python数据可视化 - matplotlib专题:带数据标签的双batch的Bar图绘制示例

简介: python数据可视化 - matplotlib专题:带数据标签的双batch的Bar图绘制示例

基于matplotlib的双Batch带标签bar图生成函数


【代码实现】

import matplotlib
import matplotlib.pyplot as plt
import numpy as np
def barchart_ax_2Batch(title,
                    xlabel,ylabel,
                    batch1_name,batch2_name,
                    x_text,batch1,batch2,
                    background_color,Batch1_color,Batch2_color):
    plt.rcParams['font.sans-serif'] = ['KaiTi']           # 指定默认字体以解决中文乱码
    x = np.arange(len(x_text))
    width = 0.35
    fig, ax = plt.subplots()
    rects1 = ax.bar(x - width/2, batch1, width, label = batch1_name, color = Batch1_color)   
                                            #- width/2右移一半宽度
    rects2 = ax.bar(x + width/2, batch2, width, label = batch2_name, color = Batch2_color)   
                                            #+ width/2左移一半宽度 否则两图会重合
    ax.patch.set_facecolor(background_color)     #设置背景色
     # 设置各种标签名称的数据来源
    ax.set_title(title)              #添加标题
    ax.set_xlabel(xlabel)           #添加横轴标题(标签)
    ax.set_ylabel(ylabel)           #添加纵轴标题(标签)
    ax.set_xticks(x)               #以列表x中的内容为所作图横轴刻度
    ax.set_xticklabels(x_text)       #添加横轴数据/文本
    ax.legend()                  #添加图例
    #为Batch1添加数据标签
    for rect in rects1:
        height = rect.get_height()
        ax.annotate('{}'.format(height),      
            xy=(rect.get_x() + rect.get_width() / 2, height),
            xytext=(0,3),                                # 3 points vertical offset
            textcoords="offset points",
            ha='center', va='bottom')
    #为Batch2添加数据标签
    for rect in rects2:
        height = rect.get_height()
        ax.annotate('{}'.format(height),      
            xy=(rect.get_x() + rect.get_width() / 2, height),
            xytext=(0,3), 
            textcoords="offset points",
            ha='center', va='bottom')
            plt.grid(linestyle = "dotted",color = "r")    #添加网格线
    fig.tight_layout()
    plt.show()

【调用实例】

新手调用时,请尽量按照两部走的原则:

  • 1.先定义各种待传入函数接口的数据,
  • 2.调用函数。
    参数很多时不要把所有参数的取值都写到调用函数处,这样将降低可读性。
#定义各种名称
title = '期末平均考成绩比较图'
xlabel = '科目'
ylabel = '得分'
batch1_name = '高2020-07班'
batch2_name = '高2020-09班'
#定义数据值
x_text = ['语文', '数学', '英语', '物理', '化学' ,'生物']
batch1 = [87, 118, 101, 106, 76, 71]
batch2 = [112, 97, 116, 99, 89, 83]
#定义颜色
background_color = "lightskyblue"
Batch1_color = "red"
Batch2_color = "blue"
#最后调用函数以绘图
barchart_ax_2Batch(title,
                 xlabel,ylabel,
                 batch1_name,batch2_name,
                 x_text,batch1,batch2,
                 background_color,Batch1_color,Batch2_color)

生成图片效果如下:

内容仅供参考,如需使用请指明出处。



202012.29.更新/回复

【事项记录】:有同学留言,说想要绘制百分比标签的。其实这不难。可以如下思路操作:

  • 1.输入数据前先表列表中的数据标准化,即处理成百分数的一百倍。比如百分之97.15%则处理成97.15
  • 2.对函数中格式化操作稍微更改。
    还是用上面的数据举个栗子吧,假设我们想得到两个班同学各科成绩占满分的占比。
import matplotlib
import matplotlib.pyplot as plt
import seaborn as sns
def bar_2batch( x_labels,y1,y2,
                       title=None,xtitle=None,ytitle=None,
                       legend1=None,legend2=None,
                       background_color="#ffffff",Batch1_color="#5B9BD5",Batch2_color="#ED7D31"):
   plt.rcParams['font.sans-serif'] = ['KaiTi']
   pylab.rcParams['figure.figsize'] = (7.0, 4.0)
   x = np.arange(len(x_labels))
   width = 0.25
   fig, ax = plt.subplots()
   rects1 = ax.bar(x - width/2, y1, width, label = legend1, color = Batch1_color)   
   rects2 = ax.bar(x + width/2, y2, width, label = legend2, color = Batch2_color)   
   ax.patch.set_facecolor(background_color)
   ax.set_title(title)
   ax.set_xlabel(xtitle)
   ax.set_ylabel(ytitle) 
   ax.set_xticks(x) 
   ax.set_xticklabels(x_labels)
   if (legend1 is not None) or (legend1 is not None):  
       ax.legend()
   def add_dlb(rects):
       for rect in rects:
           height = rect.get_height()
           ax.annotate('{0:.2f}%'.format(height), xy=(rect.get_x() + rect.get_width() / 2, height),xytext=(0,3), textcoords="offset >points", ha='center', va='bottom')
   add_dlb(rects1)
   add_dlb(rects2)
   plt.grid(linestyle = "-",color = "#DBDBDB") 
   fig.tight_layout()
   plt.show()
# 定义各种名称
title = '两班学生各科目成绩满分比'
xtitle = '科目'
ytitle = '得分'
legend1 = '高2020-07班'
legend2 = '高2020-09班'
# 定义数据值
x_labels = ['语文', '数学', '英语', '物理', '化学' ,'生物']
y1 = [87/150*100, 118/150*100, 101/150*100, 96/100*100, 76/100*100, 71/100*100]
y2 = [112/150*100, 97/150*100, 116/150*100, 99/100*100, 89/100*100, 83/100*100]
# 最后调用函数以绘图
bar_2batch(x_labels,y1,y2,title=title,legend1=legend1,legend2=legend2)

效果如图所示:

由于定义了默认参数,当不需要要标题等参数的时候,你甚至也可以只给出数据。比如:

bar_2batch(x_labels,y1,y2)

其运行结果为:


20201230 更新日志

顺便补充一点,如果绘制单Batch的,又想使用seaborn主题,还想在jupyter中改变尺寸大小,好。那么一下这个内容适合你。当然多Batch只要将之前的代码同理稍作修改就好了。


直接给出代码吧:

import matplotlib
import matplotlib.pyplot as plt
import numpy as np
import pylab
import seaborn as sns
sns.set(style="darkgrid")
def bar_1batch( x_labels,y1,title=None,xtitle=None,ytitle=None,legend1=None,Batch1_color="#5B9BD5"):
    plt.rcParams['font.sans-serif'] = ['KaiTi']           # 指定默认字体以解决中文乱码
    x = np.arange(len(x_labels))
    width = 0.75
    fig, ax = plt.subplots()
    rects1 = ax.bar(x - width/2, y1, width, label = legend1, color = Batch1_color)
    if legend1 != None:
        ax.legend()                        #添加图例
    ax.set_title(title)               #添加标题
    ax.set_xlabel(xtitle)             #添加横轴标题(标签)
    ax.set_ylabel(ytitle)             #添加纵轴标题(标签)
    ax.set_xticks(x)                   #以列表x中的内容为所作图横轴刻度
    ax.set_xticklabels(x_labels)       #添加横轴数据/文本
    pylab.rcParams['figure.figsize'] = (16.0, 5.0)
    plt.rcParams['font.sans-serif'] = ['KaiTi']
    matplotlib.rcParams['axes.unicode_minus'] = False
    def add_dlb(rects):
        for rect in rects:
            height = rect.get_height()
            ax.annotate('{}'.format(height), xy=(rect.get_x() + rect.get_width() / 2, height),xytext=(0,3), textcoords="offset points", ha='center', va='bottom')
    add_dlb(rects1)
    plt.grid(linestyle = "-",color = "#DBDBDB")
    fig.tight_layout()
    plt.show()
# 定义数据
n=36
x_labels = [str(i) for i in range(n)]
y1 = np.random.randint(10,90,size=(1,n),dtype=int)[0]
#最后调用写好的函数绘图
bar_1batch(x_labels,y1)

在jupyter中运行结果如下图所示:

这样就控制图像的大小让我们看起来更“爽”。

目录
打赏
0
0
0
0
333
分享
相关文章
1688商品详情API实战:Python调用全流程与数据解析技巧
本文介绍了1688电商平台的商品详情API接口,助力电商从业者高效获取商品信息。接口可返回商品基础属性、价格体系、库存状态、图片描述及商家详情等多维度数据,支持全球化语言设置。通过Python示例代码展示了如何调用该接口,帮助用户快速上手,适用于选品分析、市场研究等场景。
Python中使用Flask-SQLAlchemy对数据库的增删改查简明示例
这样我们就对Flask-SQLAlchemy进行了一次简明扼要的旅程,阐述了如何定义模型,如何创建表,以及如何进行基本的数据库操作。希望你在阅读后能对Flask-SQLAlchemy有更深入的理解,这将为你在Python世界中从事数据库相关工作提供极大的便利。
244 77
淘宝商品详情API的调用流程(python请求示例以及json数据示例返回参考)
JSON数据示例:需要提供一个结构化的示例,展示商品详情可能包含的字段,如商品标题、价格、库存、描述、图片链接、卖家信息等。考虑到稳定性,示例应基于淘宝开放平台的标准响应格式。
在Python中对数据点进行标签化
本文介绍了如何在Python中使用Matplotlib和Seaborn对数据点进行标签化,提升数据可视化的信息量与可读性。通过散点图示例,展示了添加数据点标签的具体方法。标签化在标识数据点、分类数据可视化及趋势分析中具有重要作用。文章强调了根据需求选择合适工具,并保持图表清晰美观的重要性。
62 15
如何使用Python进行数据可视化
Python是一种强大的编程语言,广泛应用于数据分析与可视化。常见的可视化库有Matplotlib、Seaborn和Plotly等。数据可视化通常包括以下步骤:准备数据(如列表或从文件读取)、选择合适的工具、绘制图表、优化样式(如标题和标签)以及保存或分享结果。例如,使用Matplotlib可通过简单代码绘制线图并添加标题和轴标签。实际应用中,可通过调整颜色、样式等进一步优化图表,甚至使用交互式工具提升效果。总之,Python的丰富工具为数据可视化提供了强大支持。
1688 商品数据接口终极指南:Python 开发者如何高效获取标题 / 价格 / 销量数据(附调试工具推荐)
1688商品列表API是阿里巴巴开放平台提供的服务,允许开发者通过API获取1688平台的商品信息(标题、价格、销量等)。适用于电商选品、比价工具、供应链管理等场景。使用时需构造请求URL,携带参数(如q、start_price、end_price等),发送HTTP请求并解析返回的JSON/XML数据。示例代码展示了如何用Python调用该API获取商品列表。
133 18
掌握Python的高级用法:技巧、技术和实用性示例
本文分享了Python的高级用法,包括生成器、装饰器、上下文管理器、元类和并发编程等。生成器通过`yield`实现懒加载序列;装饰器用于增强函数功能,如添加日志或性能分析;上下文管理器借助`with`语句管理资源;元类动态定制类行为;并发编程利用`threading`和`asyncio`库提升任务执行效率。掌握这些高级概念可优化代码质量,解决复杂问题,提高程序性能与可维护性。

推荐镜像

更多
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等

登录插画

登录以查看您的控制台资源

管理云资源
状态一览
快捷访问