【python画图】：从入门到精通绘制完美柱状图

Python数据可视化：从入门到精通绘制完美柱状图

柱状图是数据可视化中最常用的图表类型之一，本文将带你从基础绘制到高级定制，全面掌握Python绘制柱状图的技巧，并附参数速查表。

---

一、基础篇：快速绘制柱状图

1.1 使用Matplotlib基础绘制

import matplotlib.pyplot as pltdata = [23, 45, 56, 78, 33]
labels = ['A', 'B', 'C', 'D', 'E']plt.bar(labels, data)
plt.title('Basic Bar Chart')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

效果展示：

1.2 使用Pandas快速绘图

import matplotlib.pyplot as plt
import pandas as pddf = pd.DataFrame({'Category': ['A', 'B', 'C', 'D'],'Value': [25, 63, 42, 88]
})df.plot(kind='bar', x='Category', y='Value')
plt.show()

效果展示：

---

二、进阶篇：专业级柱状图定制

2.1 多系列柱状图

import numpy as np
import matplotlib.pyplot as pltlabels = ['A', 'B', 'C', 'D', 'E']
men_means = [20, 35, 30, 35, 27]
women_means = [25, 32, 34, 20, 25]
x = np.arange(len(labels))plt.bar(x - 0.2, men_means, 0.4, label='Men')
plt.bar(x + 0.2, women_means, 0.4, label='Women')
plt.xticks(x, labels)
plt.legend()
plt.show()

效果展示：

2.2 堆叠柱状图

plt.bar(labels, data1, label='Series 1')
plt.bar(labels, data2, bottom=data1, label='Series 2')

2.3 水平柱状图

plt.barh(labels, data, height=0.6)

---

三、专业参数速查表

Matplotlib bar() 核心参数

参数分类	参数名称	类型	作用描述	示例值
基本参数	x	array-like	x轴坐标位置	[0,1,2,3]
	height	array-like	柱体高度	[10,20,30]
	width	float	柱体宽度	0.8
样式参数	color	str/list	柱体颜色	‘blue’ 或 [‘r’,‘g’,‘b’]
	edgecolor	str	边框颜色	‘black’
	linewidth	float	边框宽度	1.5
	alpha	float(0-1)	透明度	0.7
标签参数	tick_label	list	坐标轴标签	[‘A’,‘B’,‘C’]
	label	str	图例标签	‘Sales’
布局参数	align	{‘center’,‘edge’}	对齐方式	‘center’
	orientation	{‘v’,‘h’}	方向	‘v’
高级参数	hatch	str	填充图案	‘/’, ‘O’, ‘x’
	error_kw	dict	误差线参数	{‘elinewidth’:2}
	log	bool	对数坐标	True

常用方法扩展：

# 添加数值标签
for rect in bars:height = rect.get_height()plt.annotate(f'{height}',xy=(rect.get_x() + rect.get_width()/2, height),ha='center', va='bottom')# 设置样式模板
plt.style.use('ggplot')# 保存高清图
plt.savefig('output.png', dpi=300, bbox_inches='tight')

---

四、专家级技巧

4.1 动态柱状图

from matplotlib.animation import FuncAnimationfig = plt.figure()
def update(frame):plt.cla()# 更新数据逻辑plt.bar(...)
ani = FuncAnimation(fig, update, frames=100)

4.2 大数据优化

# 使用numpy优化计算
data = np.random.rand(10000)
plt.hist(data, bins=50)  # 直方图变种# 降采样显示
plt.bar(range(0,1000,10), data[::10])

---

五、最佳实践总结

1. 配色方案：使用seaborn颜色主题

   import seaborn as sns
   sns.set_palette("husl")
   

2. 标签处理：自动旋转长标签

   plt.xticks(rotation=45, ha='right")
   

3. 输出格式：矢量图优先

   plt.savefig('chart.svg', format='svg')
   

通过掌握这些技巧，你可以轻松制作出适合学术论文、商业报告等各种场景的专业级柱状图。建议保存参数速查表作为日常参考，并多加实践不同参数的组合效果。