python使用matplotlib制作条形图添加数据标签

简介: 在使用matplotlib展示数据的时候,当我们用到条形图的时候南面会遇到一些问题:

在使用matplotlib展示数据的时候,当我们用到条形图的时候南面会遇到一些问题:


  • 水平条形和竖直的条形问题:
  • 解决方法就是更改下函数名,plt.bar()是默认竖直,而plt.barh()是默认水平,只不过坐标轴需要改动。
  • 数据展示的时候光秃秃的数据也不知道是多少,总想添加个数据标签在头上能够清楚的看到数据。


经过百度的一些查找找到一些解决方案。也认清了一些规则,至于标签,他是单独存在的一样东西,也就是说你可以在任意位置添加标签。但是我们为了美观,一般会在头上添加。


一般解决有两种方案比较多,


  • 一个就是自定义遍历,然后在对应位置插入数据标签。
  • 另一种就是遍历rect=plt.barh().遍历rect。有一些方法可以得到画的柱形图的横坐标,高度,宽度。柱体的横坐标、宽度、高度属性可分别通过对象的get_x()、get_width()、get_height()方法获得。


至于方案1的核心代码为:


for rect in b:
 w=rect.get_width()
 ax.text(w,rect.get_y() rect.get_height()/2,'%d'%int(w),ha='left',va='center')


ax为这个柱状图对象。其中几个参数为

ax.text(“高度”,“坐标”,“标签内容”,ha=‘left’,va=‘center’)这样。


自定义可以这么写:


 for a,b,c in zip(Xi,Yi,x):
   print(a,b,c)
   plt.text(a-10,c-0.4,'%d'%int(a),ha='center',va='bottom')


可以慢慢尝试然后改进。


20181224215929123.png


这样显示就好很多了。至于完整小项目,后面下一篇会给出全部,就不贴所有了。

目录
相关文章
|
30天前
|
数据采集 数据可视化 数据挖掘
利用Python自动化处理Excel数据:从基础到进阶####
本文旨在为读者提供一个全面的指南,通过Python编程语言实现Excel数据的自动化处理。无论你是初学者还是有经验的开发者,本文都将帮助你掌握Pandas和openpyxl这两个强大的库,从而提升数据处理的效率和准确性。我们将从环境设置开始,逐步深入到数据读取、清洗、分析和可视化等各个环节,最终实现一个实际的自动化项目案例。 ####
|
7天前
|
数据采集 Web App开发 监控
Python爬虫:爱奇艺榜单数据的实时监控
Python爬虫:爱奇艺榜单数据的实时监控
|
23天前
|
数据可视化 Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
通过这些思维导图和分析说明表,您可以更直观地理解和选择适合的数据可视化图表类型,帮助更有效地展示和分析数据。
63 8
|
29天前
|
数据采集 分布式计算 大数据
构建高效的数据管道:使用Python进行ETL任务
在数据驱动的世界中,高效地处理和移动数据是至关重要的。本文将引导你通过一个实际的Python ETL(提取、转换、加载)项目,从概念到实现。我们将探索如何设计一个灵活且可扩展的数据管道,确保数据的准确性和完整性。无论你是数据工程师、分析师还是任何对数据处理感兴趣的人,这篇文章都将成为你工具箱中的宝贵资源。
|
1月前
|
前端开发 Python
Matplotlib 轴标签和标题
Matplotlib 轴标签和标题
38 6
|
2月前
|
传感器 物联网 开发者
使用Python读取串行设备的温度数据
本文介绍了如何使用Python通过串行接口(如UART、RS-232或RS-485)读取温度传感器的数据。详细步骤包括硬件连接、安装`pyserial`库、配置串行端口、发送请求及解析响应等。适合嵌入式系统和物联网应用开发者参考。
62 3
|
2月前
|
数据采集 JavaScript 程序员
探索CSDN博客数据:使用Python爬虫技术
本文介绍了如何利用Python的requests和pyquery库爬取CSDN博客数据,包括环境准备、代码解析及注意事项,适合初学者学习。
89 0
|
2月前
|
数据采集 存储 分布式计算
超酷炫Python技术:交通数据的多维度分析
超酷炫Python技术:交通数据的多维度分析
|
2月前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
80 0
|
2月前
|
机器学习/深度学习 数据采集 数据挖掘
解锁 Python 数据分析新境界:Pandas 与 NumPy 高级技巧深度剖析
Pandas 和 NumPy 是 Python 中不可或缺的数据处理和分析工具。本文通过实际案例深入剖析了 Pandas 的数据清洗、NumPy 的数组运算、结合两者进行数据分析和特征工程,以及 Pandas 的时间序列处理功能。这些高级技巧能够帮助我们更高效、准确地处理和分析数据,为决策提供支持。
50 2