matplotlib bar()实现多组数据并列柱状图通用简便创建方法
这篇文章主要介绍了matplotlib bar()实现多组数据并列柱状图通用简便创建方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
在使用柱状图时，经常遇到需要多组数据进行比较的情况。
绘制单个数据系列的柱形图比较简单，多组数据柱状图绘制的关键有三点：
多次调用bar()函数即可在同一子图中绘制多组柱形图。
为了防止柱子重叠，每个柱子在x轴上的位置需要依次递增，如果柱子紧挨，这个距离即柱子宽度。
为了使刻度标签居中，需要调整x轴刻度标签的位置。
由上述可知，多组数据并列柱状图需要计算柱子x轴上的位置和x轴刻度标签。
因此，有两种实现方案：
x轴刻度标签位置固定，根据x轴刻度计算每个柱子的宽度每个柱子的宽度固定，计算
x轴刻度标签位置，使之居中
下面使用第一种方法演示两组数据、三组数据、四组数据的并列柱状图。
使用方法一、方法二演示通用多组并列柱状图的创建方法。
两组数据、三组数据、四组数据的并列柱状图
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 | import matplotlibimport matplotlib.pyplot as pltimport numpy as npplt.figure(figsize=(13, 4))# 构造x轴刻度标签、数据labels = ['G1', 'G2', 'G3', 'G4', 'G5']first = [20, 34, 30, 35, 27]second = [25, 32, 34, 20, 25]third = [21, 31, 37, 21, 28]fourth = [26, 31, 35, 27, 21]# 两组数据plt.subplot(131)x = np.arange(len(labels)) # x轴刻度标签位置width = 0.25 # 柱子的宽度# 计算每个柱子在x轴上的位置，保证x轴刻度标签居中# x - width/2，x + width/2即每组数据在x轴上的位置plt.bar(x - width/2, first, width, label='1')plt.bar(x + width/2, second, width, label='2')plt.ylabel('Scores')plt.title('2 datasets')# x轴刻度标签位置不进行计算plt.xticks(x, labels=labels)plt.legend()# 三组数据plt.subplot(132)x = np.arange(len(labels)) # x轴刻度标签位置width = 0.25 # 柱子的宽度# 计算每个柱子在x轴上的位置，保证x轴刻度标签居中# x - width，x， x + width即每组数据在x轴上的位置plt.bar(x - width, first, width, label='1')plt.bar(x, second, width, label='2')plt.bar(x + width, third, width, label='3')plt.ylabel('Scores')plt.title('3 datasets')# x轴刻度标签位置不进行计算plt.xticks(x, labels=labels)plt.legend()# 四组数据plt.subplot(133)x = np.arange(len(labels)) # x轴刻度标签位置width = 0.2 # 柱子的宽度# 计算每个柱子在x轴上的位置，保证x轴刻度标签居中plt.bar(x - 1.5*width, first, width, label='1')plt.bar(x - 0.5*width, second, width, label='2')plt.bar(x + 0.5*width, third, width, label='3')plt.bar(x + 1.5*width, fourth, width, label='4')plt.ylabel('Scores')plt.title('4 datasets')# x轴刻度标签位置不进行计算plt.xticks(x, labels=labels)plt.legend()plt.show() |
通用多组并列柱状图的简便创建方法
上面的示例比较简易，有一些问题没有考虑。为了便于重复使用，下面的通用方法可调整x轴标签刻度步长、每组柱子的总宽度、每组柱子之间的间隙、组与组之间的间隙。
方法一
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 | import matplotlibimport matplotlib.pyplot as pltimport numpy as nplabel = ['G1', 'G2', 'G3', 'G4', 'G5']first = [20, 34, 30, 35, 27]second = [25, 32, 34, 20, 25]third = [21, 31, 37, 21, 28]fourth = [26, 31, 35, 27, 21]data = [first, second, third, fourth]def create_multi_bars(labels, datas, tick_step=1, group_gap=0.2, bar_gap=0): ''' labels : x轴坐标标签序列 datas ：数据集，二维列表，要求列表每个元素的长度必须与labels的长度一致 tick_step ：默认x轴刻度步长为1，通过tick_step可调整x轴刻度步长。 group_gap : 柱子组与组之间的间隙，最好为正值，否则组与组之间重叠 bar_gap ：每组柱子之间的空隙，默认为0，每组柱子紧挨，正值每组柱子之间有间隙，负值每组柱子之间重叠 ''' # ticks为x轴刻度 ticks = np.arange(len(labels)) * tick_step # group_num为数据的组数，即每组柱子的柱子个数 group_num = len(datas) # group_width为每组柱子的总宽度，group_gap 为柱子组与组之间的间隙。 group_width = tick_step - group_gap # bar_span为每组柱子之间在x轴上的距离，即柱子宽度和间隙的总和 bar_span = group_width / group_num # bar_width为每个柱子的实际宽度 bar_width = bar_span - bar_gap # baseline_x为每组柱子第一个柱子的基准x轴位置，随后的柱子依次递增bar_span即可 baseline_x = ticks - (group_width - bar_span) / 2 for index, y in enumerate(datas): plt.bar(baseline_x + index*bar_span, y, bar_width) plt.ylabel('Scores') plt.title('multi datasets') # x轴刻度标签位置与x轴刻度一致 plt.xticks(ticks, labels) plt.show() create_multi_bars(label, data, bar_gap=0.1) |
方法二
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 | import matplotlibimport matplotlib.pyplot as pltimport numpy as nplabel = ['G1', 'G2', 'G3', 'G4', 'G5']first = [20, 34, 30, 35, 27]second = [25, 32, 34, 20, 25]third = [21, 31, 37, 21, 28]fourth = [26, 31, 35, 27, 21]data = [first, second, third, fourth]def create_multi_bars(labels, datas, tick_step=1, group_gap=0.2, bar_gap=0): ''' labels : x轴坐标标签序列 datas ：数据集，二维列表，要求列表每个元素的长度必须与labels的长度一致 tick_step ：默认x轴刻度步长为1，通过tick_step可调整x轴刻度步长。 group_gap : 柱子组与组之间的间隙，最好为正值，否则组与组之间重叠 bar_gap ：每组柱子之间的空隙，默认为0，每组柱子紧挨，正值每组柱子之间有间隙，负值每组柱子之间重叠 ''' # x为每组柱子x轴的基准位置 x = np.arange(len(labels)) * tick_step # group_num为数据的组数，即每组柱子的柱子个数 group_num = len(datas) # group_width为每组柱子的总宽度，group_gap 为柱子组与组之间的间隙。 group_width = tick_step - group_gap # bar_span为每组柱子之间在x轴上的距离，即柱子宽度和间隙的总和 bar_span = group_width / group_num # bar_width为每个柱子的实际宽度 bar_width = bar_span - bar_gap # 绘制柱子 for index, y in enumerate(datas): plt.bar(x + index*bar_span, y, bar_width) plt.ylabel('Scores') plt.title('multi datasets') # ticks为新x轴刻度标签位置，即每组柱子x轴上的中心位置 ticks = x + (group_width - bar_span) / 2 plt.xticks(ticks, labels) plt.show()create_multi_bars(label, data[:3], bar_gap=0.1) |