matplotlib.__version__ = 3.3.3
摘要：描述了应该如何绘制简单条形图、分组条形图

条形图

条形图是统计中非常常用的一种统计图表，它用来展示定类数据和定量数据。一张好的条形图能够有效地展示统计信息。那么如何使用Python利用matplotlib来绘制一张符合自己预期的条形图呢？

1. 先来看看怎么绘制最基本的条形图

import matplotlib.pyplot as plt
names = ['Chen', 'Wang', 'Lee', 'Zheng']
ages = [25, 22, 21, 24]
# 绘制两组图
fig, ax = plt.subplots()
ax.bar(names, ages,)

简单条形图.png

2. 让我们在条形图上加上图例

import matplotlib.pyplot as plt
names = ['Chen', 'Wang', 'Lee', 'Zheng']
ages = [25, 22, 21, 24]
# 绘制两组图
fig, ax = plt.subplots()
ax.bar(names, ages, label='Age') # 添加标签，便于绘制图例
ax.legend() # 绘制图例

带有图例的条形图

这个添加图例的小技巧你可以应用到几乎所有图形

3.试试两组条形图

有时候我们希望比较同一组人不同的属性，或者同一组属性不同组的人之间的差异，这个时候我们就需要绘制分组的条形图。

3.1. 对于两组而言，这里有一个取巧的简洁方法

import matplotlib.pyplot as plt
names = ['Chen', 'Wang', 'Lee', 'Zheng']
ages = [25, 22, 21, 24]
mental_ages = [7, 8, 9, 10]
fig, ax = plt.subplots()
# 注意引入了align参数，同时第二个width是负数
ax.bar(names, ages, align='edge', width=0.4, label='Age')
ax.bar(names, mental_ages, align='edge', width=-0.4, label='Mental Age') 
ax.legend()

注意引入了align参数，同时第二个width是负数

分为两组的条形图

3.2. 但是以下的方法更为通用

import matplotlib.pyplot as plt
names = ['Chen', 'Wang', 'Lee', 'Zheng']
ages = [25, 22, 21, 24]
mental_ages = [7, 8, 9, 10]
fig, ax = plt.subplots() 

all_width = 0.6 # 两个条柱的总宽度
width = all_width / 2 # 一个条柱的宽度
onset = width / 2 # 偏移量是半个条柱的宽度
# 创建x坐标
x1, x2 = [x-onset for x in range(4)],  [x+onset for x in range(4)]
# 绘图
ax.bar(x1, ages,width=width, label='Age')
ax.bar(x2, mental_ages, width=width, label='Mental Age')
# 修改刻度数量，并且修正为名称
ax.set_xticks(range(4))
ax.set_xticklabels(names)
ax.legend()

其背后的思路是使用数值（而不是标签）来指定条形的位置，这里有两组数据，每个标签对应两个位置。
因此，你可以想象，例如在0两边，两个条形的中心位置应该分别为负的半个条柱宽度和正的半个条柱宽度。根据这一点，我们分别创建x1列表，x2列表，也就是两组的坐标。
此外，由于使用了数字作为坐标，后续需要改回文字坐标。

4. 试试三组

import matplotlib.pyplot as plt
names = ['Chen', 'Wang', 'Lee', 'Zheng']
ages = [25, 22, 21, 24]
mental_ages = [7, 8, 9, 10]
money = [18, 14, 12, 14]
fig, ax = plt.subplots() 
all_width = 0.9 # 三个条柱的总宽度
width = onset = all_width / 3 # 偏移量是一个条柱的宽度

x1 = [x-onset for x in range(4)]
x2 = range(4)
x3 = [x+onset for x in range(4)]
# 绘图
ax.bar(x1, ages,width=onset, label='Age')
ax.bar(x2, mental_ages, width=onset, label='Mental Age')
ax.bar(x3, money, width=onset, label='Money')
# 修改刻度数量，并且修正为名称
ax.set_xticks(range(4))
ax.set_xticklabels(names)
# 绘制图例
ax.legend()

分为三组的条形图

5. 实际上，组数与偏移量有一定的关系

在组数为偶数时，偏移量总是单个条形图宽度的一半；
在组数为奇数时，偏移量总是单个条形图宽度；

def group_and_onset(group_number, all_width=0.9):
    # 组数与偏移量的关系
    all_width = 0.9
    width = all_width / group_number
    onset = ((-1)**group_number + 3) / 4  * width 
    return group_number, all_width, onset

数据可视化之条形图（1）：Axes.bar

条形图