↑↑點擊上方藍字，回復資料，嘿嘿，10個G的驚喜

柱狀圖和直方圖是兩種非常類似的統計圖，區別在于：

• 直方圖展示數據的分布，柱狀圖比較數據的大小。

• 直方圖X軸為定量數據，柱狀圖X軸為分類數據。因此，直方圖上的每個條形都是不可移動的，X軸上的區間是連續的、固定的。而柱狀圖上的每個條形是可以隨意排序的，有的情況下需要按照分類數據的名稱排列，有的則需要按照數值的大小排列。

• 直方圖柱子無間隔，柱狀圖條形有間隔

• 直方圖條形寬度可不一，柱狀圖條形寬度須一致。柱狀圖條形的寬度因為沒有數值含義，所以寬度必須一致。但是在直方圖中，條形的寬度代表了區間的長度，根據區間的不同，條形的寬度可以不同，但理論上應為單位長度的倍數。

本文將介紹matplotlib中柱狀圖和直方圖的作圖方法。

from?matplotlib?import?pyplot?as?plt
import?numpy?as?np
import?matplotlib?as?mpl
mpl.rcParams['font.sans-serif']?=?['SimHei']??#?中文字體支持

1 bar()與barh()

matplotlib中提供了bar()和barh()兩種方法畫柱狀圖，bar()用來畫垂直柱狀圖，barh()畫水平柱狀圖，兩者參數大同小異，如下所示：

2 垂直柱狀圖與水平柱狀圖

value=?np.arange(6)?**?2
category?=?range(len(value))

fig?=?plt.figure(figsize=(8,?4))

#?垂直柱狀圖
ax1?=?fig.add_subplot(121)
ax1.set_title('圖1?垂直柱狀圖')
ax1.bar(x=category,?height=value)

#?垂直柱狀圖
ax2?=?fig.add_subplot(122)
ax2.set_title('圖2?水平柱狀圖')
ax2.barh(y=category,?width=value)??#?注意這里參數名和值的傳遞與bar()不同

plt.show()

3 顏色、透明度與邊框

value=?np.arange(6)?**?2
category?=?range(len(value))

fig?=?plt.figure(figsize=(8,?4))

#?垂直柱狀圖
ax1?=?fig.add_subplot(121)
ax1.set_title('圖1?垂直柱狀圖')
ax1.bar(x=category,?height=value,?
????????alpha=0.5,??#?透明度
????????width=0.5,???#?每個條形的寬度
????????color='yellow',??#?填充前景色
????????edgecolor='red',??#?邊框顏色
????????linewidth=3??#?邊框寬度
???????)

#?垂直柱狀圖
ax2?=?fig.add_subplot(122)
ax2.set_title('圖2?水平柱狀圖')
ax2.barh(y=category,?width=value,
?????????alpha=1,??#?透明度
?????????height=0.8,???#?每個條形的寬度
????????color=['green',?'red',?'yellow',?'blue',?'grey',?'magenta'],??#?填充前景色
?????????linewidth=3??#?不顯示邊框
???????)

plt.show()

4 刻度標簽

value=?np.arange(6)?**?2
category?=?range(len(value))

fig?=?plt.figure(figsize=(8,?4))

#?垂直柱狀圖
ax1?=?fig.add_subplot(121)
ax1.set_title('圖1?垂直柱狀圖')
ax1.bar(x=category,?height=value,?
????????tick_label='類別'
???????)

#?垂直柱狀圖
ax2?=?fig.add_subplot(122)
ax2.set_title('圖2?水平柱狀圖')
ax2.barh(y=category,?width=value,
?????????tick_label=['類1',?'類2',?'類3',?'類4',?'類5',?'類6']
???????)

plt.show()

5 添加誤差線

means?=?(20,?35,?30,?35,?27)??#?各組平均分
std?=?(2,?3,?4,?1,?2)??#?組各標準差
label?=?('第一組',?'第二組',?'第三種',?'第四組',?'第五組')
bar_width?=?0.4
bar_x?=?np.arange(len(label))?


fig?=?plt.figure(figsize=(8,?4))


ax1?=?fig.add_subplot(121)
bar1?=?ax1.bar(x=bar_x,?height=means,?width=bar_width,?color='green',
??????????????yerr=std,??#?添加誤差線
??????????????ecolor='red',??#?誤差線顏色
??????????????capsize=5,??#?兩端線段長短
???????????????tick_label=label
?????????????)

ax2?=?fig.add_subplot(122)
bar2?=?ax2.barh(y=bar_x,?width=means,?height=bar_width,?color='green',
??????????????xerr=std,??#?添加誤差線
??????????????ecolor='red',??#?誤差線顏色
??????????????capsize=5,??#?兩端線段長短
??????????????tick_label=label
?????????????)

plt.show()

6 添加數據標注

means?=?(20,?35,?30,?35,?27)??#?各組平均分
std?=?(2,?3,?4,?1,?2)??#?組各標準差
label?=?('第一組',?'第二組',?'第三種',?'第四組',?'第五組')
bar_width?=?0.5
bar_x?=?np.arange(len(label))?


fig?=?plt.figure(figsize=(10,?4),tight_layout=True)


ax1?=?fig.add_subplot(121)
bar1?=?ax1.bar(x=bar_x,?height=means,?width=bar_width,?color='green',?tick_label=label
?????????????)
for?b?in?bar1:
????????height?=?b.get_height()
????????ax1.annotate('{}'.format(height),
????????????????????xy=(b.get_x()?+?b.get_width()?/?2,?height),
????????????????????xytext=(0,?3),??#?3?points?vertical?offset
????????????????????textcoords="offset?points",color='red',
????????????????????ha='center',?va='bottom')

ax2?=?fig.add_subplot(122)
bar2?=?ax2.barh(y=bar_x,?width=means,?height=bar_width,?color='green',?tick_label=label
?????????????)

for?b?in?bar2:
????????width?=?b.get_width()
????????ax2.annotate('{}'.format(width),
????????????????????xy=(width,?b.get_y()?+?b.get_height()?/?2),
????????????????????xytext=(0,?3),??#?3?points?vertical?offset
????????????????????textcoords="offset?points",color='red',
????????????????????ha='left',?va='center')

plt.show()

7 分組柱狀圖

menMeans?=?(20,?35,?30,?35,?27)??#?男生各組平均分
womenMeans?=?(25,?32,?34,?20,?25)#?女生各組平均分
menStd?=?(2,?3,?4,?1,?2)??#?男生組各標準差
womenStd?=?(3,?5,?2,?3,?3)?#?女生組各標準差
label?=?('第一組',?'第二組',?'第三種',?'第四組',?'第五組')
bar_width?=?0.4
bar_x?=?np.arange(len(label))?


fig?=?plt.figure(figsize=(8,?4))


ax?=?fig.add_subplot(111)
ax.set_title('圖1?垂直柱狀圖')
bar1?=?ax.bar(x=bar_x?-?bar_width/2,???#?設置不同的x起始位置
??????????????height=menMeans,?width=bar_width)
bar2?=?ax.bar(x=bar_x?+?bar_width/2,???#?設置不同的x起始位置
??????????????height=womenMeans,?width=bar_width,
????????)

ax.set_xlabel('組別')
ax.set_ylabel('分數')
ax.set_title('各組不同性別分數')
ax.set_xticks(range(5))
ax.set_xticklabels(label)
ax.set_yticklabels(np.arange(0,?81,?10))
ax.legend((bar1,?bar2),?('男生',?'女生'))

plt.show()

8 堆疊柱狀圖

menMeans?=?(20,?35,?30,?35,?27)??#?男生各組平均分
womenMeans?=?(25,?32,?34,?20,?25)#?女生各組平均分
menStd?=?(2,?3,?4,?1,?2)??#?男生組各標準差
womenStd?=?(3,?5,?2,?3,?3)?#?女生組各標準差
label?=?('第一組',?'第二組',?'第三種',?'第四組',?'第五組')
bar_width?=?0.4
bar_x?=?np.arange(len(label))?

fig?=?plt.figure(figsize=(8,?4))


ax?=?fig.add_subplot(111)
ax.set_title('圖1?垂直柱狀圖')
bar1?=?ax.bar(x=bar_x,?height=menMeans,?width=bar_width)
bar2?=?ax.bar(x=bar_x,?height=womenMeans,?width=bar_width,
????????bottom=menMeans?#?通過bottom參數設置起始位置,?起始位置就是下半部分(bar1)條形的高度
????????)

ax.set_xlabel('組別')
ax.set_ylabel('分數')
ax.set_title('各組不同性別分數')
ax.set_xticks(range(5))
ax.set_xticklabels(label)
ax.set_yticklabels(np.arange(0,?81,?10))
ax.legend((bar1,?bar2),?('男生',?'女生'))

plt.show()

9 直方圖

直方圖的繪制是通過hist()方法完成。hist()方法參數很多，來看看主要的參數：

data_x?=?[131,?98,?125,?131,?124,?139,?131,?117,?128,?108,?135,?138,?131,?102,?107,?114,?119,?128,?121,?142,?127,?130,?124,
???101,?110,?116,?117,?110,?128,?128,?115,?99,?136,?126,?134,?95,?138,?117,?111,?78,?132,?124,?113,?150,?110,?117,?86,
???95,?144,?105,?126,?130,?126,?130,?126,?116,?123,?106,?112,?138,?123,?86,?101,?99,?136,?123,?117,?119,?105,?137,
???123,?128,?125,?104,?109,?134,?125,?127,?105,?120,?107,?129,?116,?108,?132,?103,?136,?118,?102,?120,?114,?105,?115,
???132,?145,?119,?121,?112,?139,?125,?138,?109,?132,?134,?156,?106,?117,?127,?144,?139,?139,?119,?140,?83,?110,?102,
???123,?107,?143,?115,?136,?118,?139,?123,?112,?118,?125,?109,?119,?133,?112,?114,?122,?109,?106,?123,?116,?131,?127,
???115,?118,?112,?135,?115,?146,?137,?116,?103,?144,?83,?123,?111,?110,?111,?100,?154,?136,?100,?118,?119,?133,?134,
???106,?129,?126,?110,?111,?109,?141,?120,?117,?106,?149,?122,?122,?110,?118,?127,?121,?114,?125,?126,?114,?140,?103,
???130,?141,?117,?106,?114,?121,?114,?133,?137,?92,?121,?112,?146,?97,?137,?105,?98,?117,?112,?81,?97,?139,?113,?134,
???106,?144,?110,?137,?137,?111,?104,?117,?100,?111,?101,?110,?105,?129,?137,?112,?120,?113,?133,?112,?83,?94,?146,
???133,?101,?131,?116,?111,?84,?137,?115,?122,?106,?144,?109,?123,?116,?111,?111,?133,?150]

fig?=?plt.figure(figsize=(8,?4))

ax1?=?fig.add_subplot(121)
hists1?=?ax1.hist(x=data_x,?bins=5)??#?等距劃分

ax2?=?fig.add_subplot(122)
hists2?=?ax2.hist(x=data_x,bins=[78,90,100,120,140,145,150])

plt.show()

hist()方法將會返回一個包含三個元素的數組，第一個元素為每個條形區間中元素的數量，第二個元素為區間的邊界，第三個元素為Patch實例化對象。

hists1
(array([ 9., 49., 97., 77., 18.]),
array([ 78. , 93.6, 109.2, 124.8, 140.4, 156. ]),
)
作者：奧辰
Github：https://github.com/ChenHuabin321
https://www.cnblogs.com/chenhuabin

加入機器學習微信群請后臺回復【入群】

推薦閱讀：

徹底搞懂機器學習中的正則化

Python函數合集：足足68個內置函數請收好！機器學習中需要了解的 5 種采樣方法Pandas切片操作：一個很容易忽視的錯誤歡迎挑戰！14個數據分析和機器學習項目！附數據集復旦大學機器學習、深度學習視頻公開課，附PDF課件下載閱后點在看，養成好習慣?

總結

以上是生活随笔為你收集整理的matplotlib 柱状图_Matplotlib数据可视化：柱状图与直方图的全部內容，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。