# -*- coding: utf-8 -*-

from __future__ import unicode_literals
import matplotlib.pyplot as mp
import numpy as np

n = 12
x = np.arange(n)
y1 = np.random.uniform(0.5, 1.0, n) * (1 - x / n)
y2 = np.random.uniform(0.5, 1.0, n) * (1 - x / n)
mp.figure('Bar', facecolor='lightgray')
mp.title('Bar', fontsize=20)
mp.xlabel('x', fontsize=14)
mp.ylabel('y', fontsize=14)
mp.xticks(x, x + 1)
mp.ylim(-1.25, 1.25)
mp.tick_params(labelsize=10)
mp.grid(axis='y', linestyle=':')
mp.bar(x, y1, ec='white', fc='dodgerblue', label='Sample 1')
for _x, _y in zip(x, y1):
    mp.text(_x, _y, '%.2f' % _y, ha='center', va='bottom', size=8)
mp.bar(x, -y2, ec='white', fc='red', label='Sample 2')
for _x, _y in zip(x, y2):
    mp.text(_x, -_y - 0.015, '%.2f' % _y, ha='center', va='top', size=8)
mp.legend()
mp.show()
自己练习的作品,欢迎交流

之前介绍了如何读取csv数据绘制饼状图

这次接着介绍如何读取数据绘制条形图

读取csv中的年龄并绘制成区间图

只是一个很简单的实例，如果需要扩展丰富，只需要往这个模板往上加就是了

csv文件链接：https://pan.baidu.com/s/1aLlGEcZEkMiTf9Pfsh-9WQ 

提取码：jr5t 

import csv
import matplotlib
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd


def age_Dis():#统计年龄分布
    pr = pd.read_csv("hydata_swjl_0.csv")
    pr1 = pd.read_csv("hydata_swjl_1.csv", low_memory=False)
    print("统计年龄分布：")
    print()
    age = []
    for i in pr['BIRTHDAY']:
        age.append(int((20181219 - i) / 10000))
    print(age)
    age1=[]
    age2=[]
    age3=[]
    age4=[]
    age5=[]
    for i in age:
        if 18<=i<25:
            age1.append(i)
        elif 25<=i<35:
            age2.append(i)
        elif 35<=i<45:
            age3.append(i)
        elif 45<=i<55:
            age4.append(i)
        else:
            age5.append(i)

    index=['18~25','25~35','35~45','45~55','others']
    values=[len(age1),len(age2),len(age3),len(age4),len(age5)]
    plt.bar(index,values)
    plt.show()
   


if __name__=="__main__":
    age_Dis()

展示结果：



 

注：

问：为什么要用条形图？？

答：数据太多（一百万多条），如果用其他图就不能很好的显示出来

比如说，使用折线图：



如图：就完全看不出年龄的分布情况

代码如下：

  # 绘制成折线图'''
'''
    plt.axis([0, 1100000, 0, 75])
    plt.xlabel('People Number',color='red')
    plt.ylabel('Peoples Name',color='red')
    plt.title('Age Distribution',fontsize=15)
    plt.plot(age)
    plt.show()
    print("折线图效果太差，因采用柱形图")
'''


因而，在数据过大的情况下，最好采用条形图

Mysql 脚本示例：
create table demo(
 id int
,product varchar(50)
,price decimal(18,2)
,quantity int
,amount decimal(18,2)
,orderdate datetime
);
insert into demo
select 1,'AAA',15.2,5,76,'2017-09-09' union all
select 2,'BBB',10,6,60,'2016-05-18' union all
select 3,'CCC',21,11,231,'2014-07-11' union all
select 4,'DDD',55,2,110,'2016-12-24' union all
select 5,'EEE',20,4,80,'2017-02-08' union all
select 6,'FFF',45,2,90,'2016-08-19' union all
select 7,'GGG',33,5,165,'2017-10-11' union all
select 8,'HHH',5,40,200,'2014-08-30' union all
select 9,'III',3,20,60,'2015-02-25' union all
select 10,'JJJ',10,15,150,'2015-11-02';

python 绘图分析：
# -*- coding: utf-8 -*-
#import numpy
import MySQLdb
import plotly.plotly
import plotly.graph_objs as pg

host = "localhost"
port = 3306
user = "root"
passwd = "mysql"
charset = "utf8"
dbname = "test"
conn = None

try:
    conn = MySQLdb.Connection(
        host = host,
        port = port,
        user = user,
        passwd = passwd,
        db = dbname,
        charset = charset
        )
    cur = conn.cursor(MySQLdb.cursors.DictCursor)
    cur.execute("select * from demo;")
    rows = cur.fetchall()
    #rows = numpy.array(rows)
    lists = [[],[],[],[]]
    for row in rows:
        lists[0].append(row["product"])
        lists[1].append(row["price"])
        lists[2].append(row["quantity"])
        lists[3].append(row["amount"])
    #print(lists)
    #print(lists[0])
    #print(([x[0] for x in lists]))

    date_price = pg.Bar( x=lists[0], y=lists[1], name='价格')
    date_quantity = pg.Bar( x=lists[0], y=lists[2], name='数量')
    date_amount = pg.Bar( x=lists[0], y=lists[3], name='总价')
    data = [date_price, date_quantity, date_amount]
    #barmode = [stack,group,overlay,relative]
    layout = pg.Layout( barmode='group',title="各产品销售情况" )
    fig = pg.Figure(data=data, layout=layout)
    plotly.offline.plot(fig, filename = "C:/Users/huangzecheng/Desktop/test.html")
    
finally:
    if conn:
        conn.close()

将代码保存为文件 
bartest.py ，执行脚本 python bartest.py ，生成 html 文件如下：

**
用Python做数据分析绘制简单的条形图，解决简单的生活问题
**

刚学数据分析不久，下面牛刀小试一次。

题目：为了对某一产品进行合理定价，我们对此类商品进行了试销实验，价格与需求量数据如下。利用图表分析规律。


需from matplotlib import pyplot as plt

import matplotlib

font = {

‘family’:‘SimHei’,

‘weight’:‘bold’,

‘size’:12

}

matplotlib.rc(“font”, **font)

plt.figure(figsize=(10,7))

price = [60,80,40,30,70,90,95]

sales = [100,50,120,135,65,45,40]

width = 0.3

Q = []

for i in range(0,len(price)):

Q.append(((price[i]*sales[i])*2)/100)

po_l = [i-width/2 for i in range(len(price))]

po_r = [i+width/2 for i in range(len(price))]

plt.bar(po_l,sales,width=width,label=‘销售量’,color=‘r’)

plt.bar(po_r,Q,width=width,label=‘赚取利润’,color=‘g’)

x_1 = [f"{i}元/件" for i in price]

y_t = range(0,140,5)

y_1 = [f"{i}万件" for i in y_t]

plt.xticks(range(len(price)),x_1,rotation=0,color=‘g’)

plt.yticks(y_t,y_1,color=‘g’,rotation=0)

plt.xlabel(‘销售价格’,color=‘b’)

plt.ylabel(‘销售量’,color=‘b’)

plt.title(‘产品销售利润分析’,color=‘r’)

plt.legend()

plt.show()


求分析：要计算不同定价条件下的利润，只需要找出不同定价条件下的销售量即可，无需知道变化情况，只要能直观地反映出结果就行，因此选择条形统计图。代码和结果如下：

注意事项，设计刻度标签与绘制图形，二者井水不犯河水，因此，设计标签不需要严格要求横纵坐标一一对应。