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
|
11天前
|
数据采集 JSON 数据处理
抓取和分析JSON数据:使用Python构建数据处理管道
在大数据时代,电商网站如亚马逊、京东等成为数据采集的重要来源。本文介绍如何使用Python结合代理IP、多线程等技术,高效、隐秘地抓取并处理电商网站的JSON数据。通过爬虫代理服务,模拟真实用户行为,提升抓取效率和稳定性。示例代码展示了如何抓取亚马逊商品信息并进行解析。
抓取和分析JSON数据:使用Python构建数据处理管道
|
21天前
|
数据处理 Python
Python实用记录(十):获取excel数据并通过列表的形式保存为txt文档、xlsx文档、csv文档
这篇文章介绍了如何使用Python读取Excel文件中的数据,处理后将其保存为txt、xlsx和csv格式的文件。
41 3
Python实用记录(十):获取excel数据并通过列表的形式保存为txt文档、xlsx文档、csv文档
|
21天前
|
计算机视觉 Python
Python实用记录(九):将不同的图绘制在一起、将不同txt文档中的数据绘制多条折线图
这篇文章介绍了如何使用Python的OpenCV库将多张图片合并为一张图片显示,以及如何使用matplotlib库从不同txt文档中读取数据并绘制多条折线图。
38 3
Python实用记录(九):将不同的图绘制在一起、将不同txt文档中的数据绘制多条折线图
|
4天前
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
18 5
|
9天前
|
数据可视化 算法 JavaScript
基于图论的时间序列数据平稳性与连通性分析:利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
本文探讨了如何利用图论分析时间序列数据的平稳性和连通性。通过将时间序列数据转换为图结构,计算片段间的相似性,并构建连通图,可以揭示数据中的隐藏模式。文章介绍了平稳性的概念,提出了基于图的平稳性度量,并展示了图分区在可视化平稳性中的应用。此外,还模拟了不同平稳性和非平稳性程度的信号,分析了图度量的变化,为时间序列数据分析提供了新视角。
25 0
基于图论的时间序列数据平稳性与连通性分析:利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
|
18天前
|
自然语言处理 算法 数据挖掘
探讨如何利用Python中的NLP工具,从被动收集到主动分析文本数据的过程
【10月更文挑战第11天】本文介绍了自然语言处理(NLP)在文本分析中的应用,从被动收集到主动分析的过程。通过Python代码示例,详细展示了文本预处理、特征提取、情感分析和主题建模等关键技术,帮助读者理解如何有效利用NLP工具进行文本数据分析。
40 2
|
19天前
|
JSON 安全 数据安全/隐私保护
深度剖析:Python如何运用OAuth与JWT,为数据加上双保险🔐
【10月更文挑战第10天】本文介绍了OAuth 2.0和JSON Web Tokens (JWT) 两种现代Web应用中最流行的认证机制。通过使用Flask-OAuthlib和PyJWT库,详细展示了如何在Python环境中实现这两种认证方式,从而提升系统的安全性和开发效率。OAuth 2.0适用于授权过程,JWT则简化了认证流程,确保每次请求的安全性。结合两者,可以构建出既安全又高效的认证体系。
35 1
|
17天前
|
数据可视化 定位技术 Python
Python数据可视化--Matplotlib--入门
Python数据可视化--Matplotlib--入门
21 0
|
10天前
|
安全 数据处理 开发者
Python中的多线程编程:从入门到精通
本文将深入探讨Python中的多线程编程,包括其基本原理、应用场景、实现方法以及常见问题和解决方案。通过本文的学习,读者将对Python多线程编程有一个全面的认识,能够在实际项目中灵活运用。