本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理

以下文章来源于数据Magic，作者我不是小样

前言

python里面有很多优秀的可视化库，matplotlib，seaborn，plotnine，pyecharts，bokeh，plotly，mapbox，geoplotlib，甚至专门用来数据处理的pandas都可以做一些简单的绘图。今天我们就用五种方法来绘制柱状图，分别是matplotlib，seaborn，plotnine，pyecharts，pandas。

首先我们先导入数据。

import pandas as pd ## 导入pandas库

list1=["名字很长的X轴标签1","名字很长的X轴标签2","名字很长的X轴标签3","名字很长的X轴标签4","名字很长的X轴标签5"]

list2= [12,23,33,3,33]

list3= [3,21,5,52,43]

data=pd.concat(

[

pd.concat([pd.Series(list1,name="x"),pd.Series(list2,name="value"),pd.Series(["product1"]*5,name="product")],axis=1),

pd.concat([pd.Series(list1,name="x"),pd.Series(list3,name="value"),pd.Series(["product2"]*5,name="product")],axis=1)

]

)

一、matplotlib

matplotlib是学习python数据分析必定接触到的一个库，是用来绘图的基础的库，也是其他各个可视化库的基本库之一。

import matplotlib.pyplot as plt #导入绘图库

#设置绘图直接显示

%matplotlib inline#设置绘图的整体表现

plt.style.use("ggplot") #设置绘图主题为 ggplot

plt.rcParams["font.sans-serif"] = ["SimHei"] #设置图像字体为黑体，同时可以显示中文

plt.rcParams["axes.unicode_minus"] = False #设置显示负号

#设置画布大小

plt.figure(figsize=(12, 7))#绘制柱状图--堆积柱状图#绘制下面的图

plt.bar(

left= data.x.unique(), ## 设置x轴内容

height = data.value[data["product"] == "product1"], ## 设置y轴内容

label = "product1" ## 设置标签

)#绘制上面的图

plt.bar(

left= data.x.unique(), ## 设置x轴内容

height = data.value[data["product"] == "product2"], ## 设置y轴内容

bottom = data.value[data["product"] == "product1"], ## 设置上面的图以下面的图的数据为底

label = "product2" ## 设置标签

)## 设置图例标签，标签位置为上面中部，文字大小为15，图例是平铺(图例按两列排，即在一行)

plt.legend(loc="upper center", fontsize=15, ncol=2)

我们这样就绘制出了一张堆积柱状图，其实matplotlib绘制柱状图是比较简单的，难点就在于绘制堆积柱状图需要绘制多次，分别以前一个图的顶部为下一个图的底部，这样就可以得到一个堆积柱状图了。

二、seaborn

seaborn是基于matplotlib而做出来的一个可视化的封装库，相对于matplotlib的优点在于可以用比matplotlib更短的代码实现比较复杂的图像，缺点在于无法进行更强大的定制。

from plotnine import * ## 导入plotnine库

## 绘制前加括号

(

ggplot(data,aes(x="x",y="value",fill="product")) ## 数据对象

+ geom_bar(stat="identity",width=0.5) ## 绘制柱状图的API

+ theme( ## 对绘图的表现进行调整

text = element_text(family = "SimHei"), ## 设置黑体，可以显示中文

legend_direction ="horizontal", ## 图例水平呈现

legend_title = element_blank(), ## 图例标题不显示

legend_background = element_rect("none"), ## 图例没有背景色

legend_position = (0.52,0.83), ## 设置图例位置

figure_size = (9,5), ## 画布的大小

axis_title_x = element_blank(), ## X轴标题为空

axis_title_y = element_blank() ## Y轴标题为空

)

)

如果用matplotlib绘制分组柱状图，就需要与绘制堆积柱状图一样的方法，绘制多次，以前一个图的后部作为后一个图的前部，而用seaborn就可以用一行代码就可以实现，也不需要指定颜色和宽度，可以以一个比较合理的宽度进行显示。

当然，seaborn绘图也有其限制，如上图的堆积柱状图就无法绘制出来。

三、plotnine

R语言的绘图在数据分析的语言里一直是比较强的，而plotnine是德国的一个大神模仿R语言里面的ggplot2，在python库里开发的一个很强大的可视化库，可以绘制出很好看的库，相对于matplotlib更易上手，也更好调试。而且更有意思的是，由于plotnine库相对小众，许多查不到方法的可以直接去查询R语言里面的一些方法，基本上也可以对接的上。

之前也有文章介绍了plotnine的一些使用方法：plotnine绘制基本图像，plotnine绘制复杂图像，plotnine的主题库，大家可以看看。

from plotnine import * ## 导入plotnine库

## 绘制前加括号

(

ggplot(data,aes(x="x",y="value",fill="product")) ## 数据对象

+ geom_bar(stat="identity",width=0.5) ## 绘制柱状图的API

+ theme( ## 对绘图的表现进行调整

text = element_text(family = "SimHei"), ## 设置黑体，可以显示中文

legend_direction ="horizontal", ## 图例水平呈现

legend_title = element_blank(), ## 图例标题不显示

legend_background = element_rect("none"), ## 图例没有背景色

legend_position = (0.52,0.83), ## 设置图例位置

figure_size = (9,5), ## 画布的大小

axis_title_x = element_blank(), ## X轴标题为空

axis_title_y = element_blank() ## Y轴标题为空

)

)

plotnine可以设置很多参数，而且相对matplotlib这些参数也很多都清晰易懂，绘制出来的图也是简单大气，我在前面matplotlib的绘制加入的ggplot主题同样也是matplotlib里面模仿R语言ggplot库的。

不过plotnine的缺点主要就是相对小众，遇到的很多问题其实都需要查好久，而且目前也不是很完善，比如饼图就无法绘制，但依旧无法遮盖这个库的优秀。

四、pyecharts

Echarts是百度开源的一个可视化工具，被几个大神对接到python上面开发出了pyecharts库。这个库我现在也在学习，是个相当强大的可视化工具，不过其中有很多内容比较复杂，但是图表实现起来确实好看。

from pyecharts import options as opts ## 导入配置项，用来配置图像的各个表现

from pyecharts.charts import Bar ## 导入柱状图

from pyecharts.globals import ThemeType ## 导入主题选项，用来设置主题

c=(

Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)) ## 绘制柱状图，设置主题为 LIGHT

.add_xaxis(list(data.x.unique())) ## 导入x轴数据

.add_yaxis("product1", ## 设置第1组数据图例

list(data.value[data["product"]=="product1"]), ## 导入第1组数据

stack="123", ## 设置statck

category_gap="50%" ## 设置柱状图的宽度比例

)

.add_yaxis("product2", ## 设置第2组数据图例

list(data.value[data["product"]=="product2"]), ## 导入第2组数据

stack="123", ## 设置statck

category_gap="50%" ## 设置柱状图的宽度比例

)

.set_series_opts(## 设置系列配置项

label_opts=opts.LabelOpts(is_show=False) ## 设置数据标签不显示

)

.set_global_opts(## 配置全局配置项

## 由于X轴内容比较长，设置一个倾斜，解决x轴标签内容过长的问题

xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15))

)

.render("stack_bar_percent.html") ## 保存为html格式

)

pyecharts可以实现很好看的图表显示，而且配置也很全，最关键的是，pyecharts可以以动态可选择的展示。

五、pandas

pandas是python数据处理里最常用的一个库，学习python数据分析绝对绕不开的一个库。不仅仅是数据处理的简便，在pandas里还集成了一些可视化的接口，实现简单的数据图表。

先将数据转换成我们可以作图的格式

data2=pd.concat(

[

data[["x"]][data["product"]=="product1"],

data[["value"]][data["product"]=="product1"].rename(columns={"value":"product1"}),

data[["value"]][data["product"]=="product2"].rename(columns={"value":"product2"})

],axis=1)

然后使用新生成的data2作图。

data2.plot(

kind="bar", ## 设置绘图的形状为柱状图

x="x", ## 设置x轴内容

stacked=True, ## 设置是否为堆积柱状图

figsize=(12,7), ## 设置画布大小

rot=15 ## 设置x轴内容角度

)## 设置图例标签，标签位置为上面中部，文字大小为15，图例是平铺(图例按两列排，即在一行)

plt.legend(loc="upper center",fontsize=15,ncol=2)

pandas作图的优势就在于可以直接用pandas里的API进行作图，缺点就在于无法定制更多的可视化内容，只能做一些简单的图表。

以上就是使用python不同的5个库绘制柱状图的方法，谢谢大家阅读。