开发者学堂课程【Python 常用数据科学库：条形图细节】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/546/detail/7500
条形图细节
内容介绍
一、画误差棒
二、指定不同的数据指标
一、画误差棒
1、在条形图当中，可以把误差棒再画出来。可以指定这个东西，一个是要画的一个指标，画三个指标123，然后还可以指定误差的范围 variance—— 0.2， 0.4， 0.5，最后再把 bar_label 写出来，bar_label 就是一会指定的第一个注，第二、三个柱，分别叫 bar1,bar2,bar3，然后就画这个图，画这个图的时候可以指定间隔或者叫做底下的位置，可以指定成 position，它是等于 list 结构，然后 range 一下，bar_label 有几个就需要几个 position，把 bar_label 传进去这可以了，这个就是位置，然后把图实际画出来，把位置 position 传进去，再把 mean_value 传进去，把误差棒表示成variance。把位置写完了之后，还得去设置它的高度，因为一会要进行一个限制，所以先把高度拿过来，设置它最大的高度，用 max_y 设置高度，max 里传进来一个 zip值，然后把 mean_value 和 variance 这两个指标传进来，传进来之后，这个就是做了一个 max_y。然后要去做它的限制，plt 拿过来，然后在 y 轴做一个限制 limit，写一个范围从零开始，然后最大到这样的一个范围：max 里传进来 max_y，有两个指标一个是 mean_value，一个 variance，mean_value 相当于它的一个指标，variance 相当于它可以浮动的一个范围，最大的就是它俩加在一起，如果不想顶格写，可以乘个1.2，给它上面稍微留一些空白区域，这是限制了一个区域，接下来再写上 y label， y 轴叫 variable y，然后再指定它的 x 轴，里面写上 x 的 position 位置，位置上就给它写上 bar1,bar2,bar3 就可以了，这是 x 的一个 ticks
mean_values=[1,2,3]
variance =[0,2,0.4,0.5]
bar_label=[ bar1,bar2,bar3]
x_pos= list(range(len(bar_label)))
max_y=max(zip (mean values, variance))
plt.ylim([0, (max_y[0] +max_y[1])*1.2])
plt.ylabel(‘variable y’)
plt.xticks(x_pos, bar_labe)
然后直接执行一下， 这样图就出来了
出来之后看着不太好看，因为这两个都是蓝色的，可以给它稍微设计一下，看一下当前的 variance，在这里指定一下透明程度，指定成0.3再来看一下，这样这个图可以显示出来了
上面画的小柱一个误差棒，整个图是一个条形图，这个就是整体结构是长什么样子的，然后横着画竖着画都是一样的。
二、指定不同的数据指标
1、在画 ba r的时候，也可以再去给它指定不同的数据指标。指定一个 x1， x1它等于 np.array，随便传进来一些数123，这是 x1，然后还有个 x2，x2 等于 np.array 里面再随便传进来一些数233，这是 x2。再指定 bar_labels，现在是有三个数bar1,bar2,bar3，这是 labels。然后把这个图指定出来，figure 里传进来 figsize，一般等于8，6就足够了，先把这些东西基本写完，然后构造一个 y_pos，之所以是 y 不是x，是因为一会要横着去画，y_pos 等于 np.arange，一共三个数据，直接指定3就可以了，然
然后再写一下 y_pos，这是先把位置写好，然后再去画这个图，plt.bar 一下，把这个图画出来，需要把 y_pos 传进去，再传 x1，传进来之后，再指定个颜色，透明程度等于0.5，然后看 show 一下
x1= np.array([1,2,3])
x2 = np.array([2,2,3])
bar_labels=['bat1',’bar2’,'bar3']
fig = plt.figure(figsize=（8，6））
y_pos = np.arange(len(x1))
y_pos=[x for x in y_pos]
plt.barh(y_pos,x1,color='g',alpha=0.5）
plt.show()
执行图片就显示出来了
2、再画一个，把 x2传进来，画一个负的 x2让它俩是一个背靠背的形式
x1= np.array([1,2,3])
x2 = np.array([2,2,3])
bar_labels=['batl',’bar2",'bar3']
fig = plt.figure(figsize=（8，6））
y_pos = np.arange(len(x1))
y_pos=[x for x in y_pos]
plt.barh(y_pos,x1,color='g',alpha=0.5）
plt.barh(y_pos,-x2,color='g',alpha=0.5）
plt.show()
再执行一下，这样就画出一个背靠背的形式
这是顶格了，设置不顶格，需要做一个限制， plt 点 x limit，限制它的取值范围，限制负的 max，左边就是负的 x2，减1留出一个单元格，右边是 max x1，再加个一，留出来一个位置，这样就行了
x1= np.array([1,2,3])
x2 = np.array([2,2,3])
bar_labels=['batl',’bar2",'bar3']
fig = plt.figure(figsize=（8，6））
y_pos = np.arange(len(x1))
y_pos=[x for x in y_pos]
plt.barh(y_pos,x1,color='g',alpha=0.5）
plt.barh(y_pos,-x2,color='g',alpha=0.5）
plt.xlim(-max(x2)-1,max(x1)+1)
plt.show()
执行这个图就好看一些
别让它顶格，这个 y 轴也是一样别顶格了，再把 y 轴设置一下，plt 点 y limit，最小的从负一开始，最大的 len 值加一
x1= np.array([1,2,3])
x2 = np.array([2,2,3])
bar_labels=['batl',’bar2",'bar3']
fig = plt.figure(figsize=（8，6））
y_pos = np.arange(len(x1))
y_pos=[x for x in y_pos]
plt.barh(y_pos,x1,color='g',alpha=0.5）
plt.barh(y_pos,-x2,color='g',alpha=0.5）
plt.xlim(-max(x2)-1,max(x1)+1)
plt.ylim(-1,len(x1)+1)
plt.show()
看一下，这样就是画了一个还算标准的图
就是说画一个也可以，画两个也可以，让它组成这种背靠背的形式也行，有时候真的会遇到这种背靠背形式，看起来可能会直观一些。
3、下面要把好几种方式都画在一起，这个时候还是直接把数据拿过来，这就是当前的数据，数据当中，写了一个绿色的、蓝色的、红色的，所以说现在有三组数据，两组数据可以按照背靠背的形式，就是一正一负去分析，但三组数据它又不是一个正负的，还想按照 group1里分辨一下132的情况，group2 里分辨一下223的情况，前面的操作都是一样的，可以直接把前面操作拿过来，然后再指定一个 figsize 就完成了。然后接下来就是去画这个图，在画这个图的时候要画三种不同颜色， plt 点 bar一下，bar 里传进来的位置不是一样的，先画绿色的，画完了之后，再看线条的宽度，可以给它指定成固定的0.2，alpha 值是0.5，然后指定 color 等于g，label 指定它当前是属于哪个东西的， labels 里标注了一下它是 group1的，所以说得告诉它等于 group 几，这是画了第一个，之后画第二个第三个，第二个就是在第一个基础之上，第一个柱的宽度0.2，第二个柱再加上一个0.2，这就可以了，下面这个就是变成两个间隔乘一个二，有3个柱每个柱都要考虑到，要写成 list 结构，然后再指定一个颜色，第二个是蓝色的，第三个是红色的，再标一个 label1和 label2
green_data =[1, 2, 3]
blue_data =[3, 2, 1]
red_data = [2, 3, 3]
labels=['group1','group2', 'group 3']
pos= list(range(len(green_data)))
width = 0.2
fig, ax = plt.subplots(figsize=(8.6))
plt.bar(pos,green_data,width,alpha=0.5,color='g',label=label[0])
plt.bar([p+width for p in pos],green_data,width,alpha=0.5,color='b',label=labels[1])plt.bar(p+width2forpinpos],green_data,widthalpha=0.5,color='r',label=labels[2])
这样就画完了，执行一下
group1 里有三个柱，group1 里也有三个柱，group3 里也是有三个柱，这三个指标分别用不同的颜色来表示，就是说画这样一个图，当中有三个 group，每个 group 都有不同的指标值，把这个指标值再放出来，这就是当前完成的一个结果。
