Matplotlib数据可视化之条形图绘制plt.bar() |
您所在的位置：网站首页 › matplotlib绘制条形图 › Matplotlib数据可视化之条形图绘制plt.bar() |
Matplotlib数据可视化之条形图绘制plt.bar()
|
条形图绘制plt.bar()
上一篇我们讲到了折线图的绘制，下来来说一下条形图绘制… 码上… import matplotlib.pyplot as plt import numpy as np N = 5 y = [20, 30, 10, 25, 15] index = np.arange(N) plt.bar(left=index, height=y) plt.show()这是最简单的条形图例子，下面我们来分析一下… import matplotlib.pyplot as plt import numpy as np这两行代码是对我们需要使用的包的导入，注意我们在这里用到了numpy这个第三方包，下面来大概介绍一下… NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。 NumPy 的前身 Numeric 最早是由 Jim Hugunin 与其它协作者共同开发，2005 年，Travis Oliphant 在 Numeric 中结合了另一个同性质的程序库 Numarray 的特色，并加入了其它扩展而开发了 NumPy。NumPy 为开放源代码并且由许多协作者共同维护开发。 NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含： 一个强大的N维数组对象 ndarray 广播功能函数 整合 C/C++/Fortran 代码的工具 线性代数、傅里叶变换、随机数生成等功能 Matplotlib经常和numpy结合使用，因此想要学习matplotlib也需要掌握一定的numpy才可，关于numpy将会在后续文章中写到… N = 5 y = [20, 30, 10, 25, 15]对数据进行保存… index = np.arange(N)np.arange()可以返回指定步长，指定个数的数，有关用法如下： 参数个数情况： np.arange()函数分为一个参数，两个参数，三个参数三种情况 1）一个参数时，参数值为终点，起点取默认值0，步长取默认值1。 2）两个参数时，第一个参数为起点，第二个参数为终点，步长取默认值1。 3）三个参数时，第一个参数为起点，第二个参数为终点，第三个参数为步长。其中步长支持小数。 plt.bar(left=index, height=y) plt.show()生成条形图并引出界面，效果如下： 效果如下： 类似颜色宽度的方法，可以更改更多，如下： *bar(x, height, width=0.8, bottom=None, ***, align=‘center’, data=None, *kwargs) 参数如下： |
下面我们更深一步探究… 调整颜色和宽度
持续更新…【本文地址】
今日新闻 |
推荐新闻 |