python画图|并列直方图绘制

2024-09-06 20:52

本文主要是介绍python画图|并列直方图绘制,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

前述学习过程中,已经知晓普通直方图绘制和堆叠直方图绘制,参考链接如下:

西猫雷婶-CSDN博客

有时候,我们还会遇到并列直方图绘制的需求,今天就探索一下。

【1】官网教程

按照惯例,我们先来到官网:

https://matplotlib.org/stable/gallery/lines_bars_and_markers/barchart.html#sphx-glr-gallery-lines-bars-and-markers-barchart-py 

图1

找到grouped bar chart with labels后。直奔示例。

然后进入学习模式。

【2】代码解读

官网代码前两行依旧岿然不动,引入计算模块numpy用于数值运算,画图模块matplotlib用于绘图。

# data from https://allisonhorst.github.io/palmerpenguins/import matplotlib.pyplot as plt   
import numpy as np

然后定义了类别和对应的数据:

species = ("Adelie", "Chinstrap", "Gentoo") #类别,3种
penguin_means = {                           #这里实际上给给每种类别定义了3个数据'Bill Depth': (18.35, 18.43, 14.98),'Bill Length': (38.79, 48.83, 47.50),'Flipper Length': (189.95, 195.82, 217.19),
}

之后定义了要画图,使用ax控制坐标轴属性:

x = np.arange(len(species))  # the label locations,按照顺序排列species
width = 0.25  # the width of the bars #直方图方块宽度
multiplier = 0 #定义乘法因子
fig, ax = plt.subplots(layout='constrained') #定义一个带坐标轴的图,坐标轴属性用ax控制

之后开始画直方图,用for循环实现方块输出,调整multiplier实现方块位移:

for attribute, measurement in penguin_means.items(): #for函数用于遍历penguin_means内部数组offset = width * multiplier #直方图间距偏移量定义rects = ax.bar(x + offset, measurement, width, label=attribute)#画直方图,x+offset代表(类别的位置+偏移量),偏移之后才能并列放置,都则就会重叠;# measurement指将penguin_means中的数据按顺序赋值给x+offset对应的类别;# width为方块宽度# label就是将penguin_means中的数据类别作为标签ax.bar_label(rects, padding=3) #输出标签,padding指和方块顶部的距离,一个三个类别,所以设定值为3multiplier += 1 #乘法因子扩大,带来每个类别内部方块的移动

最后设置坐标轴属性,输出图形:

# Add some text for labels, title and custom x-axis tick labels, etc.
ax.set_ylabel('Length (mm)') #设定Y轴标签
ax.set_title('Penguin attributes by species') #设定图名
ax.set_xticks(x + width, species) #设定x轴,允许放多个类别
ax.legend(loc='upper left', ncols=3) #设定图例,位置为左上upper left,图例的颜色数量是ncols=3
ax.set_ylim(0, 250) #设定y轴范围是(0,250)plt.show() #输出图形

ax.set_xticks允许一个类别多个数据,这是并列直方图出现的直接推手。

图2

【3】代码改写-修改padding

尝试把padding从3改为50后,各类被数据都往上漂移了:

图3

【4】代码改写-修改multiplier

multiplier控制各方块的间隙,尝试把multiplier在for循环中的增量减小到0.5:

multiplier += 0.5 #乘法因子扩大,带来每个类别内部方块的移动

图4

由图4可见,方块大小不再一致。

实际上这是因为:新的方块只移动了一半(multiplier=1),所以被旧方块盖住了,最佳的移动还是要按照multiplier=1,让整个方块都显示出来,这样才会让图片更好看

【5】代码改写-修改penguin_means和ncols

要想把并列方块数量增多,因修改penguin_means中的一维数组列数,每一列方块要使用不同的颜色区分,所以ncols也要跟随变化。某一类别下有几个并列方块,就有几种颜色。

改后:

penguin_means = {#这里实际上给每种类别定义了3个数据,现在增加了3行,一共6行'Bill Depth': (18.35, 18.43, 14.98),'Bill Length': (38.79, 48.83, 47.50),'Flipper Length': (189.95, 195.82, 217.19),
    'add Bill Depth': (18.35, 18.43, 14.98),'add Bill Length': (38.79, 48.83, 47.50),'add Flipper Length': (189.95, 195.82, 217.19),
}
ax.legend(loc='upper left', ncols=6) #设定图例,位置为左上upper left,图例的颜色数量由ncols=3更新为ncols=6

运行后:

图5

我们很难过的发现所有方块挤在了一起,所以我们要去需改方块宽度:由0.25改为0.1

x = np.arange(len(species))  # the label locations,按照顺序排列species
width = 0.1  # the width of the bars 直方图方块宽度
multiplier = 0 #定义乘法因子

运行后:

图6

可见,图形没有挤在一起,出现了6个颜色图例。

本次改写完整代码如下:

# data from https://allisonhorst.github.io/palmerpenguins/import matplotlib.pyplot as plt
import numpy as npspecies = ("Adelie", "Chinstrap", "Gentoo")#类别,3种
penguin_means = {#这里实际上给每种类别定义了3个数据'Bill Depth': (18.35, 18.43, 14.98),'Bill Length': (38.79, 48.83, 47.50),'Flipper Length': (189.95, 195.82, 217.19),'add Bill Depth': (18.35, 18.43, 14.98),'add Bill Length': (38.79, 48.83, 47.50),'add Flipper Length': (189.95, 195.82, 217.19),
}x = np.arange(len(species))  # the label locations,按照顺序排列species
width = 0.1  # the width of the bars 直方图方块宽度
multiplier = 0 #定义乘法因子fig, ax = plt.subplots(layout='constrained')#定义一个带坐标轴的图,坐标轴属性用ax控制for attribute, measurement in penguin_means.items():#for函数用于遍历penguin_means内部数组offset = width * multiplier #直方图间距偏移量定义rects = ax.bar(x + offset, measurement, width, label=attribute)# 画直方图,x+offset代表(类别的位置+偏移量),偏移之后才能并列放置,都则就会重叠;# measurement指将penguin_means中的数据按顺序赋值给x+offset对应的类别;# width为方块宽度# label就是将penguin_means中的数据类别作为标签ax.bar_label(rects, padding=3) #输出标签,padding指和方块顶部的距离,一个三个类别,所以设定值为3multiplier += 1 #乘法因子扩大,带来每个类别内部方块的移动# Add some text for labels, title and custom x-axis tick labels, etc.
ax.set_ylabel('Length (mm)') #设定Y轴标签
ax.set_title('Penguin attributes by species') #设定图名
ax.set_xticks(x + width, species) #设定x轴,允许放多个类别
ax.legend(loc='upper left', ncols=6) #设定图例,位置为左上upper left,图例的颜色数量是ncols=3
ax.set_ylim(0, 250) #设定y轴范围是(0,250)plt.show() #输出图形

【6】总结

本次学习探讨了并列直方图的for循环画法,并学会了修改各类别标签的位置、各类别方块的移动和多个方块的设定。

这篇关于python画图|并列直方图绘制的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1143092

相关文章

Python通用唯一标识符模块uuid使用案例详解

《Python通用唯一标识符模块uuid使用案例详解》Pythonuuid模块用于生成128位全局唯一标识符,支持UUID1-5版本,适用于分布式系统、数据库主键等场景,需注意隐私、碰撞概率及存储优... 目录简介核心功能1. UUID版本2. UUID属性3. 命名空间使用场景1. 生成唯一标识符2. 数

Python办公自动化实战之打造智能邮件发送工具

《Python办公自动化实战之打造智能邮件发送工具》在数字化办公场景中,邮件自动化是提升工作效率的关键技能,本文将演示如何使用Python的smtplib和email库构建一个支持图文混排,多附件,多... 目录前言一、基础配置:搭建邮件发送框架1.1 邮箱服务准备1.2 核心库导入1.3 基础发送函数二、

Python包管理工具pip的升级指南

《Python包管理工具pip的升级指南》本文全面探讨Python包管理工具pip的升级策略,从基础升级方法到高级技巧,涵盖不同操作系统环境下的最佳实践,我们将深入分析pip的工作原理,介绍多种升级方... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

基于Python实现一个图片拆分工具

《基于Python实现一个图片拆分工具》这篇文章主要为大家详细介绍了如何基于Python实现一个图片拆分工具,可以根据需要的行数和列数进行拆分,感兴趣的小伙伴可以跟随小编一起学习一下... 简单介绍先自己选择输入的图片,默认是输出到项目文件夹中,可以自己选择其他的文件夹,选择需要拆分的行数和列数,可以通过

Python中反转字符串的常见方法小结

《Python中反转字符串的常见方法小结》在Python中,字符串对象没有内置的反转方法,然而,在实际开发中,我们经常会遇到需要反转字符串的场景,比如处理回文字符串、文本加密等,因此,掌握如何在Pyt... 目录python中反转字符串的方法技术背景实现步骤1. 使用切片2. 使用 reversed() 函

Python中将嵌套列表扁平化的多种实现方法

《Python中将嵌套列表扁平化的多种实现方法》在Python编程中,我们常常会遇到需要将嵌套列表(即列表中包含列表)转换为一个一维的扁平列表的需求,本文将给大家介绍了多种实现这一目标的方法,需要的朋... 目录python中将嵌套列表扁平化的方法技术背景实现步骤1. 使用嵌套列表推导式2. 使用itert

使用Docker构建Python Flask程序的详细教程

《使用Docker构建PythonFlask程序的详细教程》在当今的软件开发领域,容器化技术正变得越来越流行,而Docker无疑是其中的佼佼者,本文我们就来聊聊如何使用Docker构建一个简单的Py... 目录引言一、准备工作二、创建 Flask 应用程序三、创建 dockerfile四、构建 Docker

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

Conda与Python venv虚拟环境的区别与使用方法详解

《Conda与Pythonvenv虚拟环境的区别与使用方法详解》随着Python社区的成长,虚拟环境的概念和技术也在不断发展,:本文主要介绍Conda与Pythonvenv虚拟环境的区别与使用... 目录前言一、Conda 与 python venv 的核心区别1. Conda 的特点2. Python v