matplotlib 并列柱状图,python matplotlib条形图
本文主要详细介绍Matplotlib条形图的分组条形图和堆叠条形图。本文中的示例代码非常详细，具有一定的参考价值。感兴趣的朋友可以参考一下，希望能帮到你。
00-1010分组条形图摘要堆积条形图
目录
扩大问题的复杂程度：用横条图展示每个员工前三个月的销售额。此时，我们需要将每个员工的销售额按月分组，并绘制条形图进行展示。
将numpy作为np导入
将matplotlib.pyplot作为plt导入
PLT . RC params[ font . sans-serif ]=[ sim hei ]#用于正常显示中文标签。
PLT . RC params[ axes . unicode _ MINUS ]=false #用于正常显示负号。
Member=[u 小红，u 小王，u 小李，u 小张]
Sales_jan=[30，42，25，35] #一月销售额
Sales_feb=[60，55，10，27] #二月销售额
Sales_mar=[40，20，5，68] #三月销售
Bar_width=0.2 #设置分组栏的宽度。
#绘图
Plt.bar (range (4)，sales _ Jan，label=u January ，width=bar _ width，align= center ，color= steelblue ，alpha=0.7)
#也可以使用numpy模块的arange()函数来构造横坐标。
Plt.bar (NP。Arange (4) bar _ width，sales _ feb，label=u 二月，color=印度红，alpha=0.7，width=bar _ width)
Plt.bar (NP。Arange (4) bar _ width * 2，sales _ mar，label=U March ，color= green ，alpha=0.7，width=bar _ width)
#添加Y轴标签
Plt.ylabel(u 月销售额(万元))
#添加标题
Plt.title(u 第一季度员工销售额对比)
#添加刻度标签
PLT . x ticks(NP . arange(4)bar _ width，member)
#添加图例
plt .图例()
plt.xlim(-0.5，4.5)
plt.show()
与简单条形图相比，分组条形图的复杂性在于，在放置数据x轴坐标和刻度位置时，需要进行额外的计算和调整。计算坐标时，推荐numpy，因为它支持广播机制，矢量化的算术运算更简单。比如上面的例子，我们在设置第二个和第三个条形的X轴坐标时使用了np.arange(4) bar_width和np.arange(4) bar_width * 2，但是用Python list实现会非常复杂。
分组条形图
堆叠条形图是分组条形图显示的另一种形式，它将分类数据堆叠在一起，使其更加简洁和紧凑，并提供汇总信息。在实现上，绘制的思路与条形图相似，不过前者是垂直偏移，后者是水平偏移。
将numpy作为np导入
将matplotlib.pyplot作为plt导入
PLT . RC params[ font . sans-serif ]=[ sim hei ]#用于正常显示中文标签。
PLT . RC params[ axes . unicode _ MINUS ]=false #用于正常显示负号。
Member=[u 小红，u 小王，u 小李，u 小张]
Sales_jan=[30，42，25，35] #一月销售额
Sales_feb=[60，55，10，27] #二月销售额
Sales_mar=[40，20，5，68] #三月销售
Bar_width=0.2 #设置分组栏的宽度。
#绘图
Plt.bar (NP。Arange (4)，sales _ Jan，label=u January ，color=steelblue ，alpha=0.7)
Plt.bar (NP。Arange (4)，sales _ feb，bottom=sales _ jan，label=u 二月，color=印度红，alpha=0.7)
Plt。酒吧(NP。Arange (4)，Sales _ Mar，Bottom=NP。数组(Sales _ Jan) NP。数组(Sales _ Feb)，label=U March ，color=green ，
阿尔法=0.7)
#添加Y轴标签
Plt.ylabel(u 月销售额(万元))
#添加标题
Plt.title(u 第一季度员工销售额对比)
#添加刻度标签
plt.xticks(np.arange(4)，member)
#添加图例
plt .图例()
plt.xlim(-0.5，4.5)
plt.show()
这里有两点非常关键:首先，botom选项的使用使得数据在此基础上有了偏移；第二种是使用NumPy模块的array()函数，将列表型数据转换成ndarray进行元素级(矢量化)操作。
堆叠条形图
本文到此为止。希望能帮到你，也希望你能多关注更多热门IT软件开发工作室的内容！
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。