精通Python数据可视化：Matplotlib柱状图、直方图与饼状图实战解析

07-19 934阅读

精通Python数据可视化：Matplotlib柱状图、直方图与饼状图实战解析

引言

在数据分析和科学研究中，数据可视化扮演着至关重要的角色。Matplotlib是Python中一个广泛使用的绘图库，它提供了丰富的绘图功能和灵活的定制选项。本文将详细介绍如何使用Matplotlib绘制柱状图、直方图和饼状图，通过具体的代码示例帮助读者掌握这些图表的绘制方法。

（图片来源网络，侵删）

一、柱状图（Bar Chart）

柱状图是一种用矩形条表示数据的图表，它主要用于展示不同类别的比较关系。Matplotlib提供了bar()函数来绘制柱状图。

1. 基本的竖直柱状图

import matplotlib.pyplot as plt
import numpy as np
# 数据准备
categories = ['A', 'B', 'C', 'D', 'E']
values = [23, 45, 56, 78, 90]
# 绘制柱状图
plt.figure(figsize=(10, 6))  # 设置图像大小
plt.bar(categories, values, color='skyblue')  # 绘制竖直柱状图
plt.xlabel('Category')  # X轴标签
plt.ylabel('Values')  # Y轴标签
plt.title('Basic Vertical Bar Chart')  # 图表标题
plt.grid(axis='y', alpha=0.5)  # 添加网格线
plt.show()

2. 同位置多柱状图

同位置多柱状图用于展示同一类别下不同指标的比较。

# 数据准备
categories = ['Norway', 'Germany', 'China', 'USA', 'Sweden']
gold = [16, 12, 9, 8, 8]
silver = [8, 10, 4, 10, 5]
bronze = [13, 5, 2, 7, 5]
# 柱状图宽度
bar_width = 0.3
# 计算每个柱状图的起始位置
index = np.arange(len(categories))
gold_bars = index
silver_bars = [x + bar_width for x in index]
bronze_bars = [x + bar_width * 2 for x in index]
# 绘制柱状图
plt.figure(figsize=(10, 6))
plt.bar(gold_bars, gold, width=bar_width, label='Gold', color='gold')
plt.bar(silver_bars, silver, width=bar_width, label='Silver', color='silver')
plt.bar(bronze_bars, bronze, width=bar_width, label='Bronze', color='brown')
# 添加X轴标签和图例
plt.xlabel('Country')
plt.ylabel('Medals')
plt.title('Medals Won by Countries')
plt.xticks([r + bar_width for r in range(len(categories))], categories)
plt.legend()
plt.show()

3. 堆叠柱状图

堆叠柱状图用于展示同一类别下不同组成部分的总和。

# 数据准备
categories = ['Category 1', 'Category 2', 'Category 3', 'Category 4']
values1 = [23, 34, 45, 56]
values2 = [12, 23, 34, 45]
# 绘制堆叠柱状图
plt.figure(figsize=(10, 6))
plt.bar(categories, values1, label='Part 1', color='skyblue')
plt.bar(categories, values2, bottom=values1, label='Part 2', color='lightcoral')
# 添加标签和图例
plt.xlabel('Category')
plt.ylabel('Values')
plt.title('Stacked Bar Chart')
plt.legend()
plt.show()

二、直方图（Histogram）

直方图是一种特殊的条形图，用于表示连续变量的分布。Matplotlib提供了hist()函数来绘制直方图。

# 数据准备
data = np.random.randn(1000)  # 生成1000个正态分布随机数
# 绘制直方图
plt.figure(figsize=(10, 6))
plt.hist(data, bins=30, color='skyblue', alpha=0.7, edgecolor='black')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Histogram of Normally Distributed Data')
plt.grid(axis='y', alpha=0.5)
plt.show()

三、饼状图（Pie Chart）

饼状图是一种使用扇形区域来表示数据比例的图表。Matplotlib提供了pie()函数来绘制饼状图。

# 数据准备
labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
sizes = [15, 30, 45, 10]
colors = ['gold', 'yellowgreen', 'lightcoral', 'lightskyblue']
explode = (0.1, 0, 0, 0)  # 只将第一个扇形区域突出显示
# 绘制饼状图
plt.figure(figsize=(8, 8))
plt.pie(sizes, explode=explode, labels=labels, colors=colors, autopct='%1.1f%%', startangle=140)
plt.axis('equal')  # 确保饼图是圆的
plt.title('Pie Chart Example')
plt.show()