前言
 
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
 
以下文章来源于Trochil蜂鸟数据，作者：蜂鸟数据Trochil
 
本文的主题是如何用Matplotlib创建柱状图。
 
import numpy as np
import matplotlib.pyplot as plt

%matplotlib inline

plt.style.use("ggplot")
 
1. 基础柱状图
 
柱状图(bar chart): 用长方形(柱子)的长度表示数值的统计图表，又称为条形图。柱状图常用来对比两个以上的数值，适用于较小的数据集。
 
Matplotlib创建柱状图的接口：bar(x, height, width, bottom, align, color)
 
x: 柱子的x轴坐标
height: 柱子高度，y轴坐标
width: 柱子宽度，默认0.8
bottom: 柱子底部的y轴坐标，默认为0
align: 柱子与x轴坐标的对齐方式，默认'center'
color: 柱子颜色
orientation: 柱子方向，'horizontal' or 'vertical'
bar()默认创建垂直柱状图，barh()可创建水平柱状图，原理基本一致。
 
# 虚拟数据
x = ["A", "B", "C", "D", "E", "F", "G", "H"]
y = [150, 85.2, 65.2, 85, 45, 120, 51, 64]

# 柱状图和散点图不同，散点图的(x,y)均为数值变量
# 柱状图的x轴显示分类变量，有两种处理方式
# 方式1：自己创建x轴坐标，并提供对应的标签
# 方式2：让Matplotlib自动完成映射

# 方式1
# xticks = np.arange(len(x))  # 每根柱子的x轴坐标
# xlabels = x  # 每根柱子的标签
# fig, ax = plt.subplots(figsize=(10, 7))
# ax.bar(x=xticks, height=y, tick_label=xlabels)

# 方式2（推荐）
fig, ax = plt.subplots(figsize=(10, 7))
ax.bar(x=x, height=y)
ax.set_title("Simple Bar Plot", fontsize=15)
 
 
 
 
2. 调整样式
 
Matplotlib创建图表的优势在于，用户可以定制每一个细节，接下来调整柱状图的样式，包括改变柱子的宽度，对齐方式和颜色，以及如何把数值添加到图表中。
 
x = ["A", "B", "C", "D", "E", "F", "G", "H"]
y = [150, 85.2, 65.2, 85, 45, 120, 51, 64]

fig, ax = plt.subplots(figsize=(10, 7))
ax.bar(
    x=x,  # Matplotlib自动将非数值变量转化为x轴坐标
    height=y,  # 柱子高度，y轴坐标
    width=0.6,  # 柱子宽度，默认0.8，两根柱子中心的距离默认为1.0
    align="center",  # 柱子的对齐方式，'center' or 'edge'
    color="grey",  # 柱子颜色
    edgecolor="red",  # 柱子边框的颜色
    linewidth=2.0  # 柱子边框线的大小
)
ax.set_title("Adjust Styles of Bar plot", fontsize=15)

# 一个常见的场景是：每根柱子上方添加数值标签
# 步骤：
# 1. 准备要添加的标签和坐标
# 2. 调用ax.annotate()将文本添加到图表
# 3. 调整样式，例如标签大小，颜色和对齐方式
xticks = ax.get_xticks()
for i in range(len(y)):
    xy = (xticks[i], y[i] * 1.03)
    s = str(y[i])
    ax.annotate(
        s=s,  # 要添加的文本
        xy=xy,  # 将文本添加到哪个位置
        fontsize=12,  # 标签大小
        color="blue",  # 标签颜色
        ha="center",  # 水平对齐
        va="baseline"  # 垂直对齐
    )
 
 
 
 
3. 堆积柱状图
 
有时候想在同一根柱子上显示两个不同的数值，即所谓堆积柱状图(stacked bar chart)。
 
假设一个场景，有6家门店，每家门店都销售三种产品，用堆积柱状图显示每家门店三种产品的销量。
 
shops = ["A", "B", "C", "D", "E", "F"]
sales_product_1 = [100, 85, 56, 42, 72, 15]
sales_product_2 = [50, 120, 65, 85, 25, 55]
sales_product_3 = [20, 35, 45, 27, 55, 65]

fig, ax = plt.subplots(figsize=(10, 7))
# 先创建一根柱子，显示第一种产品的销量
ax.bar(shops, sales_product_1, color="red", label="Product_1")
# 第二根柱子“堆积”在第一根柱子上方，通过'bottom'调整，显示第二种产品的销量
ax.bar(shops, sales_product_2, color="blue", bottom=sales_product_1, label="Product_2")
# 第三根柱子“堆积”在第二根柱子上方，通过'bottom'调整，显示第三种产品的销量
ax.bar(shops, sales_product_3, color="green", 
       bottom=np.array(sales_product_2) + np.array(sales_product_1), label="Product_3")

ax.set_title("Stacked Bar plot", fontsize=15)
ax.set_xlabel("Shops")
ax.set_ylabel("Product Sales")
ax.legend()
 
 
 
 
4. 分组柱状图
 
分组柱状图的原理跟堆积柱状图类似，但柱子不再是堆叠在一起，而是在相同的X轴标签上分成几根更窄的柱子，这些柱子都属于同一个组。
 
沿用上面的案例。
 
shops = ["A", "B", "C", "D", "E", "F"]
sales_product_1 = [100, 85, 56, 42, 72, 15]
sales_product_2 = [50, 120, 65, 85, 25, 55]
sales_product_3 = [20, 35, 45, 27, 55, 65]

# 创建分组柱状图，需要自己控制x轴坐标
xticks = np.arange(len(shops))

fig, ax = plt.subplots(figsize=(10, 7))
# 所有门店第一种产品的销量，注意控制柱子的宽度，这里选择0.25
ax.bar(xticks, sales_product_1, width=0.25, label="Product_1", color="red")
# 所有门店第二种产品的销量，通过微调x轴坐标来调整新增柱子的位置
ax.bar(xticks + 0.25, sales_product_2, width=0.25, label="Product_2", color="blue")
# 所有门店第三种产品的销量，继续微调x轴坐标调整新增柱子的位置
ax.bar(xticks + 0.5, sales_product_3, width=0.25, label="Product_3", color="green")

ax.set_title("Grouped Bar plot", fontsize=15)
ax.set_xlabel("Shops")
ax.set_ylabel("Product Sales")
ax.legend()

# 最后调整x轴标签的位置
ax.set_xticks(xticks + 0.25)
ax.set_xticklabels(shops)
 
 
 
 
PS：如有需要Python学习资料的小伙伴可以加下方的群去找免费管理员领取
 
 
 
 
可以免费领取源码、项目实战视频、PDF文件等
 

Qt中创建柱状图
 1.必要设置
 .pro文件
 
QT += charts
 
头文件
 
#include <QtCharts>

QT_CHARTS_USE_NAMESPACE

namespace Ui {
class MainWindow;
}
 
2.设置数据
 存储数据到QTableView中
 
void MainWindow::iniData()
{
    QStringList headerList;
    headerList<<"姓名"<<"语文"<<"数学"<<"英语";
    theModel->setHorizontalHeaderLabels(headerList);//设置表头文字
    //qsrand(QTime::currentTime().second());
    for(int i=0;i<theModel->rowCount();i++)
    {
        QString Name = QString::asprintf("学生%2d",i+1);
        QStandardItem* aItem = new QStandardItem(Name);//创建Item
        aItem->setTextAlignment(Qt::AlignHCenter);//???
        theModel->setItem(i,colNoName,aItem);//学生列设置Item
        qreal Score;
        for(int j=colNoChinese;j<=colNoEnglish;j++)
        {
            Score = (qrand()%50)+50;
            aItem = new QStandardItem(QString::asprintf("%.0f",Score));
            aItem->setTextAlignment(Qt::AlignHCenter);
            theModel->setItem(i,j,aItem);
        }
        aItem->setFlags(aItem->flags()&(!Qt::ItemIsEditable));
    }
}
 
2.初始化
 
    QChart *chart = new QChart();//创建图表
    chart->setTitle("BarChart演示");//设置图表标题
    chart->setAnimationOptions(QChart::SeriesAnimations);//序列动态
    ui->chartView->setChart(chart);//图表添加到场景
    ui->chartView->setRenderHint(QPainter::Antialiasing);
 
3.创建柱状图
 
    QChart *chart = ui->chartView->chart();//获取与场景关联的图形
    chart->removeAllSeries();//删除序列
    chart->removeAxis(chart->axisX());//删除图表的X坐标轴
    chart->removeAxis(chart->axisY());//删除图标的Y坐标轴
//数据集(QBarSet)
    QBarSet *setChinese = new QBarSet(theModel->horizontalHeaderItem(colNoChinese)->text());
    QBarSet *setMath = new QBarSet(theModel->horizontalHeaderItem(colNoMath)->text());
    QBarSet *setEnglish = new QBarSet(theModel->horizontalHeaderItem(colNoEnglish)->text());
    for(int i=0;i<theModel->rowCount();i++)
    {
        //从数据模型获取数据
        setChinese->append(theModel->item(i,colNoChinese)->text().toInt());
        setMath->append(theModel->item(i,colNoMath)->text().toInt());
        setEnglish->append(theModel->item(i,colNoEnglish)->text().toInt());
    }

//依据数据创建柱状图
    QBarSeries *series = new QBarSeries();
    chart->addSeries(series);//序列添加到图表

    series->append(setChinese);//为序列添加数据
    series->append(setMath);//
    series->append(setEnglish);//

    QStringList category;
    for(int i=0;i<theModel->rowCount();i++)
    {
        category<<theModel->item(i,colNoName)->text();
    }

//横坐标——字符型
    QBarCategoryAxis *axisX = new QBarCategoryAxis();
    axisX->append(category);//横坐标的坐标值（字符型坐标）
    chart->setAxisX(axisX,series);//图表、序列、坐标配合
    axisX->setRange(category.at(0),category.at(category.count()-1));//X字符型坐标范围
//纵坐标——数值型
    QValueAxis *axisY = new QValueAxis;
    axisY->setRange(0,100);
    axisY->setTitleText("分数");
    axisY->setTickCount(10);
    axisY->setLabelFormat("%.1f");
    chart->setAxisY(axisY,series);

    chart->legend()->setVisible(true);//显示图例
    chart->legend()->setAlignment(Qt::AlignBottom);//图例文字在下方
 
特别注意柱状图所需要的数据为QBarSet类
 colNoChinese，colNoMath，colNoEnglish 为列的值，也可直接用1 2 3 等数值代替
 

创建柱状图
 
对于绝大多数的情况，统计对象是一组离散的数据，我们要计算他们的平均值，方差，标准差等。数据可以用柱状图呈现出来，现在我们来看一个例子：
 假设某班有36位同学，学生的期末考试成绩为：
 100分–1人
 96分–2人
 90分–4人
 88分–2人
 85分–3人
 84分–1人
 82分–2人
 78分–7人
 75分–4人
 70分–6人
 69分–1人
 63分–2人
 55分–1人
 我们在MATLAB所做的第1件事就是输入数据，输入分数x和得到该分数的人数y:
 
>> x = [55 63 69 70 75 78 82 84 85 88 90 96 100];
>> y = [1 2 1 6 4 7 2 1 3 2 4 2 1];
 
然后生成柱状图：
 

 但这远远不够，我们看到x轴许多数据重合，我们想看到某个分数区间的人数，比如50~59分之间，我们还要对我们的图像进行修改。
 现在我们要对成绩区间进行划分：
 一位学生在50～59分之间
 三位学生在60～69分之间
 17位学生在70～79分之间
 8位学生在80～89分之间
 7位学生在90～100分之间
 接下来我们创建两个数组，一个用来存储每个分数段的中间值，另一个存放每个分数段的人数。
 
>> x = [54.5 64.5 74.5 84.5 94.5];
>> y = [1 3 17 8 7];
>> bar(x,y),xlabel('分数'),ylabel('学生人数'),title('期末考试成绩')
 
更加专业;
 
 其它的命令：
 
 
barh:产生水平的柱状图
 
 
 
bar3:三维图像
 
 
 
bar3h:三维水平图像
 
 例子：
 有三个班，分别由三个老师教学，其中在不同的分数段有不同的人数，创建出带有多种数据集合的柱状图可以组合和堆和：
 
 
bar(x,y,‘grouped’)
 
 由于grouped是默认选项，所以我们还可以写成bar(x,y)
 
 
bar(x,y,‘stacked’)
 
 
我们输入的数据是一个多列数组，第一列代表A班成绩分布，以此列类推：
 
>> x = [54.5 64.5 74.5 84.5 94.5];
>> A = [0;3;18;13;10];...
B = [3;5;20;10;5];...
C = [1;2;15;17;8];
>> y = [A B C];
>> bar(x,y),xlabel('考试分数'),ylabel('学生人数'),legend('A','B','C');
 

一图胜千言，使用Python的matplotlib库，可以快速创建高质量的图形。
 
我们团队推出一个新的系列教程：Python数据可视化，针对初级和中级用户，将理论和示例代码相结合，分别使用matplotlib, seaborn, plotly等工具实现可视化。
 
本文主题是如何用Matplotlib创建柱状图。
 
import numpy as np
import matplotlib.pyplot as plt

%matplotlib inline

plt.style.use("ggplot")
 
1. 基础柱状图
 
柱状图(bar chart): 用长方形(柱子)的长度表示数值的统计图表，又称为条形图。柱状图常用来对比两个以上的数值，适用于较小的数据集。
 
Matplotlib创建柱状图的接口：$bar(x,height,width,bottom,align,color)$
 
x: 柱子的x轴坐标
height: 柱子高度，y轴坐标
width: 柱子宽度，默认0.8
bottom: 柱子底部的y轴坐标，默认为0
align: 柱子与x轴坐标的对齐方式，默认’center’
color: 柱子颜色
orientation: 柱子方向，‘horizontal’ or ‘vertical’
 
bar()默认创建垂直柱状图，barh()可创建水平柱状图，原理基本一致。
 
# 虚拟数据
x = ["A", "B", "C", "D", "E", "F", "G", "H"]
y = [150, 85.2, 65.2, 85, 45, 120, 51, 64]

# 柱状图和散点图不同，散点图的(x,y)均为数值变量
# 柱状图的x轴显示分类变量，有两种处理方式
# 方式1：自己创建x轴坐标，并提供对应的标签
# 方式2：让Matplotlib自动完成映射

# 方式1
# xticks = np.arange(len(x))  # 每根柱子的x轴坐标
# xlabels = x  # 每根柱子的标签
# fig, ax = plt.subplots(figsize=(10, 7))
# ax.bar(x=xticks, height=y, tick_label=xlabels)

# 方式2（推荐）
fig, ax = plt.subplots(figsize=(10, 7))
ax.bar(x=x, height=y)
ax.set_title("Simple Bar Plot", fontsize=15)
 
 
2. 调整样式
 
Matplotlib创建图表的优势在于，用户可以定制每一个细节，接下来调整柱状图的样式，包括改变柱子的宽度，对齐方式和颜色，以及如何把数值添加到图表中。
 
x = ["A", "B", "C", "D", "E", "F", "G", "H"]
y = [150, 85.2, 65.2, 85, 45, 120, 51, 64]

fig, ax = plt.subplots(figsize=(10, 7))
ax.bar(
    x=x,  # Matplotlib自动将非数值变量转化为x轴坐标
    height=y,  # 柱子高度，y轴坐标
    width=0.6,  # 柱子宽度，默认0.8，两根柱子中心的距离默认为1.0
    align="center",  # 柱子的对齐方式，'center' or 'edge'
    color="grey",  # 柱子颜色
    edgecolor="red",  # 柱子边框的颜色
    linewidth=2.0  # 柱子边框线的大小
)
ax.set_title("Adjust Styles of Bar plot", fontsize=15)

# 一个常见的场景是：每根柱子上方添加数值标签
# 步骤：
# 1. 准备要添加的标签和坐标
# 2. 调用ax.annotate()将文本添加到图表
# 3. 调整样式，例如标签大小，颜色和对齐方式
xticks = ax.get_xticks()
for i in range(len(y)):
    xy = (xticks[i], y[i] * 1.03)
    s = str(y[i])
    ax.annotate(
        s=s,  # 要添加的文本
        xy=xy,  # 将文本添加到哪个位置
        fontsize=12,  # 标签大小
        color="blue",  # 标签颜色
        ha="center",  # 水平对齐
        va="baseline"  # 垂直对齐
    )
 
 
3. 堆积柱状图
 
有时候想在同一根柱子上显示两个不同的数值，即所谓堆积柱状图(stacked bar chart)。
 
假设一个场景，有6家门店，每家门店都销售三种产品，用堆积柱状图显示每家门店三种产品的销量。
 
shops = ["A", "B", "C", "D", "E", "F"]
sales_product_1 = [100, 85, 56, 42, 72, 15]
sales_product_2 = [50, 120, 65, 85, 25, 55]
sales_product_3 = [20, 35, 45, 27, 55, 65]

fig, ax = plt.subplots(figsize=(10, 7))
# 先创建一根柱子，显示第一种产品的销量
ax.bar(shops, sales_product_1, color="red", label="Product_1")
# 第二根柱子“堆积”在第一根柱子上方，通过'bottom'调整，显示第二种产品的销量
ax.bar(shops, sales_product_2, color="blue", bottom=sales_product_1, label="Product_2")
# 第三根柱子“堆积”在第二根柱子上方，通过'bottom'调整，显示第三种产品的销量
ax.bar(shops, sales_product_3, color="green", 
       bottom=np.array(sales_product_2) + np.array(sales_product_1), label="Product_3")

ax.set_title("Stacked Bar plot", fontsize=15)
ax.set_xlabel("Shops")
ax.set_ylabel("Product Sales")
ax.legend()
 
 
4. 分组柱状图
 
分组柱状图的原理跟堆积柱状图类似，但柱子不再是堆叠在一起，而是在相同的X轴标签上分成几根更窄的柱子，这些柱子都属于同一个组。
 
沿用上面的案例。
 
shops = ["A", "B", "C", "D", "E", "F"]
sales_product_1 = [100, 85, 56, 42, 72, 15]
sales_product_2 = [50, 120, 65, 85, 25, 55]
sales_product_3 = [20, 35, 45, 27, 55, 65]

# 创建分组柱状图，需要自己控制x轴坐标
xticks = np.arange(len(shops))

fig, ax = plt.subplots(figsize=(10, 7))
# 所有门店第一种产品的销量，注意控制柱子的宽度，这里选择0.25
ax.bar(xticks, sales_product_1, width=0.25, label="Product_1", color="red")
# 所有门店第二种产品的销量，通过微调x轴坐标来调整新增柱子的位置
ax.bar(xticks + 0.25, sales_product_2, width=0.25, label="Product_2", color="blue")
# 所有门店第三种产品的销量，继续微调x轴坐标调整新增柱子的位置
ax.bar(xticks + 0.5, sales_product_3, width=0.25, label="Product_3", color="green")

ax.set_title("Grouped Bar plot", fontsize=15)
ax.set_xlabel("Shops")
ax.set_ylabel("Product Sales")
ax.legend()

# 最后调整x轴标签的位置
ax.set_xticks(xticks + 0.25)
ax.set_xticklabels(shops)
 
如果喜欢我们的文章，记得点赞和收藏哦，我们每天都会为大家带来Python，数据科学和量化交易的精品内容。
 
【关于我们】
 
蜂鸟数据：国内领先的金融数据API提供商。
 
蜂鸟数据团队由业界顶尖的数据工程师，数据科学家和宽客组成，我们正努力构建一个强大的金融数据库，并提供API接口，目标是令金融数据开源化和平民化。
 
浏览并测试我们接口吧，目前覆盖股票，外汇，商品期货，数字货币和宏观经济领域，包括实时报价(tick)和历史数据(分钟)，提供REST API和Websocket两种接入方式，能够满足金融分析师，量化交易和理财app的需求。
 
需要金融数据？利用蜂鸟API将数据整合到您的应用
 
如果您准备好了，请登录蜂鸟官网，注册免费获取API密钥，然后开始探索我们的金融数据库吧。