以长方形的长度为变量的统计图，多用来比较多个分类项目的数据大小，通常用于较小的数据集分析。
#条形图 x = [1,2,3,4,5]
y = [10,30,50,20,40]
plt.bar(x,y)
plt.xticks(x,['A','B','C','D','E'])#重命名分类轴
plt.show()
输出
分组条形图
labels = ['G1', 'G2', 'G3', 'G4', 'G5']
men_means = [20, 34, 30, 35, 27]
women_means = [25, 32, 34, 20, 25]
x = np.arange(len(labels)) # 先使用数字作为横轴，可以将数字均分成两份用来画两个条形图
width = 0.35 # 条形图的宽度
rects1 = plt.bar(x - width/2, men_means, width, label='Men')
rects2 = plt.bar(x + width/2, women_means, width, label='Women')
# 添加标签等.
plt.ylabel('成绩')
plt.title('成绩按性别分组')
plt.xticks(x)
plt.xticks(x,labels)
plt.legend()
#给条形图添加显示Y轴的数字
def autolabel(rects):
"""Attach a text label above each bar in *rects*, displaying its height."""
for rect in rects:
height = rect.get_height()
plt.annotate('{}'.format(height),
xy=(rect.get_x() + rect.get_width() / 2, height),
xytext=(0, 3), # 3 points vertical offset
textcoords="offset points",
ha='center', va='bottom')
autolabel(rects1)
autolabel(rects2)
plt.show()
输出
条形图没有形式Y轴数量的属性，需要自己写函数去使用annotate()函数调整显示的Y轴数量。
参数error_kw={'ecolor':'0.1', # 指定误差线的颜色 'capsize':6 # 指定误差线两头横线的宽度 }
水平条状图
相关函数barh()，其显示的条形图与上例中的位置刚好相反，不过参数的使用一致。另外，方差使用xerr，而不是yerr.
index = np.arange(5)
values = [5,6,7,8,9]
std = [0.8,1,0.4,0.9,1.3]
plt.title('水平条状图')
plt.barh(index, values, xerr=std, error_kw={'ecolor':'0.1', 'capsize':6 }, alpha=0.7, label='例一')
plt.yticks(index, ['A','B','C','D','E'])
plt.legend(loc=5)
plt.show()
输出：
为pandas DataFrame 生成多序列条状图
import pandas as pd
data = {'one':[1,3,4,5,5], 'two':[2,4,5,2,7], 'three':[3,2,4,8,9]}
df = pd.DataFrame(data)
df.plot(kind='bar') # 通过df调用plot()，指定输出类型即可
plt.show()
data = {'one':[1,3,4,5,5], 'two':[2,4,5,2,7], 'three':[3,2,4,8,9]}
df = pd.DataFrame(data)
df.plot(kind='barh') # 通过df调用plot()，指定输出类型即可
plt.show()
多序列堆积条状图
要把简单的多序列条状图转换为堆积图，需要在每个bar()函数中添加bottom关键字参数，把每个序列赋给相应的bottom关键字参数
series1 = np.array([3,4,5,3])
series2 = np.array([1,2,2,5])
series3 = np.array([2,3,3,4])
index = np.arange(4)
plt.bar(index,series1,color='r')
plt.bar(index,series2,color='b', bottom=series1)
plt.bar(index,series3,color='g', bottom=(series2+series1))
plt.xticks(index+0.4, ['Jan15','Feb15','Mar15','Apr15'])
plt.show()
series1 = np.array([3,4,5,3])
series2 = np.array([1,2,2,5])
series3 = np.array([2,3,3,4])
index = np.arange(4)
plt.barh(index,series1,color='r')
plt.barh(index,series2,color='b', left=series1) # 注意，这里使用left而不是bottom
plt.barh(index,series3,color='g', left=(series2+series1))
plt.yticks(index+0.4, ['Jan15','Feb15','Mar15','Apr15'])
plt.show()
为pandas DataFrame 绘制堆积条状图
import pandas as pd
data = {'one':[1,3,4,5,5],
'two':[2,4,5,2,7],
'three':[3,2,4,8,9]}
df = pd.DataFrame(data)
df.plot(kind='bar',stacked=True) # stacked属性指定是否为堆积图类型
plt.show()
官网上有较多的例子可以参考：https://matplotlib.org/api/_as_gen/matplotlib.pyplot.bar.html?highlight=bar#matplotlib.pyplot.bar