精华内容
下载资源
问答
  • 主要介绍了python使用matplotlib绘制柱状图的方法教程,其中实现的柱状图效果包括基本的柱状图、堆叠柱状图、并列柱状图、条形图以及柱状图的各种样式设置,需要的朋友可以参考借鉴,下面来一起看看吧。
  • Python+matplotlib绘制极坐标柱状图(南丁格尔玫瑰图)Python使用折线图、柱状图、热力图比较不同班级相同学号学生的成绩问题描述:有些学校的学号最后两位是根据入学成绩顺序排的,那么入学之后同学们的学习状态...

    Python+matplotlib绘制极坐标柱状图(南丁格尔玫瑰图)

    Python使用折线图、柱状图、热力图比较不同班级相同学号学生的成绩

    问题描述:有些学校的学号最后两位是根据入学成绩顺序排的,那么入学之后同学们的学习状态是否会有变化呢,入学成绩较好的同学是否能够一直保持优势呢,会不会有同学是高考...

    Python+matplotlib绘制三维图形5个精选案例

    接下来就可以使用ax的plot()方法绘制三维曲线、plot_surface()方法绘制三维曲面、scatter()方法绘制三维散点图或bar3d()方法绘制三...

    HenCoder Android 自定义 View 1-5: 绘制顺序

    之前的内容在这里:

    HenCoder Android 开发进阶 自定义 View 1-1 绘制基础

    HenCoder Android 开发进阶 自定义 View...

    Spark 2.0 Structured Streaming 分析

    Spark 2.0 将流式计算也统一到DataFrame里去了,提出了Structured Streaming的概念,将数据源映射为一张无线长度的表,同时将流式...

    Coding集成Jenkins流水账

    运行下列命令生成SSH key pair,生成两个文件deploykey和deploykey.pub:

    流量运营下的移动互联网“风口”

    说到流量,估计能使我们想起很多场景,手机上网需要流量,下个app需要流量,登录个微信需要流量,玩个游戏需要流量,甚至上网充个话费也需要流量,甚至打个电话都喜欢用...

    sqlserver 连接远程sqlserver数据库

    @useself = 'false', /*指定 rmtuser 和 rmtpassword 参数用来连接到特定 locallogin 的 rmtsrvname...

    R中paste cat和sink的用法

    Android绘制优化(二)布局优化

    前言

    我们知道一个界面的测量和绘制是通过递归来完成的,减少布局的层数就会减少测量和绘制的时间,从而性能就会得到提升。当然这只是布局优化的一方面,那么如何来进行布...

    展开全文
  • 主要为大家详细介绍了python使用matplotlib柱状图、散点图,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
  • python使用matplotlib绘制折线教程Matplotlib是一个Python工具箱,用于科学计算的数据可视化.借助它,Python可以绘制如Matlab和Octave多种多样的数据图形.下面这篇文章主要介绍了python使用matplot ...Python使用...

    python使用matplotlib绘制折线图教程

    Matplotlib是一个Python工具箱,用于科学计算的数据可视化.借助它,Python可以绘制如Matlab和Octave多种多样的数据图形.下面这篇文章主要介绍了python使用matplot ...

    Python使用matplotlib绘制三维曲线

    本文主要演示如何使用matplotlib绘制三维图形 代码如下: # -*- coding: UTF-8 -*- import matplotlib as mpl from mpl_toolkits. ...

    python包matplotlib绘制图像

    使用matplotlib绘制图像 import matplotlib.pyplot as plt from matplotlib.pyplot import MultipleLocator impor ...

    matplotlib绘制柱状图

    参考自Matplotlib Python 画图教程 (莫烦Python)(11)_演讲•公开课_科技_bilibili_哔哩哔哩 https://www.bilibili.com/video/av16 ...

    matplotlib 绘制柱状图的几个例子

    1 error bar #!/usr/bin/env python # a bar plot with errorbars import numpy as np import matplotlib.p ...

    Python 使用 matplotlib绘制3D图形

    3D图形在数据分析.数据建模.图形和图像处理等领域中都有着广泛的应用,下面将给大家介绍一下如何在Python中使用 matplotlib进行3D图形的绘制,包括3D散点.3D表面.3D轮廓.3D直线( ...

    广义mandelbrot集,使用python的matplotlib绘制,支持放大缩小

    迭代公式的指数,使用的1+5j,这是个复数.所以是广义mandelbrot集,大家能够自行改动指数,得到其它图形.各种库安装不全的,自行想办法,能够在这个站点找到差点儿全部的python库 http: ...

    Python:matplotlib绘制直方图

    使用hist方法来绘制直方图:     绘制直方图,最主要的是一个数据集data和需要划分的区间数量bins,另外你也可以设置一些颜色.类型参数: plt.hist(np.random.randn(1 ...

    Python:matplotlib绘制线条图

    线型图是学习matplotlib绘图的最基础案例.我们来看看具体过程:  下面我们将两条曲线绘制到一个图形里:   可以看到这种方式下,两个线条共用一个坐标轴,并且自动区分颜色. plot方法的核心是 ...

    展开全文
  • Python 使用 matplotlib 画图是非常方便的,之前的文章记录了《Python 使用 matplotlib 画折线图教程》,今天就再次记录一下使用 matplotlib柱状图的教程。一般来说,也就折线图和柱状图这两种图比较常见,所以...

    4f6539a815becd99d8886926c15e9c59.png

    Python 使用 matplotlib 画图是非常方便的,之前的文章记录了《Python 使用 matplotlib 画折线图教程》,今天就再次记录一下使用 matplotlib 画柱状图的教程。一般来说,也就折线图和柱状图这两种图比较常见,所以基本上老唐也就用了这两个。

    一、基本柱状图

    代码:import matplotlib.pyplot as plt

    data = [5, 20, 15, 25, 10]

    plt.bar(range(len(data)), data)

    plt.show()

    效果:

    dfe15ba30c435db24e1c84fd67d2abfa.png

    二、并列柱状图

    绘制并列柱状图与堆叠柱状图类似,都是绘制多组柱体,只需要控制好每组柱体的位置和大小即可。例如:

    import numpy as np

    import matplotlib.pyplot as plt

    size = 5

    x = np.arange(size)

    a = np.random.random(size)

    b = np.random.random(size)

    c = np.random.random(size)

    total_width, n = 0.8, 3

    width = total_width / n

    x = x - (total_width - width) / 2

    plt.bar(x, a, width=width, label='a')

    plt.bar(x + width, b, width=width, label='b')

    plt.bar(x + 2 * width, c, width=width, label='c')

    plt.legend()

    plt.show()

    效果:

    ee6a87dfbc660186130443f51ced2a7e.png

    如果想加点坐标轴标题什么的,参考下面的代码,我就不提取了,大家看一下就懂:#柱状图

    import numpy as np

    import matplotlib.pyplot as plt

    ATT_LSTM = [0.8892,0.861,0.9243]

    MATT_CNN = [0.8966,0.8556,0.9316]

    ATT_RLSTM = [0.8867,0.8543,0.9344]

    CNN_RLSTM = [0.9016,0.8636,0.9435]

    #x = ['REST','LAPT','AUTO']

    x = np.arange(3) #总共有几组,就设置成几,我们这里有三组,所以设置为3

    total_width, n = 0.8, 4 # 有多少个类型,只需更改n即可,比如这里我们对比了四个,那么就把n设成4

    width = total_width / n

    x = x - (total_width - width) / 2

    plt.bar(x, ATT_LSTM, color = "r",width=width,label='ATT-LSTM ')

    plt.bar(x + width, MATT_CNN, color = "y",width=width,label='MATT-CNN')

    plt.bar(x + 2 * width, ATT_RLSTM , color = "c",width=width,label='ATT-RLSTM')

    plt.bar(x + 3 * width, CNN_RLSTM , color = "g",width=width,label='CNN-RLSTM')

    plt.xlabel("dataset")

    plt.ylabel("accuracy")

    plt.legend(loc = "best")

    plt.xticks([0,1,2],['REST','LAPT','AUTO'])

    my_y_ticks = np.arange(0.8, 0.95, 0.02)

    plt.ylim((0.8, 0.95))

    plt.yticks(my_y_ticks)

    plt.show()

    参考文献:

    展开全文
  • Python matplotlib绘制柱状图

    千次阅读 2020-11-08 22:48:21
    Python matplotlib绘制柱状图

    Python matplotlib绘制柱状图

    前面的文章介绍了使用matplotlib绘制折线图和散点图,本篇文章继续介绍使用matplotlib绘制柱状图。

    一、数据准备

    本篇文章使用S10总决赛从8强开始各位置的数据。每一局数据的第一个列表都是胜方数据,第二个列表都是负方数据。

    # coding=utf-8
    data = {
        "DWG-DRX1": [[(3, 2, 4), (2, 0, 4), (1, 0, 1), (3, 1, 4), (0, 0, 4)],
                     [(2, 3, 1), (0, 2, 1), (1, 0, 0), (0, 2, 1), (0, 2, 2)]],
        "DWG-DRX2": [[(1, 2, 8), (6, 1, 5), (2, 1, 8), (3, 1, 7), (0, 2, 7)],
                     [(3, 3, 1), (0, 2, 5), (1, 3, 4), (2, 2, 4), (1, 2, 4)]],
        "DWG-DRX3": [[(2, 2, 10), (7, 0, 6), (5, 0, 8), (3, 1, 6), (4, 4, 4)],
                     [(3, 4, 0), (2, 6, 2), (1, 3, 0), (1, 3, 3), (0, 5, 3)]],
        "SN-JDG1": [[(4, 2, 9), (3, 1, 9), (5, 1, 11), (7, 3, 10), (1, 6, 7)],
                    [(3, 5, 8), (1, 5, 7), (2, 5, 7), (7, 2, 6), (0, 3, 10)]],
        "SN-JDG2": [[(7, 2, 12), (7, 2, 14), (2, 0, 16), (9, 0, 12), (1, 4, 13)],
                    [(2, 6, 2), (2, 6, 4), (0, 4, 7), (4, 4, 1), (0, 6, 7)]],
        "SN-JDG3": [[(5, 1, 5), (5, 1, 9), (3, 1, 8), (3, 1, 7), (1, 3, 11)],
                    [(0, 4, 2), (1, 2, 4), (0, 4, 3), (3, 1, 4), (3, 6, 3)]],
        "SN-JDG4": [[(2, 2, 4), (3, 2, 5), (1, 0, 10), (7, 1, 5), (0, 2, 12)],
                    [(2, 3, 1), (2, 3, 3), (1, 3, 4), (0, 2, 6), (2, 2, 3)]],
        "TES-FNC1": [[(2, 3, 8), (4, 2, 6), (2, 0, 8), (6, 0, 8), (1, 0, 10)],
                     [(0, 3, 3), (1, 3, 3), (4, 0, 0), (0, 6, 2), (0, 3, 3)]],
        "TES-FNC2": [[(0, 2, 10), (8, 1, 4), (4, 0, 6), (4, 1, 5), (1, 2, 13)],
                     [(3, 2, 3), (1, 4, 5), (1, 2, 3), (0, 2, 6), (1, 7, 1)]],
        "TES-FNC3": [[(3, 1, 4), (3, 1, 9), (3, 1, 7), (7, 1, 2), (0, 2, 12)],
                     [(0, 4, 3), (2, 6, 4), (2, 3, 2), (2, 0, 4), (0, 3, 3)]],
        "TES-FNC4": [[(1, 2, 7), (10, 1, 7), (6, 2, 5), (0, 4, 16), (1, 4, 12)],
                     [(2, 3, 3), (3, 1, 5), (1, 4, 8), (4, 3, 5), (3, 7, 5)]],
        "TES-FNC5": [[(1, 2, 1), (4, 1, 6), (4, 0, 6), (4, 1, 5), (0, 1, 6)],
                     [(2, 2, 1), (2, 3, 1), (0, 4, 1), (0, 1, 2), (0, 3, 2)]],
        "G2-GEN1": [[(4, 0, 7), (2, 2, 11), (4, 1, 11), (6, 1, 6), (3, 0, 10)],
                    [(0, 5, 2), (3, 4, 1), (1, 3, 2), (0, 4, 1), (0, 3, 2)]],
        "G2-GEN2": [[(3, 3, 14), (4, 3, 12), (11, 0, 11), (9, 2, 13), (1, 3, 15)],
                    [(3, 8, 1), (2, 5, 3), (2, 6, 5), (4, 4, 2), (0, 5, 7)]],
        "G2-GEN3": [[(2, 5, 11), (7, 2, 10), (6, 3, 13), (7, 3, 11), (1, 1, 18)],
                    [(4, 5, 8), (2, 6, 7), (5, 4, 6), (3, 2, 6), (0, 6, 7)]],
        "DWG-G21": [[(4, 0, 12), (7, 2, 9), (4, 2, 11), (6, 0, 9), (1, 2, 8)],
                    [(1, 5, 1), (3, 5, 2), (2, 5, 3), (0, 2, 3), (0, 5, 4)]],
        "DWG-G22": [[(4, 2, 7), (5, 1, 9), (6, 2, 11), (7, 3, 9), (3, 1, 11)],
                    [(0, 7, 1), (0, 4, 4), (4, 4, 2), (3, 4, 1), (1, 6, 2)]],
        "DWG-G23": [[(3, 1, 9), (6, 2, 5), (5, 2, 6), (8, 2, 7), (0, 3, 13)],
                    [(1, 3, 3), (3, 3, 4), (1, 4, 3), (2, 3, 3), (3, 9, 4)]],
        "DWG-G24": [[(5, 0, 3), (2, 0, 7), (2, 0, 10), (2, 1, 3), (4, 1, 4)],
                    [(0, 5, 1), (1, 3, 0), (0, 3, 1), (1, 2, 1), (0, 2, 1)]],
        "SN-TES1": [[(5, 1, 5), (3, 1, 6), (1, 0, 4), (2, 3, 3), (0, 2, 3)],
                    [(2, 4, 0), (0, 1, 4), (1, 2, 2), (4, 2, 0), (0, 2, 4)]],
        "SN-TES2": [[(5, 1, 4), (1, 2, 5), (3, 1, 7), (3, 3, 4), (0, 0, 7)],
                    [(2, 1, 2), (1, 3, 5), (2, 5, 4), (2, 2, 0), (0, 1, 5)]],
        "SN-TES3": [[(3, 0, 7), (2, 2, 4), (2, 1, 4), (5, 2, 4), (1, 2, 7)],
                    [(0, 3, 3), (2, 3, 3), (3, 1, 1), (0, 4, 4), (2, 2, 2)]],
        "SN-TES4": [[(5, 2, 4), (1, 3, 16), (8, 1, 8), (6, 4, 9), (1, 8, 13)],
                    [(1, 2, 10), (9, 5, 4), (1, 4, 9), (5, 6, 10), (2, 4, 12)]],
        "DWG-SN1": [[(2, 2, 11), (5, 3, 9), (8, 1, 11), (4, 2, 12), (2, 4, 7)],
                    [(1, 5, 5), (5, 4, 4), (3, 3, 2), (2, 3, 3), (1, 6, 3)]],
        "DWG-SN2": [[(10, 1, 4), (2, 1, 10), (3, 3, 11), (3, 3, 10), (2, 4, 7)],
                    [(0, 4, 8), (5, 4, 2), (5, 6, 2), (2, 3, 5), (0, 3, 9)]],
        "DWG-SN3": [[(3, 3, 10), (5, 2, 8), (3, 3, 3), (5, 1, 6), (0, 2, 8)],
                    [(3, 6, 5), (1, 2, 2), (4, 3, 2), (2, 3, 3), (1, 2, 6)]],
        "DWG-SN4": [[(2, 0, 12), (8, 0, 7), (1, 3, 5), (9, 1, 5), (4, 3, 4)],
                    [(2, 9, 1), (1, 5, 2), (2, 2, 0), (2, 4, 2), (0, 4, 3)]],
    }

    二、matplotlib绘制柱状图

    import matplotlib.pyplot as plt
    from numpy import mean
    
    
    location = ["上单", "打野", "中单", "下路", "辅助"]
    up_kill = [[team[0][0] for team in value] for value in data.values()]
    wild_kill = [[team[1][0] for team in value] for value in data.values()]
    mid_kill = [[team[2][0] for team in value] for value in data.values()]
    down_kill = [[team[3][0] for team in value] for value in data.values()]
    aux_kill = [[team[4][0] for team in value] for value in data.values()]
    # noinspection PyTypeChecker
    avg_kill = [round(mean(kill), 2) for kill in [up_kill, wild_kill, mid_kill, down_kill, aux_kill]]
    plt.figure(figsize=(10, 10), dpi=100)
    plt.bar(location, avg_kill, width=0.5, color=['b', 'y', 'c', 'r', 'g'])
    plt.xticks(fontsize=14)
    plt.yticks(range(0, 6, 1), fontsize=14)
    for a, b in zip(range(5), avg_kill):
        plt.text(a, b+0.1, '%.02f' % b, ha='center', va='bottom', fontsize=14)
    plt.grid(linestyle="--", alpha=0.5)
    plt.xlabel("位置", fontsize=16)
    plt.ylabel("场均击杀", fontsize=16, rotation=0)
    plt.title("S10总决赛各位置场均击杀", fontsize=16)
    plt.show()

    运行结果:

    bar(): matplotlib中绘制柱状图的函数。可以传入很多参数,一般传入三个参数,前两个参数传入柱状图的x值列表和y值列表,第三个传入关键字参数width='宽度',宽度一般使用0~1之间的数据。其他参数根据需要添加,如设置颜色的color参数。

    mean(): numpy中用于计算平均值的函数,可以用于计算一个数组的平均值,数据可以是列表,也可以是嵌套结构的列表。

    round(): Python内置函数,用于处理浮点数的小数位数。

    zip(): Python内置函数,用于将可迭代对象中对应的元素打包成一个个元组,然后返回由这些元组组成的列表。

    text(): matplotlib中用于设置柱状图的数据标注的方法。前两个参数用于设置数据标注显示的位置,第三个参数用于设置数据标注显示的内容。其他参数根据需要添加,如ha参数用于设置标注的左右位置,'center', 'right', 'left',va参数用于设置标注的上下位置,'top', 'bottom', 'center', 'baseline', 'center_baseline'。

    柱状图主要用于绘制离散的数据,通过柱状图的高度能够一眼看出各个数据的大小关系,比较数据之间的差别。

    上面的柱状图中,绘制的是S10总决赛从8强到决赛的所有比赛中,各位置(包含胜方和负方)的平均击杀数据。通过柱状图,各位置的击杀数大小关系一目了然。

    上面的代码中,前面很大一部分都是在解析数据,图形中只用到了数据中的击杀数据,展示了各位置的场均击杀数。接下来使用多组柱状图来展示各位置更全面的数据。

    三、matplotlib绘制多组柱状图

    import matplotlib.pyplot as plt
    from numpy import mean
    
    
    location = ["上单", "打野", "中单", "下路", "辅助"]
    loc_kill, loc_die, loc_assists = [[list() for _ in range(5)] for _ in range(3)]
    for i in range(5):
        loc_kill[i] = [[team[i][0] for team in value] for value in data.values()]
        loc_die[i] = [[team[i][1] for team in value] for value in data.values()]
        loc_assists[i] = [[team[i][2] for team in value] for value in data.values()]
    # noinspection PyTypeChecker
    avg_kill = [round(mean(kill), 2) for kill in loc_kill]
    # noinspection PyTypeChecker
    avg_die = [round(mean(die), 2) for die in loc_die]
    # noinspection PyTypeChecker
    avg_assists = [round(mean(assists), 2) for assists in loc_assists]
    plt.figure(figsize=(20, 10), dpi=100)
    x = range(len(location))
    plt.bar([i-0.2 for i in x], avg_kill, width=0.2, color='b')
    plt.bar(x, avg_die, width=0.2, color='r')
    plt.bar([i+0.2 for i in x], avg_assists, width=0.2, color='g')
    for a, b in zip(x, avg_kill):
        plt.text(a-0.2, b+0.1, '%.02f' % b, ha='center', va='bottom', fontsize=14)
    for a, b in zip(x, avg_die):
        plt.text(a, b+0.1, '%.02f' % b, ha='center', va='bottom', fontsize=14)
    for a, b in zip(x, avg_assists):
        plt.text(a+0.2, b+0.1, '%.02f' % b, ha='center', va='bottom', fontsize=14)
    plt.xticks(x, location, fontsize=14)
    plt.yticks(range(0, 9, 1), fontsize=14)
    plt.grid(linestyle="--", alpha=0.5)
    plt.legend(['击杀', '死亡', '助攻'], fontsize=16, markerscale=0.5)
    plt.xlabel("位置", fontsize=18)
    plt.ylabel("场均数据", fontsize=18, rotation=0)
    plt.title("S10总决赛各位置场均数据", fontsize=18)
    plt.show()

    运行结果:

    要在同一张图像中绘制多组柱状图,多次调用bar()函数即可。这样的场景非常多,如本文中比较S10总决赛各位置的数据,除了比较击杀数,将死亡数和助攻数一起比较会更合理。

    绘制多组柱状图时,要对柱状图的x轴进行调整,如有三组柱状图,左边一组的x轴要左移,右边一组的x轴要右移,移动的距离是中间一组柱状图的宽度。一般情况下,三组柱状图的宽度相等。

    对于多组柱状图,一般同一组使用相同的颜色,展示效果会更好。并且设置好图例对不同颜色的柱状图做好说明。

    从这张图像来看,打野、中单、下路的数据差异不大,与上路和辅助对比,比较吻合游戏中的定位。不过这张图中的数据是胜方和负方数据的均值,为了更准确地分析各位置对胜利的贡献,可以将胜方和负方的数据分开,比较对位数据。

    四、matplotlib绘制多张多组柱状图

    import matplotlib.pyplot as plt
    from matplotlib import ticker
    from numpy import mean
    
    
    location = ["上单", "打野", "中单", "下路", "辅助"]
    win_loc_kill, win_loc_die, win_loc_assists = [[list() for _ in range(5)] for _ in range(3)]
    lose_loc_kill, lose_loc_die, lose_loc_assists = [[list() for _ in range(5)] for _ in range(3)]
    for i in range(5):
        win_loc_kill[i] = [value[0][i][0] for value in data.values()]
        win_loc_die[i] = [value[0][i][1] for value in data.values()]
        win_loc_assists[i] = [value[0][i][2] for value in data.values()]
        lose_loc_kill[i] = [value[1][i][0] for value in data.values()]
        lose_loc_die[i] = [value[1][i][1] for value in data.values()]
        lose_loc_assists[i] = [value[1][i][2] for value in data.values()]
    # noinspection PyTypeChecker
    win_avg_kill = [round(mean(kill), 2) for kill in win_loc_kill]
    # noinspection PyTypeChecker
    win_avg_die = [round(mean(die), 2) for die in win_loc_die]
    # noinspection PyTypeChecker
    win_avg_assists = [round(mean(assists), 2) for assists in win_loc_assists]
    # noinspection PyTypeChecker
    lose_avg_kill = [round(mean(kill), 2) for kill in lose_loc_kill]
    # noinspection PyTypeChecker
    lose_avg_die = [round(mean(die), 2) for die in lose_loc_die]
    # noinspection PyTypeChecker
    lose_avg_assists = [round(mean(assists), 2) for assists in lose_loc_assists]
    fig, axs = plt.subplots(nrows=2, ncols=1, figsize=(20, 16), dpi=100)
    x = range(len(location))
    axs[0].bar([i-0.2 for i in x], win_avg_kill, width=0.2, color='b')
    axs[0].bar(x, win_avg_die, width=0.2, color='r')
    axs[0].bar([i+0.2 for i in x], win_avg_assists, width=0.2, color='g')
    axs[1].bar([i-0.2 for i in x], lose_avg_kill, width=0.2, color='b')
    axs[1].bar(x, lose_avg_die, width=0.2, color='r')
    axs[1].bar([i+0.2 for i in x], lose_avg_assists, width=0.2, color='g')
    for a, b in zip(x, win_avg_kill):
        axs[0].text(a-0.2, b+0.1, '%.02f' % b, ha='center', va='bottom', fontsize=14)
    for a, b in zip(x, win_avg_die):
        axs[0].text(a, b+0.1, '%.02f' % b, ha='center', va='bottom', fontsize=14)
    for a, b in zip(x, win_avg_assists):
        axs[0].text(a+0.2, b+0.1, '%.02f' % b, ha='center', va='bottom', fontsize=14)
    for a, b in zip(x, lose_avg_kill):
        axs[1].text(a-0.2, b+0.1, '%.02f' % b, ha='center', va='bottom', fontsize=14)
    for a, b in zip(x, lose_avg_die):
        axs[1].text(a, b+0.1, '%.02f' % b, ha='center', va='bottom', fontsize=14)
    for a, b in zip(x, lose_avg_assists):
        axs[1].text(a+0.2, b+0.1, '%.02f' % b, ha='center', va='bottom', fontsize=14)
    for i in range(2):
        axs[i].xaxis.set_major_locator(ticker.FixedLocator(x))
        axs[i].xaxis.set_major_formatter(ticker.FixedFormatter(location))
        axs[i].set_yticks(range(0, 11, 2))
        axs[i].grid(linestyle="--", alpha=0.5)
        axs[i].legend(['击杀', '死亡', '助攻'], loc='upper left', fontsize=16, markerscale=0.5)
        axs[i].set_xlabel("位置", fontsize=18)
        axs[i].set_ylabel("场均数据", fontsize=18, rotation=0)
    axs[0].set_title("S10总决赛胜方各位置场均数据", fontsize=18)
    axs[1].set_title("S10总决赛负方各位置场均数据", fontsize=18)
    plt.show()

    运行结果:

    subplots(): 用于在同一张图像中绘制多张图表,包含折线图、散点图和柱状图等。通过nrows, ncols两个参数设置图表的张数和排列方式。subplots()函数返回两个参数,一个是图像对象fig,一个是可迭代的图表数组axs(类型为numpy中的数组对象)。绘制每一张图表时,从axs中取出每一张图表对象,再调用bar()函数绘制柱状图,要在一张图表中绘制多组柱状图,多次调用bar()函数即可。

    每一张图表中的标签、标题、样式、图例等都需要单独设置。在设置坐标轴、标签、标题时,使用'set_'开头的方法进行设置,如设置x轴标签用set_xlabel()。

    因为matplotlib版本的原因,在matplotlib3.2后,设置x轴的刻度标签时,需要导入matplotlib中的ticker模块,使用ticker模块中的FixedLocator和FixedFormatter两个类来设置x轴的刻度显示指定的值,否则x轴的刻度只能显示绘图时的数字1,2,3...,使用set_xticks()和set_xticklabels()都不能实现。

    最后,将数据中的胜方和负方分开比较,可以看出对位数据最好的位置是中路,其次是打野。这就是使用matplotlib绘制柱状图的简单介绍,需要进行更多比较和分析可以做更多尝试。

     

     

    展开全文
  • Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用,提供了一种有效的 MatLab 开源替代方案。 它也可以和图形工具包一起使用,如 PyQt 和 wxPython。本文由浅入深,教你画柱状图
  • 动态作图:产生数据,获取并更新数据,最后刷新显示,可用于实现数据实时采集并显示的场景 效果展示 代码块(业务与逻辑分离)业务–UI界面代码 文件名:Ui_realtimer_plot.py # -*- coding: utf-8 -*- # Added by...
  • matplotlib 绘制柱状图

    2021-08-20 15:45:40
    matplotlib 绘制柱状图代码效果 代码 import matplotlib.pyplot as plt import numpy as np plt.rcParams['font.sans-serif'] = ['SimHei'] # 步骤一(替换sans-serif字体) plt.rcParams['axes.unicode_minus']...
  • 在制作图标时需要绘制柱状图,下面对其进行了绘制:主要就是使用matplotlib的bar函数。 bar函数官方API为 【matplotlib.pyplot.bar】 import numpy as np import matplotlib.pyplot as plt iter_set_PGD = [(0.8820...
  •    主要讲解如何使用Matplotlib绘制柱状图… # import numpy as np import matplotlib.pyplot as plt Type 1 a = (20, 30, 30, 35, 27) b = (25, 40, 34, 20, 25) ind = np.arange(len(a)) width = 0.35 p1 = ...
  • classNameList ['动作游戏', '卡牌游戏', '娱乐场游戏', '体育游戏', '街机游戏', '策略游戏', '文字游戏', '模拟游戏', '角色扮演游戏', '桌面游戏'] 2、绘制柱状图 # 显示高度 def autolabel(rects): for rect ...
  • Matplotlib柱状图

    2021-07-15 17:05:51
    导入库import matplotlib.pyplot,柱状图是pyplot的子模块,不能直接导入matplotlib 常用参数详解 matplotlib.pyplot.bar(x, height, width: float = 0.8, bottom = None, *, align: str = ‘center’, data = ...
  • 使用matplotlib绘制柱状图

    千次阅读 2019-04-15 16:58:46
    matplotlib中的hist方法 matplotlib.pyplot.hist(x,bins = None,range = None,density = None,weights = None,cumulative = False,bottom = None,histt​​ype ='bar',align ='mid',orientation ='...
  • 1、柱状图和条形图的概念与比较 (1)标记:矩形 (2)必备的视觉通道:矩形的高(宽)度与x (y)坐标次序 常见的视觉通道:色彩、纹理、y (x)坐标绝对位置 (3)适用场景:小规模数据集中,显示各个数据大小、...
  • Python——使用matplotlib绘制柱状图

    万次阅读 多人点赞 2017-05-11 17:05:18
    Python——使用matplotlib绘制柱状图 1、基本柱状图  首先要安装matplotlib 可以使用pip命令直接安装 # -*- coding: utf-8 -*- import matplotlib.pyplot as plt num_list = [1.5,0.6,7.8,6] plt.bar(range(len...
  • 柱状图: import matplotlib.pyplot as plt from matplotlib.font_manager import FontProperties # 这两行代码解决 plt 中文显示的问题 my_font= FontProperties(fname=r"C:\Windows\Fonts\simsun.ttc", size=14) ...
  • Python 为数据展示提供了大量优秀的功能包,其中 matplotlib 模块可以方便绘制制作折线图、柱状图、散点图等高质量的数据包。 关于 matplotlib 模块,我们前期已经对matplotlib进行基本框架、以及常用方法的学习 ...
  • matplotlib 绘制柱状图且上方显示数据

    千次阅读 2021-06-03 20:03:14
    在绘制柱状图时,有时我们需要在柱体最上方显示数据 代码部分 基于python3.6 Jupyter Nootbook import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] # 显示中文 fig = plt.figure...
  • 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...
  • 问题描述:绘制柱状图时,如果横轴刻度名过程,文字之间容易发生重叠,如图所示:image.png代码:plt.bar(left=range(10), height=list(imgNum_per_type.values()) ,width=1)plt.xlabel("颜色", fontproperties=font...
  • Python 使用 matplotlib 画图是非常方便的,之前的文章记录了《Python 使用 matplotlib 画折线图教程》,今天就再次记录一下使用 matplotlib柱状图的教程。一般来说,也就折线图和柱状图这两种图比较常见,所以...
  • Python笔记:用matplotlib绘制柱状图

    千次阅读 2020-11-20 19:47:45
    matplotlib是Python中最基本的绘图库,而柱状图又是使用频率较高的可视化图形。下面我就在有pyecharts库和R语言,echarts绘图经验的基础上,简单得摸索一下用matplotlib绘制柱状图的方法。代码如下:# 导入相关的库...
  • 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
  • 柱状图 import pandas as pd import matplotlib.pyplot as plt # 遇到数据中有中文的时候,一定要先设置中文字体 plt.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文 # 解决坐标轴负号问题 plt.rcParams...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 14,424
精华内容 5,769
关键字:

matplotlib动态柱状图