python数据可视化 - 带数据标签的双batch的Bar图绘制示例

Jack Lee 的 CSDN 博客

邮箱 ：291148484@163.com

CSDN 主页：https://blog.csdn.net/qq_28550263?spm=1001.2101.3001.5343

本文地址：https://blog.csdn.net/qq_28550263/article/details/110740099

【代码实现】

import matplotlib
import matplotlib.pyplot as plt
import numpy as np

def barchart_ax_2Batch(title,
                    xlabel,ylabel,
                    batch1_name,batch2_name,
                    x_text,batch1,batch2,
                    background_color,Batch1_color,Batch2_color):
    plt.rcParams['font.sans-serif'] = ['KaiTi']           # 指定默认字体以解决中文乱码
    x = np.arange(len(x_text))
    width = 0.35
    fig, ax = plt.subplots()
  
    rects1 = ax.bar(x - width/2, batch1, width, label = batch1_name, color = Batch1_color)   
                                            #- width/2右移一半宽度
    rects2 = ax.bar(x + width/2, batch2, width, label = batch2_name, color = Batch2_color)   
                                            #+ width/2左移一半宽度 否则两图会重合

    ax.patch.set_facecolor(background_color)     #设置背景色
     # 设置各种标签名称的数据来源
    ax.set_title(title)              #添加标题
    ax.set_xlabel(xlabel)           #添加横轴标题（标签）
    ax.set_ylabel(ylabel)           #添加纵轴标题（标签）
  
    ax.set_xticks(x)               #以列表x中的内容为所作图横轴刻度
    ax.set_xticklabels(x_text)       #添加横轴数据/文本
    ax.legend()                  #添加图例
  
    #为Batch1添加数据标签
    for rect in rects1:
        height = rect.get_height()
        ax.annotate('{}'.format(height),      
            xy=(rect.get_x() + rect.get_width() / 2, height),
            xytext=(0,3),                                # 3 points vertical offset
            textcoords="offset points",
            ha='center', va='bottom')
    #为Batch2添加数据标签
    for rect in rects2:
        height = rect.get_height()
        ax.annotate('{}'.format(height),      
            xy=(rect.get_x() + rect.get_width() / 2, height),
            xytext=(0,3), 
            textcoords="offset points",
            ha='center', va='bottom')
            plt.grid(linestyle = "dotted",color = "r")    #添加网格线
    fig.tight_layout()
    plt.show()

【调用实例】

新手调用时，请尽量按照两部走的原则：

• 1.先定义各种待传入函数接口的数据，
• 2.调用函数。
  参数很多时不要把所有参数的取值都写到调用函数处，这样将降低可读性。

#定义各种名称
title = '期末平均考成绩比较图'
xlabel = '科目'
ylabel = '得分'
batch1_name = '高2020-07班'
batch2_name = '高2020-09班'
#定义数据值
x_text = ['语文', '数学', '英语', '物理', '化学' ,'生物']
batch1 = [87, 118, 101, 106, 76, 71]
batch2 = [112, 97, 116, 99, 89, 83]
#定义颜色
background_color = "lightskyblue"
Batch1_color = "red"
Batch2_color = "blue"
#最后调用函数以绘图
barchart_ax_2Batch(title,
                 xlabel,ylabel,
                 batch1_name,batch2_name,
                 x_text,batch1,batch2,
                 background_color,Batch1_color,Batch2_color)

生成图片效果如下：

内容仅供参考，如需使用请指明出处。

202012.29.更新/回复

【事项记录】：有同学留言，说想要绘制百分比标签的。其实这不难。可以如下思路操作：

• 1.输入数据前先表列表中的数据标准化，即处理成百分数的一百倍。比如百分之97.15%则处理成97.15
• 2.对函数中格式化操作稍微更改。
  还是用上面的数据举个栗子吧，假设我们想得到两个班同学各科成绩占满分的占比。

import matplotlib
import matplotlib.pyplot as plt
import seaborn as sns

def bar_2batch( x_labels,y1,y2,
                       title=None,xtitle=None,ytitle=None,
                       legend1=None,legend2=None,
                       background_color="#ffffff",Batch1_color="#5B9BD5",Batch2_color="#ED7D31"):
   plt.rcParams['font.sans-serif'] = ['KaiTi']
   pylab.rcParams['figure.figsize'] = (7.0, 4.0)
   x = np.arange(len(x_labels))
   width = 0.25
   fig, ax = plt.subplots()
   rects1 = ax.bar(x - width/2, y1, width, label = legend1, color = Batch1_color)   
   rects2 = ax.bar(x + width/2, y2, width, label = legend2, color = Batch2_color)   
   ax.patch.set_facecolor(background_color)
   ax.set_title(title)
   ax.set_xlabel(xtitle)
   ax.set_ylabel(ytitle) 
 
   ax.set_xticks(x) 
   ax.set_xticklabels(x_labels)
   if (legend1 is not None) or (legend1 is not None):  
       ax.legend()
   
   def add_dlb(rects):
       for rect in rects:
           height = rect.get_height()
           ax.annotate('{0:.2f}%'.format(height), xy=(rect.get_x() + rect.get_width() / 2, height),xytext=(0,3), textcoords="offset >points", ha='center', va='bottom')
   
   add_dlb(rects1)
   add_dlb(rects2)

   plt.grid(linestyle = "-",color = "#DBDBDB") 
   fig.tight_layout()
   plt.show()
   
# 定义各种名称
title = '两班学生各科目成绩满分比'
xtitle = '科目'
ytitle = '得分'
legend1 = '高2020-07班'
legend2 = '高2020-09班'
# 定义数据值
x_labels = ['语文', '数学', '英语', '物理', '化学' ,'生物']
y1 = [87/150*100, 118/150*100, 101/150*100, 96/100*100, 76/100*100, 71/100*100]
y2 = [112/150*100, 97/150*100, 116/150*100, 99/100*100, 89/100*100, 83/100*100]

# 最后调用函数以绘图
bar_2batch(x_labels,y1,y2,title=title,legend1=legend1,legend2=legend2)

效果如图所示：

由于定义了默认参数，当不需要要标题等参数的时候，你甚至也可以只给出数据。比如：

bar_2batch(x_labels,y1,y2)

其运行结果为：

import matplotlib
import matplotlib.pyplot as plt
import numpy as np
import pylab
import seaborn as sns
sns.set(style="darkgrid")

def bar_1batch( x_labels,y1,title=None,xtitle=None,ytitle=None,legend1=None,Batch1_color="#5B9BD5"):
    plt.rcParams['font.sans-serif'] = ['KaiTi']           # 指定默认字体以解决中文乱码
    x = np.arange(len(x_labels))
    width = 0.75
    fig, ax = plt.subplots()
    rects1 = ax.bar(x - width/2, y1, width, label = legend1, color = Batch1_color)
    if legend1 != None:
        ax.legend()                        #添加图例
    ax.set_title(title)               #添加标题
    ax.set_xlabel(xtitle)             #添加横轴标题（标签）
    ax.set_ylabel(ytitle)             #添加纵轴标题（标签）
    
    ax.set_xticks(x)                   #以列表x中的内容为所作图横轴刻度
    ax.set_xticklabels(x_labels)       #添加横轴数据/文本
    
    pylab.rcParams['figure.figsize'] = (16.0, 5.0)
    plt.rcParams['font.sans-serif'] = ['KaiTi']
    matplotlib.rcParams['axes.unicode_minus'] = False
    def add_dlb(rects):
        for rect in rects:
            height = rect.get_height()
            ax.annotate('{}'.format(height), xy=(rect.get_x() + rect.get_width() / 2, height),xytext=(0,3), textcoords="offset points", ha='center', va='bottom')
    
    add_dlb(rects1)

    plt.grid(linestyle = "-",color = "#DBDBDB")
    fig.tight_layout()
    plt.show()
    
# 定义数据
n=36
x_labels = [str(i) for i in range(n)]
y1 = np.random.randint(10,90,size=(1,n),dtype=int)[0]

#最后调用写好的函数绘图
bar_1batch(x_labels,y1)

在jupyter中运行结果如下图所示：

这样就控制图像的大小让我们看起来更“爽”。