↑↑点击上方蓝字，回复资料，嘿嘿，10个G的惊喜
柱状图和直方图是两种非常类似的统计图，区别在于：
直方图展示数据的分布，柱状图比较数据的大小。
直方图X轴为定量数据，柱状图X轴为分类数据。因此，直方图上的每个条形都是不可移动的，X轴上的区间是连续的、固定的。而柱状图上的每个条形是可以随意排序的，有的情况下需要按照分类数据的名称排列，有的则需要按照数值的大小排列。
直方图柱子无间隔，柱状图条形有间隔
直方图条形宽度可不一，柱状图条形宽度须一致。柱状图条形的宽度因为没有数值含义，所以宽度必须一致。但是在直方图中，条形的宽度代表了区间的长度，根据区间的不同，条形的宽度可以不同，但理论上应为单位长度的倍数。
本文将介绍matplotlib中柱状图和直方图的作图方法。
from matplotlib import pyplot as plt
import numpy as np
import matplotlib as mpl
mpl.rcParams['font.sans-serif'] = ['SimHei'] # 中文字体支持
1 bar()与barh()
matplotlib中提供了bar()和barh()两种方法画柱状图，bar()用来画垂直柱状图，barh()画水平柱状图，两者参数大同小异，如下所示：
2 垂直柱状图与水平柱状图
value= np.arange(6) ** 2
category = range(len(value))
fig = plt.figure(figsize=(8, 4))
# 垂直柱状图
ax1 = fig.add_subplot(121)
ax1.set_title('图1 垂直柱状图')
ax1.bar(x=category, height=value)
# 垂直柱状图
ax2 = fig.add_subplot(122)
ax2.set_title('图2 水平柱状图')
ax2.barh(y=category, width=value) # 注意这里参数名和值的传递与bar()不同
plt.show()
3 颜色、透明度与边框
value= np.arange(6) ** 2
category = range(len(value))
fig = plt.figure(figsize=(8, 4))
# 垂直柱状图
ax1 = fig.add_subplot(121)
ax1.set_title('图1 垂直柱状图')
ax1.bar(x=category, height=value,
alpha=0.5, # 透明度
width=0.5, # 每个条形的宽度
color='yellow', # 填充前景色
edgecolor='red', # 边框颜色
linewidth=3 # 边框宽度
)
# 垂直柱状图
ax2 = fig.add_subplot(122)
ax2.set_title('图2 水平柱状图')
ax2.barh(y=category, width=value,
alpha=1, # 透明度
height=0.8, # 每个条形的宽度
color=['green', 'red', 'yellow', 'blue', 'grey', 'magenta'], # 填充前景色
linewidth=3 # 不显示边框
)
plt.show()
4 刻度标签
value= np.arange(6) ** 2
category = range(len(value))
fig = plt.figure(figsize=(8, 4))
# 垂直柱状图
ax1 = fig.add_subplot(121)
ax1.set_title('图1 垂直柱状图')
ax1.bar(x=category, height=value,
tick_label='类别'
)
# 垂直柱状图
ax2 = fig.add_subplot(122)
ax2.set_title('图2 水平柱状图')
ax2.barh(y=category, width=value,
tick_label=['类1', '类2', '类3', '类4', '类5', '类6']
)
plt.show()
5 添加误差线
means = (20, 35, 30, 35, 27) # 各组平均分
std = (2, 3, 4, 1, 2) # 组各标准差
label = ('第一组', '第二组', '第三种', '第四组', '第五组')
bar_width = 0.4
bar_x = np.arange(len(label))
fig = plt.figure(figsize=(8, 4))
ax1 = fig.add_subplot(121)
bar1 = ax1.bar(x=bar_x, height=means, width=bar_width, color='green',
yerr=std, # 添加误差线
ecolor='red', # 误差线颜色
capsize=5, # 两端线段长短
tick_label=label
)
ax2 = fig.add_subplot(122)
bar2 = ax2.barh(y=bar_x, width=means, height=bar_width, color='green',
xerr=std, # 添加误差线
ecolor='red', # 误差线颜色
capsize=5, # 两端线段长短
tick_label=label
)
plt.show()
6 添加数据标注
means = (20, 35, 30, 35, 27) # 各组平均分
std = (2, 3, 4, 1, 2) # 组各标准差
label = ('第一组', '第二组', '第三种', '第四组', '第五组')
bar_width = 0.5
bar_x = np.arange(len(label))
fig = plt.figure(figsize=(10, 4),tight_layout=True)
ax1 = fig.add_subplot(121)
bar1 = ax1.bar(x=bar_x, height=means, width=bar_width, color='green', tick_label=label
)
for b in bar1:
height = b.get_height()
ax1.annotate('{}'.format(height),
xy=(b.get_x() + b.get_width() / 2, height),
xytext=(0, 3), # 3 points vertical offset
textcoords="offset points",color='red',
ha='center', va='bottom')
ax2 = fig.add_subplot(122)
bar2 = ax2.barh(y=bar_x, width=means, height=bar_width, color='green', tick_label=label
)
for b in bar2:
width = b.get_width()
ax2.annotate('{}'.format(width),
xy=(width, b.get_y() + b.get_height() / 2),
xytext=(0, 3), # 3 points vertical offset
textcoords="offset points",color='red',
ha='left', va='center')
plt.show()
7 分组柱状图
menMeans = (20, 35, 30, 35, 27) # 男生各组平均分
womenMeans = (25, 32, 34, 20, 25)# 女生各组平均分
menStd = (2, 3, 4, 1, 2) # 男生组各标准差
womenStd = (3, 5, 2, 3, 3) # 女生组各标准差
label = ('第一组', '第二组', '第三种', '第四组', '第五组')
bar_width = 0.4
bar_x = np.arange(len(label))
fig = plt.figure(figsize=(8, 4))
ax = fig.add_subplot(111)
ax.set_title('图1 垂直柱状图')
bar1 = ax.bar(x=bar_x - bar_width/2, # 设置不同的x起始位置
height=menMeans, width=bar_width)
bar2 = ax.bar(x=bar_x + bar_width/2, # 设置不同的x起始位置
height=womenMeans, width=bar_width,
)
ax.set_xlabel('组别')
ax.set_ylabel('分数')
ax.set_title('各组不同性别分数')
ax.set_xticks(range(5))
ax.set_xticklabels(label)
ax.set_yticklabels(np.arange(0, 81, 10))
ax.legend((bar1, bar2), ('男生', '女生'))
plt.show()
8 堆叠柱状图
menMeans = (20, 35, 30, 35, 27) # 男生各组平均分
womenMeans = (25, 32, 34, 20, 25)# 女生各组平均分
menStd = (2, 3, 4, 1, 2) # 男生组各标准差
womenStd = (3, 5, 2, 3, 3) # 女生组各标准差
label = ('第一组', '第二组', '第三种', '第四组', '第五组')
bar_width = 0.4
bar_x = np.arange(len(label))
fig = plt.figure(figsize=(8, 4))
ax = fig.add_subplot(111)
ax.set_title('图1 垂直柱状图')
bar1 = ax.bar(x=bar_x, height=menMeans, width=bar_width)
bar2 = ax.bar(x=bar_x, height=womenMeans, width=bar_width,
bottom=menMeans # 通过bottom参数设置起始位置, 起始位置就是下半部分(bar1)条形的高度
)
ax.set_xlabel('组别')
ax.set_ylabel('分数')
ax.set_title('各组不同性别分数')
ax.set_xticks(range(5))
ax.set_xticklabels(label)
ax.set_yticklabels(np.arange(0, 81, 10))
ax.legend((bar1, bar2), ('男生', '女生'))
plt.show()
9 直方图
直方图的绘制是通过hist()方法完成。hist()方法参数很多，来看看主要的参数：
data_x = [131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124,
101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111, 78, 132, 124, 113, 150, 110, 117, 86,
95, 144, 105, 126, 130, 126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136, 123, 117, 119, 105, 137,
123, 128, 125, 104, 109, 134, 125, 127, 105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114, 105, 115,
132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134, 156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,
123, 107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133, 112, 114, 122, 109, 106, 123, 116, 131, 127,
115, 118, 112, 135, 115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154, 136, 100, 118, 119, 133, 134,
106, 129, 126, 110, 111, 109, 141, 120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126, 114, 140, 103,
130, 141, 117, 106, 114, 121, 114, 133, 137, 92, 121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113, 134,
106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110, 105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146,
133, 101, 131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111, 111, 133, 150]
fig = plt.figure(figsize=(8, 4))
ax1 = fig.add_subplot(121)
hists1 = ax1.hist(x=data_x, bins=5) # 等距划分
ax2 = fig.add_subplot(122)
hists2 = ax2.hist(x=data_x,bins=[78,90,100,120,140,145,150])
plt.show()
hist()方法将会返回一个包含三个元素的数组，第一个元素为每个条形区间中元素的数量，第二个元素为区间的边界，第三个元素为Patch实例化对象。
hists1
(array([ 9., 49., 97., 77., 18.]),
array([ 78. , 93.6, 109.2, 124.8, 140.4, 156. ]),
)作者：奥辰
Github：https://github.com/ChenHuabin321
https://www.cnblogs.com/chenhuabin
推荐阅读：
彻底搞懂机器学习中的正则化
Python函数合集：足足68个内置函数请收好！机器学习中需要了解的 5 种采样方法Pandas切片操作：一个很容易忽视的错误欢迎挑战！14个数据分析和机器学习项目！附数据集复旦大学机器学习、深度学习视频公开课，附PDF课件下载阅后点在看，养成好习惯
