今天我们来学习柱状图

老套路，先导包

import pandas as pdimport matplotlib as mplimport matplotlib.pyplot as pltmpl.rcParams['font.family'] = 'SimHei' #显示中文plt.rcParams['axes.unicode_minus'] = False #显示中文

接着加载数据，然后显示一下load的数据大概什么样子，有个印象。

# 加载数据order_data = pd.read_excel(r".\dataset\Orders_Info.xlsx")# 查看数据概况order_data

可以看到，这个数据集是某手机销售商2017年，2018年的各分店销售数据。那么，需求来了，老板想看一下这两年各个分店的销售情况！

那第一步，我们需要计算一下这两年各个分店的销售总数量，很清楚，是按照店铺名称来统计。这种计算需求在Pandas里很常见，实现起来相对来说比较简单：一行代码搞定

gb_shop_name_df = order_data.groupby('店铺名称')['数量'].agg('sum').reset_index()

大概意思就是按照店铺名称分组，统计数量那一列，然后对数量那一列执行求和操作，最后一个是重新生成index。

那我们来看一下gb_shop_name_df长什么样子：

有了这个，我们就可以开始画柱状图了：

plt.figure(figsize=(15,8))plt.bar(gb_shop_name_df['店铺名称'], gb_shop_name_df['数量'])plt.show()

画出来大概这个样子

颜色有点儿深，那就改一下透明度

plt.figure(figsize=(10,8))plt.bar(gb_shop_name_df['店铺名称'], gb_shop_name_df['数量'], alpha=0.5) # 添加透明度plt.show()

添加透明度的效果

接下来我们再添加图例，x轴标签，y轴标签：

plt.figure(figsize=(15,8))plt.bar(gb_shop_name_df['店铺名称'], gb_shop_name_df['数量'], alpha=0.5, label='手机销量') # 添加图例plt.xlabel('分店名称', fontsize=20) # 添加x轴标签，并设置字体大小plt.ylabel('销量', fontsize=20) # 添加y轴标签，并设置字体大小plt.legend() # 显示图例plt.show()

效果如下：

小伙伴说这个柱状上没有显示数据值啊！没问题，我们来给每个柱子上添加对应的值。

# 定义一个添加数值的函数def autolabel(bars):    for bar in bars:        height = bar.get_height() # 获取bar的高度        plt.text(bar.get_x() + bar.get_width()/2, height, height, size=10) # 这里面前3个参数对应x轴位置，y轴位置和需要显示的值

plt.figure(figsize=(15,8))
bar_chart = plt.bar(gb_shop_name_df['店铺名称'], gb_shop_name_df['数量'], alpha=0.5, label='手机销量')
autolabel(bar_chart)
plt.xlabel('分店名称', fontsize=20)plt.ylabel('销量', fontsize=20)
plt.legend()plt.show()

效果如下

x轴和y轴刻度字体比较小，我们来调整一下

def autolabel(bars):    for bar in bars:        height = bar.get_height()        plt.text(bar.get_x() + bar.get_width()/2, height, height, size=10) # 这里面前3个参数对应x轴位置，y轴位置和需要显示的值

plt.figure(figsize=(15,8))
bar_chart = plt.bar(gb_shop_name_df['店铺名称'], gb_shop_name_df['数量'], alpha=0.5, label='手机销量')
autolabel(bar_chart)
plt.xlabel('分店名称', fontsize=20)plt.ylabel('销量', fontsize=20)
plt.tick_params(labelsize=15) # 调整x轴，y轴刻度字体大小
plt.legend()plt.show()

现在看起来好多了

但是柱子上的值显示的位置还是靠中间偏右一些，其实应该居中显示，莫慌，有这个参数

def autolabel(bars):    for bar in bars:        height = bar.get_height()        plt.text(bar.get_x() + bar.get_width()/2, height, height, size=10, ha='center') # 让标签值水平居中显示

plt.figure(figsize=(15,8))bar_chart = plt.bar(gb_shop_name_df['店铺名称'], gb_shop_name_df['数量'], alpha=0.5, label='手机销量')autolabel(bar_chart)plt.xlabel('分店名称', fontsize=20)plt.ylabel('销量', fontsize=20)plt.tick_params(labelsize=15) # 调整x轴，y轴刻度字体大小plt.legend()plt.show()

效果如下

显示是居中了，但是离柱子太近了，这个值和柱子之间有些间距应该，这个也简单。我们调整一下，只需要在添加标签函数里，plt.text()里第二个参数，也就是y的高度在原来的基础上高一点点就行了，所以这里我让heiht*1.012

def autolabel(bars):    for bar in bars:        height = bar.get_height()        plt.text(bar.get_x() + bar.get_width()/2, height*1.012, height, size=10, ha='center') # 让标签值水平居中显示

plt.figure(figsize=(15,8))bar_chart = plt.bar(gb_shop_name_df['店铺名称'], gb_shop_name_df['数量'], alpha=0.5, label='手机销量')autolabel(bar_chart)plt.xlabel('分店名称', fontsize=20)plt.ylabel('销量', fontsize=20)plt.tick_params(labelsize=15) # 调整x轴，y轴刻度字体大小plt.legend()plt.show()

看看效果

有小伙伴说可否再配合折线图，画出走势呢？也是可以的，就是在同一个画布上，再加一个折线图而已，问题不大。折线图我们让线条显示虚线

def autolabel(bars):    for bar in bars:        height = bar.get_height()        plt.text(bar.get_x()+bar.get_width()/2, 1.012*height, str(height), size=10, ha='center')

plt.figure(figsize=(15,10))plt.plot(gb_shop_name_df['店铺名称'], gb_shop_name_df['数量'], c='tab:orange', ls='--') # 添加折线图bar_chart = plt.bar(gb_shop_name_df['店铺名称'], gb_shop_name_df['数量'], alpha=0.5, label='手机销量')autolabel(bar_chart)
plt.legend()plt.xlabel('店铺名称', fontsize=30)plt.ylabel('总销量', fontsize=30)plt.title('分店销售量示意图')plt.tick_params(labelsize=15)plt.show()

效果如下

有小伙伴说x轴，店铺名称离的太近了，有那种让店铺名称倾斜的操作没？

答案是肯定的，很简单，只需要添加一个参数：plt.xticks(rotation=n)，n就是你想让它倾斜多少度，这里我设置成45度，来看看效果。

def autolabel(bars):    for bar in bars:        height = bar.get_height()        plt.text(bar.get_x()+bar.get_width()/2, 1.012*height, str(height), size=10, ha='center')

plt.figure(figsize=(15,10))plt.plot(gb_shop_name_df['店铺名称'], gb_shop_name_df['数量'], c='tab:orange', ls='--') # 添加折线图bar_chart = plt.bar(gb_shop_name_df['店铺名称'], gb_shop_name_df['数量'], alpha=0.5, label='手机销量')autolabel(bar_chart)
plt.legend()plt.xlabel('店铺名称', fontsize=30)plt.ylabel('总销量', fontsize=30)plt.title('分店销售量示意图')plt.tick_params(labelsize=15)plt.xticks(rotation=45) # 让x轴数值倾斜45度plt.show()

最后一个知识点，如果想保存画好的图片到本地，直接在画好图之后，添加一句：

plt.savefig('bar_chart.png', dpi=200) # 第一个参数是保存的文件名称，第二个是图片的清晰度，dpi数值越大，文件越大，保存时花费的时间越长。

好了，今天就先改到这里吧！有关柱状图，如果还有其它想要知道的，点击关注本公众号，后台留言，我会尽快给大家回复。

点击关注本公众号，且听下回分解！

👇

ITPub博客

Python数据可视化工具Matplotlib第二篇：柱状图

最新文章