利用Matplotlib在Python中创建专业条形图的实例教程涵盖数据准备图表定制和美化技巧

威震华夏关云长

简介

Matplotlib是Python中最流行的数据可视化库之一，它提供了强大的绘图功能，能够创建各种静态、动态和交互式的图表。在数据分析和展示中，条形图是一种常用的图表类型，它能够直观地比较不同类别的数据大小。本文将详细介绍如何使用Matplotlib创建专业的条形图，从数据准备到图表定制和美化技巧，帮助读者掌握条形图的完整制作流程。

数据准备

导入必要的库

在开始创建条形图之前，我们需要导入必要的Python库：

2. import numpy as np
3. import pandas as pd
4. import matplotlib.pyplot as plt
5. import matplotlib as mpl
6. from matplotlib.ticker import PercentFormatter
8. # 设置中文字体，防止中文显示乱码
9. plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS', 'DejaVu Sans']
10. plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题

复制代码

准备数据

数据是图表的基础，我们可以从多种来源获取数据。以下是几种常见的数据准备方式：

2. # 简单的列表数据
3. categories = ['产品A', '产品B', '产品C', '产品D', '产品E']
4. values = [23, 56, 41, 62, 19]
6. # 使用NumPy数组
7. np_categories = np.array(['产品A', '产品B', '产品C', '产品D', '产品E'])
8. np_values = np.array([23, 56, 41, 62, 19])

复制代码

2. # 创建DataFrame
3. data = {
4.     '产品': ['产品A', '产品B', '产品C', '产品D', '产品E'],
5.     '销售额': [23, 56, 41, 62, 19],
6.     '利润': [5, 12, 8, 15, 3]
7. }
8. df = pd.DataFrame(data)
10. # 从CSV文件读取数据
11. # df = pd.read_csv('sales_data.csv')

复制代码

在实际应用中，我们经常需要对数据进行预处理：

2. # 数据排序
3. df_sorted = df.sort_values('销售额', ascending=False)
5. # 数据筛选
6. high_sales = df[df['销售额'] > 30]
8. # 数据分组和聚合
9. # 假设我们有一个包含更多数据的DataFrame
10. # grouped_data = df.groupby('类别')['销售额'].sum()

复制代码

基础条形图创建

创建简单的垂直条形图

2. # 创建图形和坐标轴
3. fig, ax = plt.subplots(figsize=(10, 6))
5. # 绘制条形图
6. bars = ax.bar(categories, values)
8. # 显示图表
9. plt.tight_layout()
10. plt.show()

复制代码

创建简单的水平条形图

2. # 创建图形和坐标轴
3. fig, ax = plt.subplots(figsize=(10, 6))
5. # 绘制水平条形图
6. bars = ax.barh(categories, values)
8. # 显示图表
9. plt.tight_layout()
10. plt.show()

复制代码

使用Pandas数据创建条形图

2. # 创建图形和坐标轴
3. fig, ax = plt.subplots(figsize=(10, 6))
5. # 使用DataFrame数据绘制条形图
6. bars = ax.bar(df['产品'], df['销售额'])
8. # 显示图表
9. plt.tight_layout()
10. plt.show()

复制代码

图表定制

添加标题和标签

2. # 创建图形和坐标轴
3. fig, ax = plt.subplots(figsize=(10, 6))
5. # 绘制条形图
6. bars = ax.bar(categories, values)
8. # 添加标题和标签
9. ax.set_title('产品销售额对比', fontsize=16, pad=20)
10. ax.set_xlabel('产品名称', fontsize=12)
11. ax.set_ylabel('销售额（万元）', fontsize=12)
13. # 显示图表
14. plt.tight_layout()
15. plt.show()

复制代码

调整条形颜色和样式

2. # 创建图形和坐标轴
3. fig, ax = plt.subplots(figsize=(10, 6))
5. # 定义颜色列表
6. colors = ['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728', '#9467bd']
8. # 绘制条形图并设置颜色
9. bars = ax.bar(categories, values, color=colors, edgecolor='black', linewidth=1.2)
11. # 添加标题和标签
12. ax.set_title('产品销售额对比', fontsize=16, pad=20)
13. ax.set_xlabel('产品名称', fontsize=12)
14. ax.set_ylabel('销售额（万元）', fontsize=12)
16. # 显示图表
17. plt.tight_layout()
18. plt.show()

复制代码

添加数据标签

2. # 创建图形和坐标轴
3. fig, ax = plt.subplots(figsize=(10, 6))
5. # 绘制条形图
6. bars = ax.bar(categories, values, color=colors, edgecolor='black', linewidth=1.2)
8. # 添加数据标签
9. for bar in bars:
10.     height = bar.get_height()
11.     ax.text(bar.get_x() + bar.get_width()/2., height,
12.             f'{height}',
13.             ha='center', va='bottom', fontsize=10)
15. # 添加标题和标签
16. ax.set_title('产品销售额对比', fontsize=16, pad=20)
17. ax.set_xlabel('产品名称', fontsize=12)
18. ax.set_ylabel('销售额（万元）', fontsize=12)
20. # 显示图表
21. plt.tight_layout()
22. plt.show()

复制代码

调整坐标轴范围和刻度

2. # 创建图形和坐标轴
3. fig, ax = plt.subplots(figsize=(10, 6))
5. # 绘制条形图
6. bars = ax.bar(categories, values, color=colors, edgecolor='black', linewidth=1.2)
8. # 添加数据标签
9. for bar in bars:
10.     height = bar.get_height()
11.     ax.text(bar.get_x() + bar.get_width()/2., height,
12.             f'{height}',
13.             ha='center', va='bottom', fontsize=10)
15. # 添加标题和标签
16. ax.set_title('产品销售额对比', fontsize=16, pad=20)
17. ax.set_xlabel('产品名称', fontsize=12)
18. ax.set_ylabel('销售额（万元）', fontsize=12)
20. # 设置Y轴范围
21. ax.set_ylim(0, 70)
23. # 设置Y轴刻度
24. ax.set_yticks(np.arange(0, 71, 10))
26. # 显示图表
27. plt.tight_layout()
28. plt.show()

复制代码

添加网格线

2. # 创建图形和坐标轴
3. fig, ax = plt.subplots(figsize=(10, 6))
5. # 绘制条形图
6. bars = ax.bar(categories, values, color=colors, edgecolor='black', linewidth=1.2)
8. # 添加数据标签
9. for bar in bars:
10.     height = bar.get_height()
11.     ax.text(bar.get_x() + bar.get_width()/2., height,
12.             f'{height}',
13.             ha='center', va='bottom', fontsize=10)
15. # 添加标题和标签
16. ax.set_title('产品销售额对比', fontsize=16, pad=20)
17. ax.set_xlabel('产品名称', fontsize=12)
18. ax.set_ylabel('销售额（万元）', fontsize=12)
20. # 设置Y轴范围和刻度
21. ax.set_ylim(0, 70)
22. ax.set_yticks(np.arange(0, 71, 10))
24. # 添加网格线
25. ax.grid(axis='y', linestyle='--', alpha=0.7)
27. # 显示图表
28. plt.tight_layout()
29. plt.show()

复制代码

美化技巧

使用专业配色方案

2. # 创建图形和坐标轴
3. fig, ax = plt.subplots(figsize=(10, 6))
5. # 使用专业配色方案
6. colors = plt.cm.Set3(np.linspace(0, 1, len(categories)))
8. # 绘制条形图
9. bars = ax.bar(categories, values, color=colors, edgecolor='white', linewidth=1.2)
11. # 添加数据标签
12. for bar in bars:
13.     height = bar.get_height()
14.     ax.text(bar.get_x() + bar.get_width()/2., height,
15.             f'{height}',
16.             ha='center', va='bottom', fontsize=10, fontweight='bold')
18. # 添加标题和标签
19. ax.set_title('产品销售额对比', fontsize=16, pad=20, fontweight='bold')
20. ax.set_xlabel('产品名称', fontsize=12)
21. ax.set_ylabel('销售额（万元）', fontsize=12)
23. # 设置Y轴范围和刻度
24. ax.set_ylim(0, 70)
25. ax.set_yticks(np.arange(0, 71, 10))
27. # 添加网格线
28. ax.grid(axis='y', linestyle='--', alpha=0.7)
30. # 设置背景色
31. ax.set_facecolor('#f8f9fa')
33. # 显示图表
34. plt.tight_layout()
35. plt.show()

复制代码

添加图例和注释

2. # 创建图形和坐标轴
3. fig, ax = plt.subplots(figsize=(10, 6))
5. # 使用专业配色方案
6. colors = plt.cm.Set3(np.linspace(0, 1, len(categories)))
8. # 绘制条形图
9. bars = ax.bar(categories, values, color=colors, edgecolor='white', linewidth=1.2)
11. # 添加数据标签
12. for bar in bars:
13.     height = bar.get_height()
14.     ax.text(bar.get_x() + bar.get_width()/2., height,
15.             f'{height}',
16.             ha='center', va='bottom', fontsize=10, fontweight='bold')
18. # 添加标题和标签
19. ax.set_title('产品销售额对比', fontsize=16, pad=20, fontweight='bold')
20. ax.set_xlabel('产品名称', fontsize=12)
21. ax.set_ylabel('销售额（万元）', fontsize=12)
23. # 设置Y轴范围和刻度
24. ax.set_ylim(0, 70)
25. ax.set_yticks(np.arange(0, 71, 10))
27. # 添加网格线
28. ax.grid(axis='y', linestyle='--', alpha=0.7)
30. # 设置背景色
31. ax.set_facecolor('#f8f9fa')
33. # 添加注释
34. ax.annotate('最高销售额', xy=('产品D', 62), xytext=('产品D', 65),
35.             arrowprops=dict(facecolor='black', shrink=0.05, width=1, headwidth=8),
36.             ha='center', fontsize=10, fontweight='bold')
38. # 显示图表
39. plt.tight_layout()
40. plt.show()

复制代码

调整条形宽度和间距

2. # 创建图形和坐标轴
3. fig, ax = plt.subplots(figsize=(10, 6))
5. # 使用专业配色方案
6. colors = plt.cm.Set3(np.linspace(0, 1, len(categories)))
8. # 绘制条形图，调整宽度
9. bar_width = 0.6  # 条形宽度
10. bars = ax.bar(categories, values, color=colors, edgecolor='white',
11.               linewidth=1.2, width=bar_width)
13. # 添加数据标签
14. for bar in bars:
15.     height = bar.get_height()
16.     ax.text(bar.get_x() + bar.get_width()/2., height,
17.             f'{height}',
18.             ha='center', va='bottom', fontsize=10, fontweight='bold')
20. # 添加标题和标签
21. ax.set_title('产品销售额对比', fontsize=16, pad=20, fontweight='bold')
22. ax.set_xlabel('产品名称', fontsize=12)
23. ax.set_ylabel('销售额（万元）', fontsize=12)
25. # 设置Y轴范围和刻度
26. ax.set_ylim(0, 70)
27. ax.set_yticks(np.arange(0, 71, 10))
29. # 添加网格线
30. ax.grid(axis='y', linestyle='--', alpha=0.7)
32. # 设置背景色
33. ax.set_facecolor('#f8f9fa')
35. # 调整X轴标签的位置
36. ax.set_xticks(np.arange(len(categories)))
37. ax.set_xticklabels(categories)
39. # 显示图表
40. plt.tight_layout()
41. plt.show()

复制代码

添加渐变效果

2. # 创建图形和坐标轴
3. fig, ax = plt.subplots(figsize=(10, 6))
5. # 创建渐变色
6. from matplotlib.colors import LinearSegmentedColormap
7. cmap = LinearSegmentedColormap.from_list('custom', ['#1f77b4', '#aec7e8'], N=100)
9. # 绘制条形图
10. bars = ax.bar(categories, values, edgecolor='white', linewidth=1.2)
12. # 为每个条形设置渐变色
13. for bar, value in zip(bars, values):
14.     # 归一化值到0-1范围
15.     norm_value = value / max(values)
16.     # 设置颜色
17.     bar.set_color(cmap(norm_value))
19. # 添加数据标签
20. for bar in bars:
21.     height = bar.get_height()
22.     ax.text(bar.get_x() + bar.get_width()/2., height,
23.             f'{height}',
24.             ha='center', va='bottom', fontsize=10, fontweight='bold')
26. # 添加标题和标签
27. ax.set_title('产品销售额对比', fontsize=16, pad=20, fontweight='bold')
28. ax.set_xlabel('产品名称', fontsize=12)
29. ax.set_ylabel('销售额（万元）', fontsize=12)
31. # 设置Y轴范围和刻度
32. ax.set_ylim(0, 70)
33. ax.set_yticks(np.arange(0, 71, 10))
35. # 添加网格线
36. ax.grid(axis='y', linestyle='--', alpha=0.7)
38. # 设置背景色
39. ax.set_facecolor('#f8f9fa')
41. # 显示图表
42. plt.tight_layout()
43. plt.show()

复制代码

高级条形图类型

分组条形图

2. # 准备数据
3. categories = ['Q1', 'Q2', 'Q3', 'Q4']
4. product_A = [23, 26, 30, 28]
5. product_B = [15, 18, 22, 25]
6. product_C = [12, 16, 19, 21]
8. # 创建图形和坐标轴
9. fig, ax = plt.subplots(figsize=(12, 6))
11. # 设置条形宽度和位置
12. bar_width = 0.25
13. r1 = np.arange(len(categories))
14. r2 = [x + bar_width for x in r1]
15. r3 = [x + bar_width for x in r2]
17. # 绘制分组条形图
18. bars1 = ax.bar(r1, product_A, color='#1f77b4', width=bar_width, edgecolor='white', label='产品A')
19. bars2 = ax.bar(r2, product_B, color='#ff7f0e', width=bar_width, edgecolor='white', label='产品B')
20. bars3 = ax.bar(r3, product_C, color='#2ca02c', width=bar_width, edgecolor='white', label='产品C')
22. # 添加数据标签
23. def add_labels(bars):
24.     for bar in bars:
25.         height = bar.get_height()
26.         ax.text(bar.get_x() + bar.get_width()/2., height,
27.                 f'{height}',
28.                 ha='center', va='bottom', fontsize=9)
30. add_labels(bars1)
31. add_labels(bars2)
32. add_labels(bars3)
34. # 添加标题和标签
35. ax.set_title('季度产品销售额对比', fontsize=16, pad=20, fontweight='bold')
36. ax.set_xlabel('季度', fontsize=12)
37. ax.set_ylabel('销售额（万元）', fontsize=12)
39. # 设置X轴刻度和标签
40. ax.set_xticks([r + bar_width for r in range(len(categories))])
41. ax.set_xticklabels(categories)
43. # 添加图例
44. ax.legend()
46. # 添加网格线
47. ax.grid(axis='y', linestyle='--', alpha=0.7)
49. # 设置背景色
50. ax.set_facecolor('#f8f9fa')
52. # 显示图表
53. plt.tight_layout()
54. plt.show()

复制代码

堆叠条形图

2. # 准备数据
3. categories = ['Q1', 'Q2', 'Q3', 'Q4']
4. product_A = [23, 26, 30, 28]
5. product_B = [15, 18, 22, 25]
6. product_C = [12, 16, 19, 21]
8. # 创建图形和坐标轴
9. fig, ax = plt.subplots(figsize=(12, 6))
11. # 绘制堆叠条形图
12. bars1 = ax.bar(categories, product_A, color='#1f77b4', label='产品A')
13. bars2 = ax.bar(categories, product_B, bottom=product_A, color='#ff7f0e', label='产品B')
14. bars3 = ax.bar(categories, product_C, bottom=np.array(product_A) + np.array(product_B),
15.               color='#2ca02c', label='产品C')
17. # 添加数据标签
18. def add_stacked_labels(bars, bottom_values=None):
19.     for i, bar in enumerate(bars):
20.         height = bar.get_height()
21.         if bottom_values is None:
22.             y = height / 2
23.         else:
24.             y = bottom_values[i] + height / 2
25.         ax.text(bar.get_x() + bar.get_width()/2., y,
26.                 f'{height}',
27.                 ha='center', va='center', fontsize=9, color='white', fontweight='bold')
29. add_stacked_labels(bars1)
30. add_stacked_labels(bars2, product_A)
31. add_stacked_labels(bars3, np.array(product_A) + np.array(product_B))
33. # 添加总数值标签
34. totals = np.array(product_A) + np.array(product_B) + np.array(product_C)
35. for i, total in enumerate(totals):
36.     ax.text(i, total + 1,
37.             f'总计: {total}',
38.             ha='center', va='bottom', fontsize=9, fontweight='bold')
40. # 添加标题和标签
41. ax.set_title('季度产品销售额堆叠对比', fontsize=16, pad=20, fontweight='bold')
42. ax.set_xlabel('季度', fontsize=12)
43. ax.set_ylabel('销售额（万元）', fontsize=12)
45. # 添加图例
46. ax.legend()
48. # 添加网格线
49. ax.grid(axis='y', linestyle='--', alpha=0.7)
51. # 设置背景色
52. ax.set_facecolor('#f8f9fa')
54. # 显示图表
55. plt.tight_layout()
56. plt.show()

复制代码

百分比堆叠条形图

2. # 准备数据
3. categories = ['Q1', 'Q2', 'Q3', 'Q4']
4. product_A = [23, 26, 30, 28]
5. product_B = [15, 18, 22, 25]
6. product_C = [12, 16, 19, 21]
8. # 计算百分比
9. totals = np.array(product_A) + np.array(product_B) + np.array(product_C)
10. product_A_pct = np.array(product_A) / totals * 100
11. product_B_pct = np.array(product_B) / totals * 100
12. product_C_pct = np.array(product_C) / totals * 100
14. # 创建图形和坐标轴
15. fig, ax = plt.subplots(figsize=(12, 6))
17. # 绘制百分比堆叠条形图
18. bars1 = ax.bar(categories, product_A_pct, color='#1f77b4', label='产品A')
19. bars2 = ax.bar(categories, product_B_pct, bottom=product_A_pct, color='#ff7f0e', label='产品B')
20. bars3 = ax.bar(categories, product_C_pct, bottom=product_A_pct + product_B_pct,
21.               color='#2ca02c', label='产品C')
23. # 添加数据标签
24. def add_percentage_labels(bars, bottom_values=None):
25.     for i, bar in enumerate(bars):
26.         height = bar.get_height()
27.         if bottom_values is None:
28.             y = height / 2
29.         else:
30.             y = bottom_values[i] + height / 2
31.         ax.text(bar.get_x() + bar.get_width()/2., y,
32.                 f'{height:.1f}%',
33.                 ha='center', va='center', fontsize=9, color='white', fontweight='bold')
35. add_percentage_labels(bars1)
36. add_percentage_labels(bars2, product_A_pct)
37. add_percentage_labels(bars3, product_A_pct + product_B_pct)
39. # 添加标题和标签
40. ax.set_title('季度产品销售额占比', fontsize=16, pad=20, fontweight='bold')
41. ax.set_xlabel('季度', fontsize=12)
42. ax.set_ylabel('百分比 (%)', fontsize=12)
44. # 设置Y轴为百分比格式
45. ax.yaxis.set_major_formatter(PercentFormatter())
47. # 添加图例
48. ax.legend()
50. # 添加网格线
51. ax.grid(axis='y', linestyle='--', alpha=0.7)
53. # 设置背景色
54. ax.set_facecolor('#f8f9fa')
56. # 显示图表
57. plt.tight_layout()
58. plt.show()

复制代码

水平分组条形图

2. # 准备数据
3. categories = ['产品A', '产品B', '产品C', '产品D', '产品E']
4. q1_values = [23, 15, 12, 18, 8]
5. q2_values = [26, 18, 16, 20, 10]
6. q3_values = [30, 22, 19, 24, 14]
7. q4_values = [28, 25, 21, 22, 12]
9. # 创建图形和坐标轴
10. fig, ax = plt.subplots(figsize=(12, 8))
12. # 设置条形高度和位置
13. bar_height = 0.2
14. r1 = np.arange(len(categories))
15. r2 = [x + bar_height for x in r1]
16. r3 = [x + bar_height for x in r2]
17. r4 = [x + bar_height for x in r3]
19. # 绘制水平分组条形图
20. bars1 = ax.barh(r1, q1_values, color='#1f77b4', height=bar_height, label='Q1')
21. bars2 = ax.barh(r2, q2_values, color='#ff7f0e', height=bar_height, label='Q2')
22. bars3 = ax.barh(r3, q3_values, color='#2ca02c', height=bar_height, label='Q3')
23. bars4 = ax.barh(r4, q4_values, color='#d62728', height=bar_height, label='Q4')
25. # 添加数据标签
26. def add_h_labels(bars):
27.     for bar in bars:
28.         width = bar.get_width()
29.         ax.text(width + 0.5, bar.get_y() + bar.get_height()/2.,
30.                 f'{width}',
31.                 ha='left', va='center', fontsize=9)
33. add_h_labels(bars1)
34. add_h_labels(bars2)
35. add_h_labels(bars3)
36. add_h_labels(bars4)
38. # 添加标题和标签
39. ax.set_title('产品季度销售额对比', fontsize=16, pad=20, fontweight='bold')
40. ax.set_xlabel('销售额（万元）', fontsize=12)
41. ax.set_ylabel('产品名称', fontsize=12)
43. # 设置Y轴刻度和标签
44. ax.set_yticks([r + bar_height * 1.5 for r in range(len(categories))])
45. ax.set_yticklabels(categories)
47. # 添加图例
48. ax.legend()
50. # 添加网格线
51. ax.grid(axis='x', linestyle='--', alpha=0.7)
53. # 设置背景色
54. ax.set_facecolor('#f8f9fa')
56. # 显示图表
57. plt.tight_layout()
58. plt.show()

复制代码

实例演示

实例1：销售数据分析可视化

让我们通过一个完整的实例来展示从数据准备到最终美化的全过程。假设我们有一组公司销售数据，需要创建一个专业的条形图来展示各产品在不同地区的销售情况。

2. # 1. 数据准备
3. import pandas as pd
4. import numpy as np
5. import matplotlib.pyplot as plt
6. import matplotlib as mpl
7. from matplotlib.ticker import FuncFormatter
9. # 设置中文字体
10. plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS', 'DejaVu Sans']
11. plt.rcParams['axes.unicode_minus'] = False
13. # 创建销售数据
14. data = {
15.     '产品': ['产品A', '产品B', '产品C', '产品D', '产品E'],
16.     '华北': [120, 150, 90, 180, 110],
17.     '华东': [200, 180, 150, 220, 160],
18.     '华南': [150, 170, 120, 190, 140],
19.     '西部': [80, 100, 70, 110, 90]
20. }
22. df = pd.DataFrame(data)
24. # 计算每个产品的总销售额
25. df['总销售额'] = df[['华北', '华东', '华南', '西部']].sum(axis=1)
27. # 按总销售额排序
28. df = df.sort_values('总销售额', ascending=False)
30. # 2. 创建图形和坐标轴
31. fig, ax = plt.subplots(figsize=(14, 8))
33. # 3. 绘制条形图
34. bar_width = 0.2
35. r1 = np.arange(len(df))
36. r2 = [x + bar_width for x in r1]
37. r3 = [x + bar_width for x in r2]
38. r4 = [x + bar_width for x in r3]
40. # 定义颜色
41. colors = ['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728']
43. # 绘制分组条形图
44. bars1 = ax.bar(r1, df['华北'], color=colors[0], width=bar_width, edgecolor='white', label='华北')
45. bars2 = ax.bar(r2, df['华东'], color=colors[1], width=bar_width, edgecolor='white', label='华东')
46. bars3 = ax.bar(r3, df['华南'], color=colors[2], width=bar_width, edgecolor='white', label='华南')
47. bars4 = ax.bar(r4, df['西部'], color=colors[3], width=bar_width, edgecolor='white', label='西部')
49. # 4. 添加数据标签
50. def add_labels(bars):
51.     for bar in bars:
52.         height = bar.get_height()
53.         ax.text(bar.get_x() + bar.get_width()/2., height,
54.                 f'{height}',
55.                 ha='center', va='bottom', fontsize=9)
57. add_labels(bars1)
58. add_labels(bars2)
59. add_labels(bars3)
60. add_labels(bars4)
62. # 5. 添加标题和标签
63. ax.set_title('2023年各产品地区销售额对比', fontsize=18, pad=20, fontweight='bold')
64. ax.set_xlabel('产品名称', fontsize=14)
65. ax.set_ylabel('销售额（万元）', fontsize=14)
67. # 6. 设置X轴刻度和标签
68. ax.set_xticks([r + bar_width * 1.5 for r in range(len(df))])
69. ax.set_xticklabels(df['产品'], fontsize=12)
71. # 7. 添加图例
72. ax.legend(fontsize=12, frameon=True, fancybox=True, shadow=True)
74. # 8. 添加网格线
75. ax.grid(axis='y', linestyle='--', alpha=0.7)
77. # 9. 设置背景色
78. ax.set_facecolor('#f8f9fa')
80. # 10. 添加注释
81. max_value = df[['华北', '华东', '华南', '西部']].max().max()
82. max_product = df['产品'].iloc[df[['华北', '华东', '华南', '西部']].values.argmax() // 4]
83. max_region = ['华北', '华东', '华南', '西部'][df[['华北', '华东', '华南', '西部']].values.argmax() % 4]
85. ax.annotate(f'最高销售额: {max_value}万元\n{max_product} - {max_region}',
86.             xy=(df[['华北', '华东', '华南', '西部']].values.argmax() % 4 +
87.                 (df[['华北', '华东', '华南', '西部']].values.argmax() // 4) * bar_width * 4,
88.                 max_value),
89.             xytext=(df[['华北', '华东', '华南', '西部']].values.argmax() % 4 +
90.                    (df[['华北', '华东', '华南', '西部']].values.argmax() // 4) * bar_width * 4,
91.                    max_value + 30),
92.             arrowprops=dict(facecolor='black', shrink=0.05, width=1, headwidth=8),
93.             ha='center', fontsize=10, bbox=dict(boxstyle="round,pad=0.3", fc="yellow", ec="black", lw=0.5))
95. # 11. 添加数据来源注释
96. fig.text(0.5, 0.01, '数据来源: 公司销售部门 2023年度报告',
97.          ha='center', fontsize=10, color='gray')
99. # 12. 调整布局
100. plt.tight_layout(rect=[0, 0.03, 1, 0.97])
102. # 13. 保存图表
103. plt.savefig('sales_comparison.png', dpi=300, bbox_inches='tight')
105. # 14. 显示图表
106. plt.show()

复制代码

实例2：客户满意度调查结果可视化

在这个实例中，我们将创建一个水平条形图来展示客户满意度调查结果，包括使用渐变色彩和添加数据标签。

2. # 1. 数据准备
3. import numpy as np
4. import matplotlib.pyplot as plt
5. from matplotlib.colors import LinearSegmentedColormap
6. import pandas as pd
8. # 设置中文字体
9. plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS', 'DejaVu Sans']
10. plt.rcParams['axes.unicode_minus'] = False
12. # 创建客户满意度数据
13. data = {
14.     '服务项目': ['产品质量', '售后服务', '配送速度', '价格合理性', '网站体验', '客户沟通'],
15.     '满意度': [4.5, 3.8, 4.2, 3.5, 4.0, 3.9],
16.     '去年满意度': [4.2, 3.5, 3.9, 3.3, 3.8, 3.7]
17. }
19. df = pd.DataFrame(data)
21. # 计算变化值
22. df['变化'] = df['满意度'] - df['去年满意度']
24. # 按当前满意度排序
25. df = df.sort_values('满意度', ascending=True)
27. # 2. 创建图形和坐标轴
28. fig, ax = plt.subplots(figsize=(12, 8))
30. # 3. 创建渐变色映射
31. cmap = LinearSegmentedColormap.from_list('satisfaction', ['#d62728', '#ff7f0e', '#2ca02c'], N=100)
33. # 4. 绘制水平条形图
34. bars = ax.barh(df['服务项目'], df['满意度'],
35.                color=[cmap((x-1)/4) for x in df['满意度']],
36.                edgecolor='white', linewidth=1.2)
38. # 5. 添加去年满意度数据点
39. ax.scatter(df['去年满意度'], np.arange(len(df)), color='gray', s=50, label='去年满意度', zorder=5)
41. # 6. 连接去年和今年的数据点
42. for i, (current, last) in enumerate(zip(df['满意度'], df['去年满意度'])):
43.     ax.plot([last, current], [i, i], 'gray', linestyle='--', alpha=0.5, linewidth=1)
45. # 7. 添加数据标签
46. for i, (bar, value, change) in enumerate(zip(bars, df['满意度'], df['变化'])):
47.     # 当前满意度标签
48.     ax.text(bar.get_width() + 0.05, bar.get_y() + bar.get_height()/2.,
49.             f'{value:.1f}',
50.             ha='left', va='center', fontsize=11, fontweight='bold')
51.    
52.     # 变化值标签
53.     if change > 0:
54.         ax.text(bar.get_width() + 0.3, bar.get_y() + bar.get_height()/2.,
55.                 f'+{change:.1f}',
56.                 ha='left', va='center', fontsize=10, color='green', fontweight='bold')
57.     elif change < 0:
58.         ax.text(bar.get_width() + 0.3, bar.get_y() + bar.get_height()/2.,
59.                 f'{change:.1f}',
60.                 ha='left', va='center', fontsize=10, color='red', fontweight='bold')
62. # 8. 添加标题和标签
63. ax.set_title('客户满意度调查结果', fontsize=18, pad=20, fontweight='bold')
64. ax.set_xlabel('满意度评分 (1-5分)', fontsize=14)
66. # 9. 设置X轴范围和刻度
67. ax.set_xlim(0, 5.5)
68. ax.set_xticks(np.arange(0, 5.1, 0.5))
70. # 10. 添加网格线
71. ax.grid(axis='x', linestyle='--', alpha=0.7)
73. # 11. 设置背景色
74. ax.set_facecolor('#f8f9fa')
76. # 12. 添加图例
77. ax.legend(loc='lower right', fontsize=12, frameon=True, fancybox=True, shadow=True)
79. # 13. 添加评分说明
80. fig.text(0.5, 0.01, '评分说明: 1分=非常不满意, 2分=不满意, 3分=一般, 4分=满意, 5分=非常满意',
81.          ha='center', fontsize=10, color='gray')
83. # 14. 添加颜色条说明
84. sm = plt.cm.ScalarMappable(cmap=cmap, norm=plt.Normalize(vmin=1, vmax=5))
85. sm.set_array([])
86. cbar = plt.colorbar(sm, ax=ax, orientation='vertical', pad=0.01)
87. cbar.set_label('满意度等级', fontsize=12)
89. # 15. 调整布局
90. plt.tight_layout(rect=[0, 0.03, 0.95, 0.97])
92. # 16. 保存图表
93. plt.savefig('customer_satisfaction.png', dpi=300, bbox_inches='tight')
95. # 17. 显示图表
96. plt.show()

复制代码

总结与建议

通过本文的介绍，我们详细学习了如何使用Matplotlib在Python中创建专业的条形图，包括数据准备、基础条形图创建、图表定制和美化技巧，以及各种高级条形图类型的实现。以下是一些总结和建议：

最佳实践

1. 数据准备是关键：在创建图表之前，确保数据已经过适当的清洗、排序和格式化。使用Pandas可以大大简化数据处理的步骤。
2. 选择合适的图表类型：根据数据的特点和分析目的，选择最合适的条形图类型。例如，比较多个类别的数值时使用分组条形图，展示部分与整体的关系时使用堆叠条形图。
3. 注重可读性：确保图表中的文字清晰可读，包括标题、标签和数据标签。调整字体大小、颜色和位置以提高可读性。
4. 使用专业配色：选择合适的颜色方案可以提高图表的视觉效果和专业性。可以使用Matplotlib内置的colormap或自定义颜色方案。
5. 添加必要的注释：通过添加标题、图例、数据来源等注释，使图表更加完整和易于理解。
6. 保持简洁：避免在图表中添加过多不必要的元素，保持图表简洁明了。

数据准备是关键：在创建图表之前，确保数据已经过适当的清洗、排序和格式化。使用Pandas可以大大简化数据处理的步骤。

选择合适的图表类型：根据数据的特点和分析目的，选择最合适的条形图类型。例如，比较多个类别的数值时使用分组条形图，展示部分与整体的关系时使用堆叠条形图。

注重可读性：确保图表中的文字清晰可读，包括标题、标签和数据标签。调整字体大小、颜色和位置以提高可读性。

使用专业配色：选择合适的颜色方案可以提高图表的视觉效果和专业性。可以使用Matplotlib内置的colormap或自定义颜色方案。

添加必要的注释：通过添加标题、图例、数据来源等注释，使图表更加完整和易于理解。

保持简洁：避免在图表中添加过多不必要的元素，保持图表简洁明了。

常见问题与解决方案

1. 中文显示问题：在Matplotlib中显示中文时，需要设置合适的中文字体，如SimHei或Arial Unicode MS。
2. 图表保存问题：保存图表时，使用bbox_inches='tight'参数可以防止标签被截断，使用dpi参数可以控制图像质量。
3. 图表布局问题：使用plt.tight_layout()可以自动调整图表布局，防止元素重叠。
4. 数据标签重叠问题：当数据标签较多时，可以通过调整标签位置、旋转角度或只显示部分标签来解决重叠问题。

中文显示问题：在Matplotlib中显示中文时，需要设置合适的中文字体，如SimHei或Arial Unicode MS。

图表保存问题：保存图表时，使用bbox_inches='tight'参数可以防止标签被截断，使用dpi参数可以控制图像质量。

图表布局问题：使用plt.tight_layout()可以自动调整图表布局，防止元素重叠。

数据标签重叠问题：当数据标签较多时，可以通过调整标签位置、旋转角度或只显示部分标签来解决重叠问题。

进阶技巧

1. 交互式图表：结合使用Matplotlib和mpld3库，可以创建交互式的条形图，支持鼠标悬停显示详细信息。
2. 动画效果：使用Matplotlib的动画功能，可以创建动态变化的条形图，展示数据随时间的变化。
3. 自定义样式：创建自定义的样式表，可以快速应用一致的设计风格到多个图表中。
4. 集成到Web应用：将Matplotlib图表集成到Web应用中，如使用Flask或Django框架创建数据可视化仪表板。

交互式图表：结合使用Matplotlib和mpld3库，可以创建交互式的条形图，支持鼠标悬停显示详细信息。

动画效果：使用Matplotlib的动画功能，可以创建动态变化的条形图，展示数据随时间的变化。

自定义样式：创建自定义的样式表，可以快速应用一致的设计风格到多个图表中。

集成到Web应用：将Matplotlib图表集成到Web应用中，如使用Flask或Django框架创建数据可视化仪表板。

通过掌握这些技巧和最佳实践，你可以使用Matplotlib创建出专业、美观且信息丰富的条形图，有效地展示和分析数据。希望本文的教程对你有所帮助！