matplotlib柱状图学习笔记

• 柱状图也是大家常用的一个绘图方式，使用频率十分的高，由于其形象直观，非常适合作为各种高大上的展示，而且matplotlib中柱状图功能也很成熟，随着画图顺序我一点点的记录：
• 首先仍然是from matplotlib import pyplot as plt，导入matplotlib
• 然后传入x，y的坐标；坐标可以直接在代码中给出，也可以读取文件，推荐用pandas读取，方便快捷，这里不讲pandas。还是采用随机数进行画图吧。来四行数据；

import random

x_tickets = ['Fe_1', "Fe_2", "Fe_3", "Fe_4"]  # x
y_tickets_1 = [random.uniform(10, 50) for _ in range(len(x_tickets))]  # y1
y_tickets_2 = [random.uniform(10, 50) for _ in range(len(x_tickets))]  # y2
y_tickets_3 = [random.uniform(10, 50) for _ in range(len(x_tickets))]  # y3
y_tickets_4 = [random.uniform(10, 50) for _ in range(len(x_tickets))]  # y4

• 画柱状图的方法是·plt.bar 与plt.barh， 其中barh是水平的柱状图，而bar是常规竖直的柱状图，其参数基本一模一样（使用barh注意的是把width换成height，另外注意x,y坐标轴与标签的选择）。我们按照上篇博客一样https://blog.csdn.net/weixin_44521703/article/details/98480767，加上标签，标题，字体与图例文字， 加入代码：

from matplotlib.font_manager import FontProperties

plt.bar(x_indexes, y_tickets_1, width=0.2, label="y_tickets_1")
plt.bar(x_indexes, y_tickets_2, width=0.2, label="y_tickets_2")
plt.bar(x_indexes, y_tickets_3, width=0.2, label="y_tickets_3")
plt.bar(x_indexes, y_tickets_4, width=0.2, label="y_tickets_4")

Arial = FontProperties(fname='C:\Windows\Fonts\Arial.ttf')
plt.title('The performance of different catalysts',fontproperties=Arial,fontsize=20)  # title of whole picture
plt.xlabel('Catalysts',fontproperties=Arial,fontsize=14)  # title of x axis
plt.ylabel('Productivity (%)',fontproperties=Arial,fontsize=14)  # title of y axis

plt.ylim(0,80)
plt.legend(loc='upper left', fontsize=10, frameon=False)  # show the legend
plt.tight_layout()  # tight lay out

plt.show()

发现没，有几个问题：

• 柱状图都重叠在了一起；并且因为重叠，导致前面的数据如果比后面的小的话，将会被覆盖，如第二柱子处，只能看到两种颜色；

• 横坐标变成了数字0-3，但是我们想要的是x_tickets = ['Fe_1', "Fe_2", "Fe_3", "Fe_4"] # x，我们一个一个的来解决；

• 针对第一个问题，实际上是新学习时最容易遇到的问题，处理方法实际十分简单就是将每个柱子左右挪一挪就OK了，那挪的话，实际上就是挪的x坐标位置，相当于给一个偏移量。有两种方法：

（1）一是使用常规的方法，注意到现在x轴坐标是0-3，因此可以先从此着手，先构建个列表，然后每个柱状图给个位移，为了方便，先给每个柱子设定一个宽度，比如width = 0.15；

width = 0.15
x_indexes = [i for i in range(len(x_tickets))]

lt.bar(list(map(lambda x: x-width*1.5, x_indexes)), y_tickets_1, width=width, label="y_tickets_1")
plt.bar(list(map(lambda x: x-width*0.5, x_indexes)), y_tickets_2, width=width, label="y_tickets_2")
plt.bar(list(map(lambda x: x+width*0.5, x_indexes)), y_tickets_3, width=width, label="y_tickets_3")
plt.bar(list(map(lambda x: x+width*1.5, x_indexes)), y_tickets_4, width=width, label="y_tickets_4")

这样出来的图是不是就比较正常了？
（2） 二是针对列表操作，最简单的就是使用numpy了。numpy可以十分方便的实现数组之间的加减运算。我们同样的思路。图是不是也就出来了？

import numpy as np
x_indexes = np.arange(len(x_tickets))  # 相当于创建了一个list， 内容为[0,1,2,3] ,类型为 ndarray
width = 0.15
plt.bar(x_indexes - width * 1.5, y_tickets_1, width=width, label="y_tickets_1")
plt.bar(x_indexes - width * 0.5, y_tickets_2, width=width, label="y_tickets_2")
plt.bar(x_indexes + width * 0.5, y_tickets_3, width=width, label="y_tickets_3")
plt.bar(x_indexes + width * 1.5, y_tickets_4, width=width, label="y_tickets_4")

• 接下来就该解决x轴坐标了，实际上很简单，我们让x坐标值依旧是0,1,2,3，但是，让其显示的不是值，而是标签，可以加上如下一行代码并执行，以及我们可以改一改：

plt.xticks(ticks= x_indexes, labels= x_tickets) # redefine the label

• 如果要加入颜色等，可以在plt.bar语句中加入如color = 'black'或者color='#444444'这样形式的语句，就可以自定义颜色了。
• 最后，matplotlib中有很多可选的风格模板直接应用，查看可用风格可用plt.style.available语句，结果是：
• ['bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark-palette', 'seaborn-dark', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'seaborn', 'Solarize_Light2', 'tableau-colorblind10', '_classic_test']
• 使用这些风格使用语句plt.style.use('ggplot')
• 全部代码如下：

#!/usr/bin/env python
# -*- encoding: utf-8 -*-
"""
@File    : Fig2A.py.py
@Time    : 2019/8/5 9:19
@Author  : Sound_of_Silence
"""
from matplotlib import pyplot as plt
import random
import numpy as np


plt.style.use('ggplot')
# plt.xkcd() # 比较好玩的风格

x_tickets = ['Fe_1', "Fe_2", "Fe_3", "Fe_4"]  # x
y_tickets_1 = [random.randint(10, 50) for _ in range(len(x_tickets))]  # y1
y_tickets_2 = [random.randint(10, 50) for _ in range(len(x_tickets))]  # y2
y_tickets_3 = [random.randint(10, 50) for _ in range(len(x_tickets))]  # y3
y_tickets_4 = [random.randint(10, 50) for _ in range(len(x_tickets))]  # y4

x_indexes = np.arange(len(x_tickets)) 
width_1 = 0.15

plt.bar(x_indexes - width * 1.5, y_tickets_1, width=width, label="y_tickets_1")
plt.bar(x_indexes - width * 0.5, y_tickets_2, width=width, label="y_tickets_2")
plt.bar(x_indexes + width * 0.5, y_tickets_3, width=width, label="y_tickets_3")
plt.bar(x_indexes + width * 1.5, y_tickets_4, width=width, label="y_tickets_4")

plt.title('The performance of different catalysts',  fontsize=18)  # title of whole picture
plt.xlabel('Catalysts',  fontsize=18)  # title of x axis
plt.ylabel('Productivity (%)', fontsize=18)  # title of y axis
plt.xticks(ticks=x_indexes, labels=x_tickets, fontsize=14)  # redefine the label
plt.yticks(fontsize=14)

plt.ylim(0, 80)
plt.legend(loc='upper left', fontsize=10, frameon=False)  # show the legend
plt.tight_layout()  # tight lay out
plt.rcParams['savefig.dpi'] = 600
plt.show()

或者用xkcd()，看起来像漫画或者手绘风格: