【Python】数据分析:matplotlib条形图

简介: 【Python】数据分析:matplotlib条形图

条形图和之前的折线图的唯一区别就是绘制时是bar((纵向条形图)或者barh(横向条形图)方法

语法知识

复习一下语法知识:

  • 设置字体:fm = font_manager.FontProperties(fname="字体包存放路径")
  • 设置x提示语plt.xlabel("x_label_name",fontproperties=fm)
  • 设置y提示语plt.ylabel("y_label_name",fontproperties=fm)
  • 设置标题plt.title("title_name",fontproperties=fm)
  • 设置横坐标plt.xticks(x_value_list,x_ticks_list,fontproperties=fm,ratation=n)
  • 设置纵坐标plt.yticks(y_value_list,y_ticks_list,fontproperties=fm,rotation=n)
  • 绘制纵向条形图plt.bar(x,y,color="color_name",width=n)
  • 绘制横向向条形图plt.barh(x,y,color="color_name",height=n)
  • 显示图片plt.show()
  • 设置画布大小plt.figure(figsize=(m,n),dpi=p
  • 设置图例:plt.legend(loc="upper right",prop = fm)
  • 保存图片:plt.savefig("savepath+figname"): # 保存图片至savepath并命名为figname
  • 显示网格:plt.grid(alpha=n)

其中最重要的是:

绘制纵向条形图plt.bar(x,y,color="color_name",width=n)

绘制横向向条形图plt.barh(x,y,color="color_name",height=n)

Demo01:绘制电影票房的纵向条形图

from matplotlib import pyplot as plt
from matplotlib import font_manager
fm = font_manager.FontProperties(fname = 'F:\HuaDaBoSi\scratch\practice\img\AlimamaDaoLiTi.ttf')
plt.figure(figsize=(20,8),dpi=80)
movie_name = ["长津湖之水门桥","独行月球","这个杀手不太冷静","人生大事","万里归途","奇迹笨小孩","侏罗纪世界3","熊出没之重返地球","阿凡达:水之道","神探大战"]
box_office = [51,34,32,31,25,24,22,19,14,10]
plt.bar(range(len(movie_name)),box_office,width=0.6,color="orange")
plt.xticks(range(len(movie_name)),movie_name,rotation=45,fontproperties=fm)
plt.title("2022年票房排名前十电影",fontproperties=fm)
plt.xlabel("电影名",fontproperties=fm)
plt.ylabel("票房",fontproperties=fm)
plt.grid(alpha=0.3)
plt.show()
plt.savefig("./images/bar.png")

纵向条形图.png

Demo02:绘制电影票房的横向条形图

from matplotlib import pyplot as plt
from matplotlib import font_manager
fm = font_manager.FontProperties(fname = 'F:\HuaDaBoSi\scratch\practice\img\AlimamaDaoLiTi.ttf')
plt.figure(figsize=(20,8),dpi=80)
movie_name = ["长津湖之水门桥","独行月球","这个杀手不太冷静","人生大事","万里归途","奇迹笨小孩","侏罗纪世界3","熊出没之重返地球","阿凡达:水之道","神探大战"]
box_office = [51,34,32,31,25,24,22,19,14,10]
plt.barh(range(len(movie_name)),box_office,height=0.6,color="green")
plt.yticks(range(len(movie_name)),movie_name,fontproperties=fm)
plt.title("2022年票房排名前十电影",fontproperties=fm)
plt.ylabel("电影名",fontproperties=fm)
plt.xlabel("票房",fontproperties=fm)
plt.grid(alpha=0.3)
plt.show()
plt.savefig("./images/barh.png")

横向条形图.png

Demo03:绘制电影票房的纵向条形图

from matplotlib import pyplot as plt
from matplotlib import font_manager
fm = font_manager.FontProperties(fname = 'F:\HuaDaBoSi\scratch\practice\img\AlimamaDaoLiTi.ttf')
movie_name = ["长津湖之水门桥","独行月球","这个杀手不太冷静"]
box_office_1 = [51,34,32]
box_office_2 = [31,25,24]
box_office_3 = [22,19,14]
box_width = 0.2
list_1 = list(range(len(movie_name)))
list_2 = list(i+box_width for i in list_1)
list_3 = list(i+box_width*2 for i in list_1)
plt.bar(list_1,box_office_1,color="orange",width=box_width,label="6月1号")
plt.bar(list_2,box_office_2,color="green",width=box_width,label="6月2号")
plt.bar(list_3,box_office_3,color="blue",width=box_width,label="6月3号")
plt.xticks(list_2,movie_name,fontproperties = fm)
plt.legend(loc="upper right",prop=fm)
plt.show()
plt.savefig('./images/multi_bar.png')

目录
相关文章
|
2月前
|
数据可视化 Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
通过这些思维导图和分析说明表,您可以更直观地理解和选择适合的数据可视化图表类型,帮助更有效地展示和分析数据。
105 8
|
2月前
|
机器学习/深度学习 数据可视化 数据挖掘
使用Python进行数据分析的入门指南
本文将引导读者了解如何使用Python进行数据分析,从安装必要的库到执行基础的数据操作和可视化。通过本文的学习,你将能够开始自己的数据分析之旅,并掌握如何利用Python来揭示数据背后的故事。
|
3月前
|
机器学习/深度学习 算法 数据挖掘
数据分析的 10 个最佳 Python 库
数据分析的 10 个最佳 Python 库
198 4
数据分析的 10 个最佳 Python 库
|
3月前
|
存储 数据可视化 数据挖掘
Python数据分析项目:抖音短视频达人粉丝增长趋势
Python数据分析项目:抖音短视频达人粉丝增长趋势
|
3月前
|
存储 数据可视化 数据挖掘
使用Python进行数据分析和可视化
本文将引导你理解如何使用Python进行数据分析和可视化。我们将从基础的数据结构开始,逐步深入到数据处理和分析的方法,最后通过实际的代码示例来展示如何创建直观的数据可视化。无论你是初学者还是有经验的开发者,这篇文章都将为你提供有价值的见解和技巧。让我们一起探索数据的世界,发现隐藏在数字背后的故事!
146 5
|
3月前
|
数据采集 存储 数据可视化
Python数据分析:揭秘"黑神话:悟空"Steam用户评论趋势
Python数据分析:揭秘"黑神话:悟空"Steam用户评论趋势
|
3月前
|
数据采集 数据可视化 数据挖掘
掌握Python数据分析,解锁数据驱动的决策能力
掌握Python数据分析,解锁数据驱动的决策能力
|
3月前
|
机器学习/深度学习 数据可视化 数据挖掘
使用Python进行数据分析和可视化
【10月更文挑战第42天】本文将介绍如何使用Python进行数据分析和可视化。我们将从数据导入、清洗、探索性分析、建模预测,以及结果的可视化展示等方面展开讲解。通过这篇文章,你将了解到Python在数据处理和分析中的强大功能,以及如何利用这些工具来提升你的工作效率。
|
3月前
|
机器学习/深度学习 数据可视化 数据挖掘
使用Python进行数据分析的入门指南
【10月更文挑战第42天】本文是一篇技术性文章,旨在为初学者提供一份关于如何使用Python进行数据分析的入门指南。我们将从安装必要的工具开始,然后逐步介绍如何导入数据、处理数据、进行数据可视化以及建立预测模型。本文的目标是帮助读者理解数据分析的基本步骤和方法,并通过实际的代码示例来加深理解。
95 3
|
3月前
|
数据采集 数据可视化 数据挖掘
Python数据分析:Pandas库实战指南
Python数据分析:Pandas库实战指南

热门文章

最新文章

推荐镜像

更多