colección de dibujos de Python
往期绘图合集
Python dibuja un gráfico de líneas simple
Python lee datos en Excel y dibuja múltiples subgrafos y múltiples grupos de gráficos en un lienzo
Python dibuja un histograma con barras de error
Python dibuja múltiples subgrafos y los muestra por separado
Python lee datos de Excel y dibuja múltiples imágenes del eje y
本期讲一下python绘制柱状图并使用不同颜色给柱子上色,设置柱子标签字体颜色
Directorio de artículos
Prefacio
El histograma es una forma común de visualizar datos y generalmente se usa para mostrar la relación comparativa entre datos de diferentes categorías o diferentes puntos de tiempo. A través de histogramas, podemos ver visualmente las diferencias en los datos entre diferentes categorías o diferentes puntos de tiempo, lo que nos ayuda a comprender mejor los datos.
En Python, puedes usar la biblioteca Matplotlib para dibujar histogramas. Matplotlib es una biblioteca de dibujo de Python sencilla y potente que puede dibujar varios tipos de gráficos, incluidos gráficos de barras, gráficos de líneas, gráficos de dispersión y más.
Antes de dibujar un histograma, debemos preparar los datos. Normalmente, almacenaríamos los datos en una matriz NumPy y luego usaríamos la función de barra en Matplotlib para trazarlos.
提示:以下是本篇文章正文内容,下面案例可供参考
1. Creación sencilla de histograma.
import matplotlib.pyplot as plt
import numpy as np
# 生成实验数据
x = np.array(['A', 'B', 'C', 'D', 'E'])
y = np.array([12, 28, 19, 23, 20])
# 绘制柱状图
fig, ax = plt.subplots()
ax.bar(x, y)
# 显示图表
plt.show()
En el código anterior, primero usamos la biblioteca NumPy para generar un conjunto de datos experimentales y luego usamos la función de barra en Matplotlib para dibujar un histograma básico. donde x es la etiqueta de la columna e y es la altura de la columna.
A continuación, embellecemos el histograma para hacerlo más hermoso. Podemos modificar el color de las columnas, agregar títulos y etiquetas, ajustar el estilo y tamaño de la fuente, y más.
2. Embellecimiento
1. Importar la biblioteca
import matplotlib.pyplot as plt
import numpy as np
# 生成实验数据
x = np.array(['A', 'B', 'C', 'D', 'E'])
y = np.array([12, 28, 19, 23, 20])
# 设置字体样式和大小
plt.rcParams['font.family'] = ['Times New Roman'] # 中文字体为楷体,英文字体为新罗马字体
plt.rcParams['font.size'] = 24 # 坐标轴字号为16
# 绘制柱状图,设置柱子颜色和标签
fig, ax = plt.subplots(figsize=(10, 6))
bar_plot = ax.bar(x, y, width=0.5, color=['#00BFFF', '#FF8C00', '#32CD32', '#FF69B4', '#BA55D3'])
# 添加标题、标签和图例
ax.set_title('Tempreture/℃', fontsize=24) # 标题字号为20
ax.set_xlabel('city', fontsize='28')
ax.set_ylabel('value', fontsize='28')
ax.legend(bar_plot, labels=x, loc='best')
# 调整字体颜色、柱子宽度等其他参数
for rect in bar_plot:
height = rect.get_height()
ax.text(rect.get_x() + rect.get_width()/2., height+1, '%d' % int(height),
ha='center', va='bottom', fontsize=20, color='blue',fontname='Times New Roman') # 字体颜色蓝色
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.tick_params(axis='x', direction='out', length=6, width=2)
ax.tick_params(axis='y', direction='out', length=6, width=2)
# 显示图表
plt.show()
2. Interpretación del código
En el código anterior, puede hacer que el gráfico de barras sea más hermoso modificando el estilo y tamaño de la fuente, ajustando el color de la columna, agregando títulos y etiquetas, ajustando el color de la fuente, etc. Entre ellos, utilizamos fuente New Roman, color de fuente azul, cinco colores diferentes de columnas, etc.