Python 数据分析三剑客之 Matplotlib（六）：直方图 / 柱状图 / 条形图的绘制pythonTRHX'S BLOG-

Matplotlib 系列文章（持续更新中）：

• 《Python 数据分析三剑客之 Matplotlib（一）：初识 Matplotlib 与其 matplotibrc 配置文件》
• 《Python 数据分析三剑客之 Matplotlib（二）：文本描述 / 中文支持 / 画布 / 网格等基本图像属性》
• 《Python 数据分析三剑客之 Matplotlib（三）：图例 / LaTeX / 刻度 / 子图 / 补丁等基本图像属性》
• 《Python 数据分析三剑客之 Matplotlib（四）：线性图的绘制》
• 《Python 数据分析三剑客之 Matplotlib（五）：散点图的绘制》
• 《Python 数据分析三剑客之 Matplotlib（六）：直方图 / 柱状图 / 条形图的绘制》

这里是一段防爬虫文本，请读者忽略。 本文原创首发于 ImapBox，作者 TRHX。 博客首页：https://itrhx.blog.csdn.net/ 本文链接：https://itrhx.blog.csdn.net/article/details/105952856 

【1×00】直方图 / 柱状图 / 条形图的区别

• 直方图：直方图（Histogram）又称质量分布图，是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用于描述连续型数据的分布关系，用横轴表示数据类型，纵轴表示分布情况。直方图是用面积表示各组频数的多少，矩形的高度表示每一组的频数或频率，宽度则表示各组的组距，因此其高度与宽度均有意义。其次，由于分组数据具有连续性，直方图的各矩形通常是连续排列。

• 柱状图：柱状图（bar chart）又称条图、长条图、柱状统计图、条状图、棒形图，是一种以长方形的长度为变量的统计图表。一般用于描述离散型分类数据的对比，长条图用来比较两个或以上的价值（不同时间或者不同条件），只有一个变量，通常利用于较小的数据集分析。柱状图亦可横向排列，或用多维方式表达。柱状图各矩形的宽度固定，矩形之间分开排列，会有间距。

• 条形图：通常情况下条形图 = 柱状图，也可以将横向排列的柱状图称为条形图。在本文中会将条形图视为后者。

【2×00】直方图的绘制

【2×01】函数介绍 matplotlib.pyplot.hist()

matplotlib.pyplot.hist() 函数用于绘制直方图。

基本语法：matplotlib.pyplot.hist(x[, bins=None, range=None, density=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, **kwargs])

基本参数：

其他参数：

【2×02】简单直方图示例

import numpy as np import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] # 设置中文显示  x = np.random.randint(0, 101, 100) # 数据集 bins = np.arange(0, 101, 10) # 分布区间 [0,10)、[10,20)...[90,100]  plt.hist(x, bins=bins, linewidth=0.5, edgecolor='k') # 边缘线宽0.5，颜色为黑色 plt.xlim(0, 100) # x 轴刻度范围        plt.title('简单直方图示例') # 标题 plt.xlabel('x axis label') # x 轴标签 plt.ylabel('y axis label') # y 轴标签  plt.show() 

【2×03】堆积的直方图

参数 stacked 决定了将两份数据进行堆积显示。注意，有可能两个数据相似（y 轴的值相似），但是堆积在一起的时候，会把第一个数据的显示相对缩小一点。

import matplotlib.pyplot as plt import numpy as np  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  hist1 = np.random.randint(0, 100, 100) hist2 = np.random.randint(0, 100, 100) x = [hist1, hist2] colors = ['orchid', 'deepskyblue'] labels = ['hist1', 'hist2'] bins = range(0, 101, 10) # 绘制两份数据的直方图，数据集等其他参数可以使用列表形式传递，也可以使用两次 hist 函数单独传递 plt.hist(x, bins=bins, color=colors, stacked=True, label=labels) plt.title('堆积的直方图示例') plt.xlabel('x axis label') plt.ylabel('y axis label') plt.legend(loc="upper left")  plt.show() 

【2×04】填充其他样式

hatch 参数可以让直方图的矩形填充其他样式，可选值有：'/', '', '|', '-', '+', 'x', 'o', 'O', '.', '*'。可以是不同图案的组合形式，如果有相同的图案，则会增加填充的密度。

import numpy as np import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] # 设置中文显示  x = np.random.randint(0, 101, 100) # 数据集 bins = np.arange(0, 101, 10) # 分布区间 [0,10)、[10,20)...[90,100] # 矩形颜色为白色，使用 / 填充，边缘线宽0.5，颜色为黑色 plt.hist(x, bins=bins, color='w', hatch='///', linewidth=0.5, edgecolor='k') plt.xlim(0, 100) # x 轴刻度范围 plt.title('直方图图案填充示例') # 标题 plt.xlabel('x axis label') # x 轴标签 plt.ylabel('y axis label') # y 轴标签  plt.show() 

【3×00】柱状图的绘制

【3×01】函数介绍 matplotlib.pyplot.bar()

matplotlib.pyplot.bar() 函数用于绘制柱状图。

基本语法：matplotlib.pyplot.bar(x, height[, width=0.8, bottom=None, align='center', **kwargs])

基本参数：

其他参数：

【3×02】简单柱状图示例

import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  x = [1, 2, 3, 4, 5] height = [5, 7, 4, 3, 1] # 设置 x 轴的标签，也可以用 plt.xticks 方法来设置 tick_label = ['A', 'B', 'C', 'D', 'E'] # 设置颜色序列 color = ['red', 'yellow', 'peru', 'orchid', 'deepskyblue'] # 绘制柱状图，边缘线宽度为1，颜色为黑色，样式为 -- plt.bar(x, height, tick_label=tick_label, color=color, edgecolor='k', linewidth=1, linestyle='--')  plt.title('简单柱状图示例') plt.xlabel('x axis label') plt.ylabel('y axis label')  plt.show() 

【3×03】添加与标准差的误差线

首先定义一个列表，其中的元素是与每个值对应的标准差，ecolor 和 capsize 参数分别指定误差线的颜色和两头横线的宽度。这两个参数可以通过 error_kw 字典形式组合起来。以字典形式的组合优先级别要比单独指定高。另外，柱状图指定标准差时要用 yerr，条形图（横向排列的柱状图）指定标准差时要用 xerr。

import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  x = [1, 2, 3, 4, 5] height = [5, 7, 4, 3, 2] std = [0.5, 0.1, 1.2, 0.3, 1.0] # 标准差  tick_label = ['A', 'B', 'C', 'D', 'E'] # 设置 x 轴的标签，也可以用 plt.xticks 方法来设置 color = ['red', 'yellow', 'peru', 'orchid', 'deepskyblue'] # 设置颜色序列 plt.bar(     x,     height,     tick_label=tick_label,     color=color,     yerr=std, # 指定对应标准差 # error_kw={ #     'ecolor': 'k',   # 指定误差线的颜色 #     'capsize': 6     # 指定误差线两头横线的宽度 # },     ecolor='k',     capsize=6,     edgecolor='k', # 指定边缘线颜色     linewidth=1 # 指定边缘线宽度 )  plt.title('柱状图添加误差线示例') plt.xlabel('x axis label') plt.ylabel('y axis label')  plt.show() 

【3×04】多序列柱状图

在绘制多序列的柱状图时，只需要多次调用 matplotlib.pyplot.bar() 函数即可，指定一个较小的宽度值（偏移量），绘制不同数据时设置不同的 x 位置刻度即可。

import numpy as np import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  x = np.arange(5) height1 = np.array([5, 7, 4, 3, 2]) height2 = np.array([2, 4, 6, 7, 3]) height3 = np.array([3, 1, 7, 5, 2]) # 设置宽度值（偏移量） width = 0.3 # 绘制不同数据时，x 轴依次增加一个偏移量 plt.bar(x, height1, width, label='bar1') plt.bar(x + width, height2, width, label='bar2') plt.bar(x + width * 2, height3, width, label='bar3') # 设置 x 轴刻度的标签 plt.xticks(x + width, ['A', 'B', 'C', 'D', 'E']) plt.title('多序列柱状图示例') plt.xlabel('x axis label') plt.ylabel('y axis label') plt.legend()  plt.show() 

【3×05】堆积的柱状图

所谓堆积图，就是将多序列数据堆积到一个矩形上显示，在柱状图中要实现堆积图，只需要改变 bottom 参数即可，bottom 参数用于设置 y 轴基线，即柱状图的底边在 y 轴上的起始刻度，第一条数据 data1 的基线可以设置为 0，即默认值，第二条数据 data2 的基线可以设置在 data1 的上方，即 bottom=data1，第三条数据 data3 的基线可以设置在 data1 + data2 的上方，即 bottom=data1+data2，以此类推。

import numpy as np import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  x = np.arange(5) height1 = np.array([5, 7, 4, 3, 2]) height2 = np.array([2, 4, 6, 7, 3]) height3 = np.array([3, 1, 7, 5, 2])  plt.bar(x, height1, label='bar1') plt.bar(x, height2, label='bar2', bottom=height1) plt.bar(x, height3, label='bar3', bottom=(height2+height1))  plt.xticks(x, ['A', 'B', 'C', 'D', 'E']) plt.title('堆积的柱状图示例') plt.xlabel('x axis label') plt.ylabel('y axis label') plt.legend()  plt.show() 

【3×06】填充其他样式

hatch 参数可以让柱状图的矩形填充其他样式，可选值有：'/', '', '|', '-', '+', 'x', 'o', 'O', '.', '*'。可以是不同图案的组合形式，如果有相同的图案，则会增加填充的密度。

import numpy as np import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  x = np.arange(5) height1 = np.array([5, 7, 4, 3, 2]) height2 = np.array([2, 4, 6, 7, 3]) height3 = np.array([3, 1, 7, 5, 2])  plt.bar(x, height1, label='bar1', color='w', hatch='///') plt.bar(x, height2, label='bar2', bottom=height1, color='w', hatch='xxx') plt.bar(x, height3, label='bar3', bottom=(height2+height1), color='w', hatch='|||')  plt.xticks(x, ['A', 'B', 'C', 'D', 'E']) plt.title('柱状图图案填充示例') plt.xlabel('x axis label') plt.ylabel('y axis label') plt.legend()  plt.show() 

【3×07】添加文字描述

利用 matplotlib.pyplot.text() 方法可以在柱状图每个矩形上方添加文字描述。具体参数解释可参考前面的文章：《Python 数据分析三剑客之 Matplotlib（二）：文本描述 / 中文支持 / 画布 / 网格等基本图像属性》

import numpy as np import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  x = np.arange(5) height1 = np.array([5, 7, 4, 3, 2]) height2 = np.array([2, 4, 6, 7, 3]) height3 = np.array([3, 1, 7, 5, 2])  width = 0.3 # 绘制不同数据时，x 轴依次增加一个偏移量 plt.bar(x, height1, width, label='bar1') plt.bar(x + width, height2, width, label='bar2') plt.bar(x + width * 2, height3, width, label='bar3') # 依次添加每条数据的标签 for a, b in zip(x, height1):     plt.text(a, b, b, ha='center', va='bottom') for c, d in zip(x, height2):     plt.text(c + width, d, d, ha='center', va='bottom') for e, f in zip(x, height3):     plt.text(e + width * 2, f, f, ha='center', va='bottom') # 设置 x 轴刻度的标签 plt.xticks(x + width, ['A', 'B', 'C', 'D', 'E']) plt.title('柱状图添加文字描述示例') plt.xlabel('x axis label') plt.ylabel('y axis label') plt.legend()  plt.show() 

【4×00】条形图的绘制

【4×01】函数介绍 matplotlib.pyplot.barh()

matplotlib.pyplot.barh() 函数用于绘制条形图（水平排列的柱状图）。

基本语法：matplotlib.pyplot.barh(y, width[, height=0.8, left=None, align='center', color, **kwargs])

其他参数：

【4×02】简单条形图示例

import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  y = [1, 2, 3, 4, 5] width = [5, 7, 4, 3, 1]  tick_label = ['A', 'B', 'C', 'D', 'E'] color = ['red', 'yellow', 'peru', 'orchid', 'deepskyblue'] plt.barh(y, width, tick_label=tick_label, color=color, edgecolor='k', linewidth=1, linestyle='--')  plt.title('简单条形图示例') plt.xlabel('x axis label') plt.ylabel('y axis label')  plt.show() 

【4×03】添加与标准差的误差线

与柱状图一样，首先定义一个列表，其中的元素是与每个值对应的标准差，ecolor 和 capsize 参数分别指定误差线的颜色和两头横线的宽度。这两个参数可以通过 error_kw 字典形式组合起来。以字典形式的组合优先级别要比单独指定高。另外，柱状图指定标准差时要用 yerr，条形图（横向排列的柱状图）指定标准差时要用 xerr。

import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  y = [1, 2, 3, 4, 5] width = [5, 7, 4, 3, 2] std = [0.5, 0.1, 1.2, 0.3, 1.0] # 标准差  tick_label = ['A', 'B', 'C', 'D', 'E'] # 设置 x 轴的标签，也可以用 plt.xticks 方法来设置 color = ['red', 'yellow', 'peru', 'orchid', 'deepskyblue'] # 颜色序列 plt.barh(     y,     width,     tick_label=tick_label,     color=color,     xerr=std, # 指定对应标准差 # error_kw={ #     'ecolor': 'k',    # 指定误差线的颜色 #     'capsize': 6      # 指定误差线两头横线的宽度 # },     ecolor='k',     capsize=6,     edgecolor='k', # 指定边缘线颜色     linewidth=1 # 指定边缘线宽度 )  plt.title('条形图添加误差线示例') plt.xlabel('x axis label') plt.ylabel('y axis label')  plt.show() 

【4×04】多序列条形图

与多序列柱状图类似，在绘制多序列的条形图时，只需要多次调用 matplotlib.pyplot.barh() 函数即可，指定一个较小的高度值（偏移量），绘制不同数据时设置不同的 y 位置刻度即可。

import numpy as np import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  y = np.arange(5) width1 = np.array([5, 7, 4, 3, 2]) width2 = np.array([2, 4, 6, 7, 3]) width3 = np.array([3, 1, 7, 5, 2]) # 设置高度值（偏移量） height = 0.3 # 绘制不同数据时，y 轴依次增加一个偏移量 plt.barh(y, width1, height, label='bar1') plt.barh(y + height, width2, height, label='bar2') plt.barh(y + height * 2, width3, height, label='bar3') # 设置 y 轴刻度的标签 plt.yticks(y + height, ['A', 'B', 'C', 'D', 'E']) plt.title('多序列条形图示例') plt.xlabel('x axis label') plt.ylabel('y axis label') plt.legend()  plt.show() 

【4×05】堆积的条形图

堆积图就是将多序列数据堆积到一个矩形上显示，和堆积的柱状图类似，在条形图中要实现堆积图，只需要改变 left 参数即可，left 参数用于设置 x 轴基线，即柱状图的底边在 x 轴上的起始刻度，第一条数据 data1 的基线可以设置为 0，即默认值，第二条数据 data2 的基线可以设置在 data1 的上方，即 left=data1，第三条数据 data3 的基线可以设置在 data1 + data2 的上方，即 left=data1+data2，以此类推。

import numpy as np import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  y = np.arange(5) width1 = np.array([5, 7, 4, 3, 2]) width2 = np.array([2, 4, 6, 7, 3]) width3 = np.array([3, 1, 7, 5, 2])  plt.barh(y, width1, label='bar1') plt.barh(y, width2, label='bar2', left=width1) plt.barh(y, width3, label='bar3', left=(width1+width2))  plt.yticks(y, ['A', 'B', 'C', 'D', 'E']) plt.title('堆积的条形图示例') plt.xlabel('x axis label') plt.ylabel('y axis label') plt.legend()  plt.show() 

【4×06】填充其他样式

hatch 参数可以让柱状图的矩形填充其他样式，可选值有：'/', '', '|', '-', '+', 'x', 'o', 'O', '.', '*'。可以是不同图案的组合形式，如果有相同的图案，则会增加填充的密度。

import numpy as np import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  y = np.arange(5) width1 = np.array([5, 7, 4, 3, 2]) width2 = np.array([2, 4, 6, 7, 3]) width3 = np.array([3, 1, 7, 5, 2])  plt.barh(y, width1, label='bar1', color='w', hatch='///') plt.barh(y, width2, label='bar2', left=width1, color='w', hatch='xxx') plt.barh(y, width3, label='bar3', left=(width1+width2), color='w', hatch='|||')  plt.yticks(y, ['A', 'B', 'C', 'D', 'E']) plt.title('条形图图案填充示例') plt.xlabel('x axis label') plt.ylabel('y axis label') plt.legend()  plt.show() 

【4×07】添加文字描述

利用 matplotlib.pyplot.text() 方法可以在条形图每个矩形上方添加文字描述。具体参数解释可参考前面的文章：《Python 数据分析三剑客之 Matplotlib（二）：文本描述 / 中文支持 / 画布 / 网格等基本图像属性》

import numpy as np import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  y = np.arange(5) width1 = np.array([5, 7, 4, 3, 2]) width2 = np.array([2, 4, 6, 7, 3]) width3 = np.array([3, 1, 7, 5, 2])  height = 0.3 # 绘制不同数据时，y 轴依次增加一个偏移量 plt.barh(y, width1, height, label='bar1') plt.barh(y + height, width2, height, label='bar2') plt.barh(y + height * 2, width3, height, label='bar3') # 依次添加每条数据的标签 for a, b in zip(width1, y):     plt.text(a, b-0.05, a) for c, d in zip(width2, y):     plt.text(c, d+0.20, c) for e, f in zip(width3, y):     plt.text(e, f+0.50, e) # 设置 y 轴刻度的标签 plt.yticks(y + height, ['A', 'B', 'C', 'D', 'E']) plt.title('条形图添加文字描述示例') plt.xlabel('x axis label') plt.ylabel('y axis label') plt.legend()  plt.show()