了相同分類的數據。例如，展示改革開放以來城鎮與農村人口的變化，不同游戲公司的休閑、益智、格斗類App的下載量對比等。圖2-36對比了2015—2017年間不同水果的銷量。
▲圖2-36 分組柱狀圖
3. 堆疊柱狀圖
與并排顯示分類的分組柱狀圖不同，堆疊柱狀圖將每個柱子進行分割以顯示相同類型下各個數據的大小情況。它可以形象地展示一個大分類包含的每個小分類的數據，以及各個小分類的占比，顯示的是單個項目與整體之間的關系。我們將堆疊柱狀圖分為兩種類型：
1）一般的堆疊柱狀圖：每一根柱子上的值分別代表不同的數據大小，各層的數據總和代表整根柱子的高度。非常適用于比較每個分組的數據總量。
2）百分比的堆疊柱狀圖：柱子的各個層代表的是該類別數據占該分組總體數據的百分比。
堆疊柱狀圖的一個缺點是當柱子上的堆疊太多時會導致數據很難區分對比，同時很難對比不同分類下相同維度的數據，因為它們不是按照同一基準線對齊的。
圖2-37是顯示2015—2017年間不同水果的累計數量。
▲圖2-37 堆疊柱狀圖
4. 雙向柱狀圖
雙向柱狀圖，又名正負條形圖，使用正向和反向的柱子顯示類別之間的數值比較。其中分類軸表示需要對比的分類維度，連續軸代表相應的數值，分為兩種情況，一種是正向刻度值與反向刻度值完全對稱，另一種是正向刻度值與反向刻度值反向對稱，即互為相反數。
圖2-38是顯示2015—2017年間不同水果的進出口數量。
▲圖2-38 雙向柱狀圖
5. 瀑布圖
瀑布圖是由麥肯錫顧問公司所獨創的圖表類型，因為形似瀑布流水而稱之為瀑布圖(Waterfall Plot)。此種圖表采用絕對值與相對值結合的方式，適用于表達數個特定數值之間的數量變化關系。圖2-39顯示歷年短跑冠軍的時間跨度，由此可以看出人類體能極限越來越高了。
▲圖2-39 瀑布圖
接下來，我們看看如何用Bokeh依次實現這些柱狀圖。
02 實例
柱狀圖代碼示例如下所示。
1p?=?figure(plot_width=400,?plot_height=400)
2p.vbar(x=[1,?2,?3],?width=0.5,?bottom=0,
3???????top=[1.2,?2.5,?3.7],?color="red")???#?垂直柱狀圖
4show(p)??#?顯示
運行結果如圖2-40所示。
▲圖2-40?代碼示例2-27運行結果
代碼示例2-27第2行采用vbar()方法實現垂直柱狀圖，該方法具體的參數說明如下。
p.vbar(x, width, top, bottom=0, **kwargs)參數說明。
x (:class:`~bokeh.core.properties.NumberSpec` ) : 柱中心x軸坐標
width (:class:`~bokeh.core.properties.NumberSpec` ) : 柱寬
top (:class:`~bokeh.core.properties.NumberSpec` ) : 柱頂部y軸坐標
bottom (:class:`~bokeh.core.properties.NumberSpec` ) : 柱底部y軸坐標
1p?=?figure(plot_width=400,?plot_height=400)??
2p.hbar(y=[1,?2,?3],?height=0.5,?left=0,??
3???????right=[1.2,?2.5,?3.7],?color="navy")??#?水平柱狀圖??
4show(p)??#?顯示
運行結果如圖2-41所示。
▲圖2-41 代碼示例2-28運行結果
代碼示例2-28第2行采用hbar()方法實現橫向柱狀圖，該方法具體的參數說明如下。
p.hbar(y, height, right, left=0, **kwargs)參數說明。
y (:class:`~bokeh.core.properties.NumberSpec` ) : 柱中心y軸坐標
height (:class:`~bokeh.core.properties.NumberSpec` ) :柱的高度（寬度）
right (:class:`~bokeh.core.properties.NumberSpec` ) :柱右側邊界x軸坐標
left (:class:`~bokeh.core.properties.NumberSpec` ) :柱左側邊界x軸坐標
1from?bokeh.models?import?ColumnDataSource??
2from?bokeh.palettes?import?Spectral6??
3import?pandas?as?pd??
4df=pd.read_csv('data/visualization-20190505.csv')??
5p?=?figure(x_range=df['Visualization_tools'],title="2019年5月常見可視化工具源碼GitHub標星數量")??
6p.vbar(x=df['Visualization_tools'],?top=df['Star']?,?width=0.8,?color=Spectral6)
7p.xgrid.grid_line_color?=?None??
8p.y_range.start?=?0??
9show(p)??
運行結果如圖2-42所示。
▲圖2-42 代碼示例2-29運行結果
代碼示例2-29第6行采用vbar()方法展示集中可視化開源工具在GitHub上的Stars數，可以看出Bokeh已經超過了Matplotlib。
1#?數據??2fruits?=?['Apples',?'Pears',?'Nectarines',?'Plums',?'Grapes',?'Strawberries']3counts?=?[5,?3,?4,?2,?4,?6]??4#?畫布??5p?=?figure(x_range=fruits,?plot_height=350,?title="Fruit?Counts",??6#????????????toolbar_location=None,??7#????????????tools=""??8?????????)??9#?柱狀圖??
10p.vbar(x=fruits,?top=counts,?width=0.9)??
11#?坐標軸設置??
12p.xgrid.grid_line_color?=?None??
13p.y_range.start?=?0??
14#?顯示??
15show(p)??
運行結果如圖2-43所示。
▲圖2-43 代碼示例2-30運行結果
代碼示例2-30第10行采用vbar()方法展示了幾種水果的銷量。
1#?數據??2fruits?=?['Apples',?'Pears',?'Nectarines',?'Plums',?'Grapes',?'Strawberries']3counts?=?[5,?3,?4,?2,?4,?6]??4#?排序??5sorted_fruits?=?sorted(fruits,?key=lambda?x:?counts[fruits.index(x)])??6#?畫布??7p?=?figure(x_range=sorted_fruits,?plot_height=350,?title="Fruit?Counts",??8#????????????toolbar_location=None,?tools=""??9??????????)??
10#?繪圖??
11p.vbar(x=fruits,?top=counts,?width=0.9)??
12#?其他??
13p.xgrid.grid_line_color?=?None??
14p.y_range.start?=?0??
15#?顯示??
16show(p)
運行結果如圖2-44所示。
▲圖2-44 代碼示例2-31運行結果
代碼示例2-31第5行先用sorted()方法對原始數據進行排序；然后在第11行采用vbar()方法展示了幾種水果的銷量。
1from?bokeh.models?import?ColumnDataSource??2from?bokeh.palettes?import?Spectral6??3from?bokeh.transform?import?factor_cmap??4#?數據??5fruits?=?['Apples',?'Pears',?'Nectarines',?'Plums',?'Grapes',?'Strawberries']6counts?=?[5,?3,?4,?2,?4,?6]??7source?=?ColumnDataSource(data=dict(fruits=fruits,?counts=counts))??8#?畫布??9p?=?figure(x_range=fruits,?plot_height=350,?toolbar_location=None,?title="Fruit?Counts")??
10#?繪圖，分組顏色映射??
11p.vbar(x='fruits',?top='counts',?width=0.9,?source=source,?legend="fruits",??
12???????line_color='white',?fill_color=factor_cmap('fruits',?palette=Spectral6,?factors=fruits))??
13#?坐標軸、圖例設置??
14p.xgrid.grid_line_color?=?None??
15p.y_range.start?=?0??
16p.y_range.end?=?9??
17p.legend.orientation?=?"horizontal"??
18p.legend.location?=?"top_center"??
19show(p)??
運行結果如圖2-45所示。
▲圖2-45 代碼示例2-32運行結果
代碼示例2-32第11行采用vbar()方法展示了幾種水果的銷量，其中line_color、fill_color分別為柱的輪廓線顏色和填充顏色，factor_cmap采用數據分類進行顏色映射。在代碼實例2-27中，也可以通過color直接定義顏色列表。
1from?bokeh.models?import?ColumnDataSource??2from?bokeh.palettes?import?Spectral6??#?['#3288bd',?'#99d594',?'#e6f598',?'#fee08b',?'#fc8d59',?'#d53e4f']3fruits?=?['Apples',?'Pears',?'Nectarines',?'Plums',?'Grapes',?'Strawberries']4counts?=?[5,?3,?4,?2,?4,?6]??5source?=?ColumnDataSource(data=dict(fruits=fruits,?counts=counts,?color=Spectral6))6p?=?figure(x_range=(0,9),?y_range=fruits,?plot_height=250,?title="Fruit?Counts",7#????????????toolbar_location=None,?tools=""??8??????????)??9p.hbar(y='fruits',left=0,right='counts',?height=0.5?,color='color',?legend="fruits",?source=source)??
10p.xgrid.grid_line_color?=?None??
11#?p.legend.orientation?=?"horizontal"??
12p.legend.location?=?"top_right"??
13show(p)
運行結果如圖2-46所示。
代碼示例2-33第9行采用hbar()方法展示了幾種水果的銷量，并使用color直接定義顏色列表。
▲圖2-46 代碼示例2-33運行結果
1fruits?=?['Apples',?'Pears',?'Nectarines',?'Plums',?'Grapes',?'Strawberries']2years?=?['2015',?'2016',?'2017']??3data?=?{'fruits'?:?fruits,??4?????????????'2015'???:?[2,?1,?4,?3,?2,?4],??5?????????????'2016'???:?[5,?3,?3,?2,?4,?6],??6?????????????'2017'???:?[3,?2,?4,?4,?5,?3]}??7#?創建復合列表?[?("Apples",?"2015"),?("Apples",?"2016"),?("Apples",?"2017"),?("Pears",?"2015),?...?]??8x?=?[?(fruit,?year)?for?fruit?in?fruits?for?year?in?years?]??9counts?=?sum(zip(data['2015'],?data['2016'],?data['2017']),?())?#?分組求和(堆疊總數)
10source?=?ColumnDataSource(data=dict(x=x,?counts=counts))??
11#?畫布??
12p?=?figure(x_range=FactorRange(*x),?plot_height=350,?title="Fruit?Counts?by?Year",??
13#????????????toolbar_location=None,?tools=""??
14??????????)??
15#?柱狀圖??
16p.vbar(x='x',?top='counts',?width=0.9,?source=source)??
17#?其他??
18p.y_range.start?=?0??
19p.x_range.range_padding?=?0.1??
20p.xaxis.major_label_orientation?=?1??
21p.xgrid.grid_line_color?=?None??
22#?顯示??
23show(p)??
運行結果如圖2-47所示。
代碼示例2-34第8、9行數據預處理，讀者可以打印數據格式；筆者建議在實踐中多采用Pandas進行數據預處理，其DataFrames的復合序列可以直接作為分組柱狀圖的數據。
▲圖2-47 代碼示例2-34運行結果
1#?數據??2fruits?=?['Apples',?'Pears',?'Nectarines',?'Plums',?'Grapes',?'Strawberries']3years?=?['2015',?'2016',?'2017']??4data?=?{'fruits'?:?fruits,??5????????'2015'???:?[2,?1,?4,?3,?2,?4],??6????????'2016'???:?[5,?3,?3,?2,?4,?6],??7????????'2017'???:?[3,?2,?4,?4,?5,?3]}??8palette?=?["#c9d9d3",?"#718dbf",?"#e84d60"]??9x?=?[?(fruit,?year)?for?fruit?in?fruits?for?year?in?years?]??
10counts?=?sum(zip(data['2015'],?data['2016'],?data['2017']),?())?#?like?an?hstack
11source?=?ColumnDataSource(data=dict(x=x,?counts=counts))??
12#?畫布??
13p?=?figure(x_range=FactorRange(*x),?plot_height=350,?title="Fruit?Counts?by?Year",
14#????????????toolbar_location=None,?tools=""??
15??????????)??
16#?繪圖??
17p.vbar(x='x',?top='counts',?width=0.9,?source=source,?line_color="white",??
18???????fill_color=factor_cmap('x',?palette=palette,?factors=years,?start=1,?end=2))
19#?其他??
20p.y_range.start?=?0??
21p.x_range.range_padding?=?0.1??
22p.xaxis.major_label_orientation?=?1??
23p.xgrid.grid_line_color?=?None??
24#?顯示??
25show(p)
運行結果如圖2-48所示。
▲圖2-48 代碼示例2-35運行結果
代碼示例2-35在代碼示例2-33的基礎上增加了柱狀圖顏色（第18行），factor_cmap方法是將色板對應的顏色列表映射到相應的分類數據上。
1from?bokeh.core.properties?import?value??2from?bokeh.transform?import?dodge????3#?數據??4fruits?=?['Apples',?'Pears',?'Nectarines',?'Plums',?'Grapes',?'Strawberries']??5years?=?['2015',?'2016',?'2017']??6data?=?{'fruits'?:?fruits,??7?????????????'2015'???:?[2,?1,?4,?3,?2,?4],??8?????????????'2016'???:?[5,?3,?3,?2,?4,?6],??9?????????????'2017'???:?[3,?2,?4,?4,?5,?3]}??
10source?=?ColumnDataSource(data=data)??
11#?畫布??
12p?=?figure(x_range=fruits,?y_range=(0,?10),?plot_height=350,?title="Fruit?Counts?by?Year",??
13#????????????toolbar_location=None,?tools=""??
14??????????)??
15#?繪圖，采用doge數據轉換，按產品種類不同年份分組顯示??
16p.vbar(x=dodge('fruits',?-0.25,?range=p.x_range),?top='2015',?width=0.2,?source=source,??
17???????color="#c9d9d3",?legend=value("2015"))??
18
19p.vbar(x=dodge('fruits',??0.0,??range=p.x_range),?top='2016',?width=0.2,?source=source,??
20???????color="#718dbf",?legend=value("2016"))??
21
22p.vbar(x=dodge('fruits',??0.25,?range=p.x_range),?top='2017',?width=0.2,?source=source,??
23???????color="#e84d60",?legend=value("2017"))??
24#?其他參數設置??
25p.x_range.range_padding?=?0.1??
26p.xgrid.grid_line_color?=?None??
27p.legend.location?=?"top_left"??
28p.legend.orientation?=?"horizontal"??
29#?顯示??
30show(p)
運行結果如圖2-49所示。
▲圖2-49 代碼示例2-36運行結果
代碼示例2-36第16、19、22使用vbar()方法分別繪制2015—2017年各種水果的銷量；其中dodge方法按每年不同種類水果的數據分散繪制在x軸范圍內，是將色板對應的顏色列表映射到相應的分類數據上，dodge第二個參數表示該分類的起始繪制點。
1from?bokeh.core.properties?import?value??2#?數據??3fruits?=?['Apples',?'Pears',?'Nectarines',?'Plums',?'Grapes',?'Strawberries']??4years?=?["2015",?"2016",?"2017"]??5colors?=?["#c9d9d3",?"#718dbf",?"#e84d60"]??6data?=?{'fruits'?:?fruits,??7????????'2015'???:?[2,?1,?4,?3,?2,?4],??8????????'2016'???:?[5,?3,?4,?2,?4,?6],??9????????'2017'???:?[3,?2,?4,?4,?5,?3]}??
10#?畫布??
11p?=?figure(x_range=fruits,?plot_height=250,?title="Fruit?Counts?by?Year",??
12#????????????toolbar_location=None,??
13#????????????tools="hover",??
14???????????tooltips="$name?@fruits:?@$name")??
15#?繪圖,直接堆疊各年數據??
16p.vbar_stack(years,?x='fruits',?width=0.9,?color=colors,?source=data,??
17?????????????legend=[value(x)?for?x?in?years])?#?legend=[{'value':?'2015'},?{'value':?'2016'},?{'value':?'2017'}]??
18#?其他??
19p.y_range.start?=?0??
20p.x_range.range_padding?=?0.1??
21p.xgrid.grid_line_color?=?None??
22p.axis.minor_tick_line_color?=?None??
23p.outline_line_color?=?None??
24p.legend.location?=?"top_left"??
25p.legend.orientation?=?"horizontal"??
26#?顯示??
27show(p)
運行結果如圖2-50所示。
▲圖2-50 代碼示例2-37運行結果
代碼示例2-37第16行使用vbar_stack()方法實現豎向堆疊柱狀圖，該方法具體的參數說明如下。
p.vbar_stack(stackers, **kw)參數說明。
其他參數基本上同vbar()方法。
1from?bokeh.models?import?Legend??2p?=?figure(y_range=fruits,?plot_height=250,title="Fruit?Counts?by?Year",??3#????????????toolbar_location=None,?tools=""??4??????????)??5source?=?ColumnDataSource(data=data)??6p.hbar_stack(years,?y='fruits',height=0.8,?color=colors,?source=source,??7????????????legend=[value(x)?for?x?in?years]?)??#?堆疊柱狀圖，逐年堆疊??8p.x_range.start?=?0??9p.y_range.range_padding?=?0.1?#?x軸兩側空白??
10p.ygrid.grid_line_color?=?None??
11p.axis.minor_tick_line_color?=?None??
12p.outline_line_color?=?None??
13p.legend.location?=?"top_right"??
14#?p.legend.orientation?=?"horizontal"??
15p.legend.click_policy="hide"??
16show(p)
運行結果如圖2-51所示。
▲圖2-51 代碼示例2-38運行結果
代碼示例2-38第6行使用hbar_stack()方法實現橫向堆疊柱狀圖，該方法具體的參數說明如下。
p.hbar_stack(stackers, **kw)參數說明。
其他參數基本上同vbar()方法。
在學習或時間過程中，圖例可能遮蓋圖表，此時可以將圖例移到坐標軸外或單獨作為一個圖層。
1from?bokeh.palettes?import?Spectral5??2from?bokeh.sampledata.autompg?import?autompg?as?df??3from?bokeh.transform?import?factor_cmap??4#?數據,預處理??5df.cyl?=?df.cyl.astype(str)??6group?=?df.groupby('cyl')??7cyl_cmap?=?factor_cmap('cyl',?palette=Spectral5,?factors=sorted(df.cyl.unique()))?#?分組顏色映射??8#?畫布??9p?=?figure(plot_height=350,?x_range=group,?title="MPG?by?#?Cylinders",??
10#????????????toolbar_location=None,?tools=""??
11??????????)??
12#?繪圖??
13p.vbar(x='cyl',?top='mpg_mean',?width=0.9,?source=group,??
14???????line_color=cyl_cmap,?fill_color=cyl_cmap)??
15#?其他??
16p.y_range.start?=?0??
17p.xgrid.grid_line_color?=?None??
18p.xaxis.axis_label?=?"some?stuff"??
19p.xaxis.major_label_orientation?=?1.2??
20p.outline_line_color?=?None??
21#?顯示??
22show(p)??
運行結果如圖2-52所示。
▲圖2-52 代碼示例2-39運行結果
代碼示例2-39第13行使用vbar()用柱狀圖展示了汽車缸數與每加侖汽油能行駛的英里數之間的關系。
1from?bokeh.sampledata.autompg?import?autompg_clean?as?df??2df.cyl?=?df.cyl.astype(str)??3df.yr?=?df.yr.astype(str)??4group?=?df.groupby(['cyl',?'mfr'])?#?復合條件分組，[缸數、廠家]??5index_cmap?=?factor_cmap('cyl_mfr',?palette=Spectral5,?factors=sorted(df.cyl.unique()),?end=1)??6#?畫布??7p?=?figure(plot_width=800,?plot_height=300,?title="Mean?MPG?by?#?Cylinders?and?Manufacturer",??8???????????x_range=group,?tooltips=[("MPG",?"@mpg_mean"),?("Cyl,?Mfr",?"@cyl_mfr")])??9#?繪圖??
10p.vbar(x='cyl_mfr',?top='mpg_mean',?width=1,?source=group,??
11???????line_color="white",?fill_color=index_cmap,?)?#?尾氣排放量均值??
12#?其他??
13p.y_range.start?=?0??
14p.x_range.range_padding?=?0.05??#?同css中的padding??
15p.xgrid.grid_line_color?=?None??
16p.xaxis.axis_label?=?"Manufacturer?grouped?by?#?Cylinders"??
17p.xaxis.major_label_orientation?=?1.2?#?x軸標簽旋轉??
18p.outline_line_color?=?None??
19#?顯示??
20show(p)
運行結果如圖2-53所示。
▲圖2-53 代碼示例2-40運行結果
代碼示例2-40第10行使用vbar()繪制分組柱狀圖，數據分組采用Pandas的groupby方法，該數據為復合序列，展示了汽車缸數與每加侖汽油能行駛的英里數之間的關系。
1#?數據??2from?bokeh.sampledata.sprint?import?sprint??3sprint.Year?=?sprint.Year.astype(str)??4group?=?sprint.groupby('Year')??5source?=?ColumnDataSource(group)??6#?畫布??7p?=?figure(y_range=group,?x_range=(9.5,12.7),?plot_width=400,?plot_height=550,???8#????????????toolbar_location=None,??9???????????title="Time?Spreads?for?Sprint?Medalists?(by?Year)")??
10#?繪圖??
11p.hbar(y="Year",?left='Time_min',?right='Time_max',?height=0.4,?source=source)?#?水平柱狀圖??
12#?其他??
13p.ygrid.grid_line_color?=?None??
14p.xaxis.axis_label?=?"Time?(seconds)"??
15p.outline_line_color?=?None??
16#?顯示??
17show(p)
運行結果如圖2-54所示。
▲圖2-54 代碼示例2-41運行結果
代碼示例2-41第11行使用hbar()繪制瀑布圖，參數中left、right為柱左、右坐標。若左側的起始坐標均為某一定值，則變回橫向柱狀圖。
1from?bokeh.core.properties?import?value??2from?bokeh.models?import?ColumnDataSource,?FactorRange??3#?數據??4factors?=?[??5????????("Q1",?"jan"),?("Q1",?"feb"),?("Q1",?"mar"),??6????????("Q2",?"apr"),?("Q2",?"may"),?("Q2",?"jun"),??7????????("Q3",?"jul"),?("Q3",?"aug"),?("Q3",?"sep"),??8????????("Q4",?"oct"),?("Q4",?"nov"),?("Q4",?"dec"),??9
10]??
11regions?=?['east',?'west']??
12source?=?ColumnDataSource(data=dict(??
13???????x=factors,??
14???????east=[?5,?5,?6,?5,?5,?4,?5,?6,?7,?8,?6,?9?],??
15???????west=[?5,?7,?9,?4,?5,?4,?7,?7,?7,?6,?6,?7?],??
16))??
17#?畫布??
18p?=?figure(x_range=FactorRange(*factors),?plot_height=250,??
19#????????????????????toolbar_location=None,?tools=""??
20??????????)??
21#?繪圖??
22p.vbar_stack(regions,?x='x',?width=0.9,?alpha=0.5,?color=["blue",?"red"],?source=source,
23???????????????????legend=[value(x)?for?x?in?regions])??
24#?其他??
25p.y_range.start?=?0??
26p.y_range.end?=?18??
27p.x_range.range_padding?=?0.1??
28p.xaxis.major_label_orientation?=?1??
29p.xgrid.grid_line_color?=?None??
30p.legend.location?=?"top_center"??
31p.legend.orientation?=?"horizontal"??
32#?顯示??
33show(p)
運行結果如圖2-55所示。
▲圖2-55 代碼示例2-42運行結果
代碼示例2-42第18行使用FactorRange ()方法預定義x軸的范圍（factors的數據格式與Pandas復合序列相似）；第19行繪制豎向堆疊柱狀圖。與常規豎向堆疊柱狀圖相比，該圖采用了復合序列，多展示了一個維度。
1from?bokeh.models?import?ColumnDataSource??2from?bokeh.palettes?import?GnBu3,?OrRd3??3#?數據??4fruits?=?['Apples',?'Pears',?'Nectarines',?'Plums',?'Grapes',?'Strawberries']??5years?=?["2015",?"2016",?"2017"]??6exports?=?{'fruits'?:?fruits,??7???????????'2015'???:?[2,?1,?4,?3,?2,?4],??8???????????'2016'???:?[5,?3,?4,?2,?4,?6],??9???????????'2017'???:?[3,?2,?4,?4,?5,?3]}??
10imports?=?{'fruits'?:?fruits,??
11???????????'2015'???:?[-1,?0,?-1,?-3,?-2,?-1],??
12???????????'2016'???:?[-2,?-1,?-3,?-1,?-2,?-2],??
13???????????'2017'???:?[-1,?-2,?-1,?0,?-2,?-2]}??
14#?畫布??
15p?=?figure(y_range=fruits,?plot_height=350,?x_range=(-16,?16),?title="Fruit?import/export,?by?year",??
16#????????????toolbar_location=None??
17??????????)??
18#?水平堆積柱狀圖出口（正向）??
19p.hbar_stack(years,?y='fruits',?height=0.9,?color=GnBu3,?source=ColumnDataSource(exports),??
20?????????????legend=["%s?exports"?%?x?for?x?in?years])??
21#?水平堆積柱狀圖進口（負向）??
22p.hbar_stack(years,?y='fruits',?height=0.9,?color=OrRd3,?source=ColumnDataSource(imports),??
23?????????????legend=["%s?imports"?%?x?for?x?in?years])??
24#?其他
25p.y_range.range_padding?=?0.1??
26p.ygrid.grid_line_color?=?None??
27p.legend.location?=?"top_left"??
28p.axis.minor_tick_line_color?=?None??
29p.outline_line_color?=?None??
30#?顯示
31show(p)
運行結果如圖2-56所示。
代碼示例2-43第19、22行分別使用hbar_stack ()方法向左、右兩個方向繪制，實現橫向堆疊柱狀圖；注意，當y軸為分類數據（字符串）時，一般需要預先定義y_range。筆者在實踐中習慣用該圖，不受縱向長度約束，適合數據較多的長圖，例如全國各省某類型數據的比較。
▲圖2-56 代碼示例2-43運行結果
1from?bokeh.models?import?FactorRange??2factors?=?[??3???????("Q1",?"jan"),?("Q1",?"feb"),?("Q1",?"mar"),??4???????("Q2",?"apr"),?("Q2",?"may"),?("Q2",?"jun"),??5???????("Q3",?"jul"),?("Q3",?"aug"),?("Q3",?"sep"),??6???????("Q4",?"oct"),?("Q4",?"nov"),?("Q4",?"dec"),??78]?#?復合數列??9p?=?figure(x_range=FactorRange(*factors),?plot_height=350,??
10#????????????????????toolbar_location=None,?tools=""??
11??????????)?#?如果不采用ColumnDataSource,就必須預定義factors??
12x?=?[?10,?12,?16,?9,?10,?8,?12,?13,?14,?14,?12,?16?]??
13#?水平柱狀圖??
14p.vbar(x=factors,?top=x,?width=0.9,?alpha=0.5)??
15#?折線??
16p.line(x=["Q1",?"Q2",?"Q3",?"Q4"],?y=[12,?9,?13,?14],?color="red",?line_width=2)
17#?其他??
18p.y_range.start?=?0??
19p.x_range.range_padding?=?0.1??
20p.xaxis.major_label_orientation?=?1??
21p.xgrid.grid_line_color?=?None??
22#?顯示??
23show(p)
運行結果如圖2-57所示。
▲圖2-57 代碼示例2-44運行結果
關于作者：屈希峰，資深Python工程師，Bokeh領域的實踐者和布道者，對Bokeh有深入的研究。擅長Flask、MongoDB、Sklearn等技術，實踐經驗豐富。知乎多個專欄（Python中文社區、Python程序員、大數據分析挖掘）作者，專欄累計關注用戶十余萬人。
本文摘編自《Python數據可視化：基于Bokeh的可視化繪圖》，經出版方授權發布。
延伸閱讀《Python數據可視化》
點擊上圖了解及購買
轉載請聯系微信：DoctorData
推薦語：從圖形繪制、數據動態展示、Web交互等維度全面講解Bokeh功能和使用，不含復雜數據處理和算法，深入淺出，適合零基礎入門，包含大量案例。
有話要說????
Q:?你在哪些案例中使用柱狀圖？
歡迎留言與大家分享
猜你想看????
沿用70多年的經典數據可視化方法，如何用Python實現？
新手學Python， 如何從"入門到入土"變為"從入門到快速上車"？
機器學習入門必讀：6種簡單實用算法及學習曲線、思維導圖
2020大風口！什么是圖神經網絡？有什么用？終于有人講明白了
據統計，99%的大咖都完成了這個神操作
????
原來你也在看
總結
以上是生活随笔為你收集整理的柱状图、堆叠柱状图、瀑布图有什么区别？怎样用Python绘制？的全部內容，希望文章能夠幫你解決所遇到的問題。
如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。
