Wykres słupkowy Matplotlib

Człowiek może lepiej zrozumieć wizualne w porównaniu z formą tekstową. Dlatego ludzie zawsze sugerują narysowanie wykresu Big Data, aby go zrozumieć w bardzo łatwy sposób. Istnieją różne rodzaje wykresów na rynku, takie jak wykresy słupkowe, histogramy, wykresy kołowe itp. Te różne wykresy są używane zgodnie z zestawem danych i wymagań. Na przykład, jeśli masz zestaw danych o wydajności firmy z ostatnich 10 lat, wykres wykresu barowego poda więcej informacji o rozwoju firmy. Tak więc wybór wykresu zależy od zestawu danych i wymagań.

Jeśli jesteś naukowcem z danych, czasami musisz obsługiwać duże zbiory danych. W tych dużych zbiorach danych przetwarzasz dane, analizujesz dane, a następnie generujesz raport na ten temat. Aby wygenerować raport na ten temat, musisz potrzebować jasnego obrazu danych, a tutaj pojawiają się wykresy.

W tym artykule wyjaśnimy, jak korzystać z Czat baru Matplotlib w Python.

Możemy użyć danych kategorycznych do przedstawienia wykresu słupkowego w Python. Wykres słupkowy może być pozioma lub pionowa, co zależy od twojego projektu. Wysokości wykresów słupków zależą od punktów danych zestawu danych, ponieważ punkty danych są bezpośrednio proporcjonalne do wysokości lub długości wykresu słupkowego.

Kroki, aby utworzyć wykres baru w Python:

Krok 1. Zainstaluj wymaganą bibliotekę.

Najpierw musimy zainstalować bibliotekę Matplotlib w Python. W tym celu musimy uruchomić następujące polecenie w terminalu:

PIP Instaluj matplotlib

Krok 2: Teraz następnym krokiem jest zebranie zestawu danych. W przypadku manekina właśnie stworzyłem mały zestaw danych, aby pokazać wykres baru. Ten zestaw danych to tylko manekin, a nie faktyczna prawdziwa wartość.

Kraj	PKB na mieszkańca
Singapur	55000
Kanada	52000
USA	62000
Katar	69000
Arabia Saudyjska	57000

Krok 3: Powyższy zestaw danych, musimy przeczytać w Python, aby go użyć. Ale dla demo bezpośrednio tworzę listę powyższego zestawu danych. Ale w kodowaniu musimy odczytać ten zestaw danych z biblioteki, takich jak pandy, read_csv itp.

Country = [„Singapur”, „Kanada”, „USA”, „Qatar”, „Arabia Saudyjska”]
GDP_PERCAPITA = [55000,52000,62000,69000,57000]

Krok 4: Teraz zamierzamy wykreślić wykres barowy. W tym celu musimy wprowadzić szczegóły osi x i osi y, jak pokazano poniżej. Poniższy to tylko szablon lub plan utworzenia wykresu paska w Pythonie za pomocą pakietu Matplotlib.

importmatplotlib.Pyplotasplt
plt.pasek (oś x, oś y)
plt.Tytuł („Nazwa tytułu wykresu baru”)
plt.xlabel („nazwa osi x”)
plt.yLabel („nazwa osi y”)
plt.pokazywać()

Linia 3: Musimy przekazać dwa zestawy danych do PLT.Metoda bar (). Metoda Bar () ma również inne parametry, których możemy użyć do dostosowania wykresu. Ale obecnie koncentrujemy się na metodzie domyślnej.

Linia 4: Ten plt.Tytuł służy do wyświetlania tytułu wykresu.

Linia 5: plt.xlabel służy do pokazania nazwy etykiety na osi x.

Linia 6: plt.YLABEL służy do wyświetlania nazwy etykiet na osi y.

Linia 7: To pokaże wykres słupkowy na ekranie ze wszystkimi powyższymi ustawieniami.

Przykład 1: Wykres słupkowy z ustawieniami domyślnymi

Kompletne przede wszystkim wszystkie kroki będą wyglądać jak poniżej w Python:

# demo_country_gdp_percapita.py
importmatplotlib.Pyplotasplt
Country = [„Singapur”, „Kanada”, „USA”, „Qatar”, „Arabia Saudyjska”]
GDP_PERCAPITA = [55000,52000,62000,69000,57000]
plt.bar (kraj, gdp_percapita)
plt.Tytuł („Demo Bar Tapht”)
plt.xlabel („kraj”)
plt.yLabel („gdp_percapita”)
plt.pokazywać()

Wyjście: demo_country_gdp_percapita.py

Linia 1 do 5: Importujemy Matplotlib.Pakiet pyplot. Utworzyliśmy również dwie listy (kraj, gdp_percapita) dla osi x i osi y.

Linia 7: Przekazujemy te dwie listy jako parametry do PLT.Metoda bar ().

Linia 8 do 11: Ustawiamy nazwy etykiet osi x i osi y. Ustawiamy również tytułową nazwę wykresu słupkowego i w końcu wykreślamy wykres, który pokazuje się w powyższym.

Powyższa metoda jest metodą domyślną, a my po prostu przekazujemy naszą oś x i osi y. Ale możemy również pokolorować nasz wykres i format. To wszystko, co zobaczymy z wyprzedzeniem.

Przykład 2: Wykresy słupkowe o niestandardowej szerokości prostokąt

Możemy również zmienić szerokość wykresu barowego. Domyślna szerokość wykresu paska to 0.8, ale jeśli potrzebujemy mniejszej szerokości paska prostokąta, możemy zmniejszyć wartość szerokości. I to samo, możemy zwiększyć wartość z 0.8 do większego, jeśli musimy zwiększyć szerokość paska. Tak więc zobaczymy ten parametr szerokości. Użyjemy tego samego kodu Pythona, jak pokazano w przykładzie 1.

# bar_chart_width.py
# Importuj matplotlib.Pakiet pyplot
importmatplotlib.Pyplotasplt
# Utworzył dwie listy dla osi X i osi Y
Country = [„Singapur”, „Kanada”, „USA”, „Qatar”, „Arabia Saudyjska”]
GDP_PERCAPITA = [55000,52000,62000,69000,57000]
# Przekaż obie listy do metody bar () i tutaj zmieniamy rozmiar szerokości
#Wartość od 0.8 (domyślnie) do 0.5
plt.bar (kraj, gdp_percapita, szerokość = 0.5)
# Ustaw nazwę tytułu
plt.Tytuł („Rozmiar szerokości wykresu baru demo”)
# Ustaw nazwę xlable
plt.xlabel („kraj”)
# Ustaw nazwę yLabel
plt.yLabel („gdp_percapita”)
# Narysuj wykres
plt.pokazywać()

Linia 4 do 8: Importujemy Matplotlib.Pakiet pyplot. Utworzyliśmy również dwie listy (kraj, gdp_percapita) dla osi x i osi y.

Linia 11: Przekazujemy te dwie listy jako parametry do PLT.Metoda bar (). Ustawiamy również szerokość = 0.5. Ta wartość zmienia domyślną wartość szerokości, która wynosi 0.8.

Linia 14 do 23: Ustawiamy nazwy etykiet osi x i osi y. Ustawiamy również tytułową nazwę wykresu baru i w końcu wykreślamy wykres, który pokazuje poniżej. Poniższa rozmiar szerokości wykresu paska jest teraz zmniejszony.

Wyjście: bar_chart_width.py

Poniższy wykres słupkowy to wyjście. Widzimy, że teraz rozmiar szerokości wykresu paska jest cieńszy niż wyjście wykresu prądu przykładowego.

Przykład 3: Zmień kolor wykresu słupkowego

Możemy również zmienić kolor wykresu słupkowego. W tym celu musimy przekazać dowolną nazwę koloru za pomocą koloru słowa kluczowego = colour_name do metody paska (), jak pokazano poniżej. Zmieni to kolor wykresu słupkowego z domyślnego koloru na nazwę koloru przekazanego.

# bar_chart_change_color_1.py
# Importuj matplotlib.Pakiet pyplot
importmatplotlib.Pyplotasplt
# Utworzył dwie listy dla osi X i osi Y
Country = [„Singapur”, „Kanada”, „USA”, „Qatar”, „Arabia Saudyjska”]
GDP_PERCAPITA = [55000,52000,62000,69000,57000]
# Przekaż obie listy do metody bar (), a tutaj zmieniamy szerokość
# Wartość wielkości od 0.8 (domyślnie) do 0.5 i kolor = zielony
plt.bar (kraj, gdp_percapita, szerokość = 0.5, kolor = „zielony”)
# Ustaw nazwę tytułu
plt.Tytuł („Wykres Demo BASE Zmień kolor”)
# Ustaw nazwę xlable
plt.xlabel („kraj”)
# Ustaw nazwę yLabel
plt.yLabel („gdp_percapita”)
# Narysuj wykres
plt.pokazywać()

Linia 4 do 8: Importujemy Matplotlib.Pakiet pyplot. Utworzyliśmy również dwie listy (kraj, gdp_percapita) dla osi x i osi y.

Linia 13: Przekazujemy te dwie listy jako parametry do PLT.Metoda bar (). Ustawiamy również szerokość = 0.5. Ta wartość zmienia domyślną wartość szerokości, która wynosi 0.8. Mieliśmy jeszcze jeden kolor parametrów. Ten parametr koloru pomaga nam zmienić kolor wykresu wykresu słupkowego.

Linia 16–25: Ustawiamy nazwy etykiet osi x i osi y. Ustawiamy również tytułową nazwę wykresu baru i w końcu wykreślamy wykres, który pokazuje poniżej. Poniższy kolor wykresu paska jest teraz zmieniany.

Wyjście: bar_chart_change_color_1.py

Poniższy wykres słupkowy to wyjście. Widzimy, że teraz kolor wykresu słupkowego jest zmieniany na zielony, który mijaliśmy. Możesz więc przekazać dowolny kolor, a metoda paska () wyświetli wykres o tym samym kolorze, co w tym przekazałeś.

Przykład 4: Zmień kolor każdego wykresu słupkowego

Możemy również zmienić kolor każdej wykresu paska prostokąta. Musimy stworzyć listę kolorów, które chcemy zastosować, a następnie przekazać tę listę do metody Bar () z innymi parametrami, takimi jak poniższy kod.

# bar_chart_change_color_2.py
# Importuj matplotlib.Pakiet pyplot
importmatplotlib.Pyplotasplt
# Utworzył dwie listy dla osi X i osi Y
Country = [„Singapur”, „Kanada”, „USA”, „Qatar”, „Arabia Saudyjska”]
GDP_PERCAPITA = [55000,52000,62000,69000,57000]
Colours = [„Purple”, „Gold”, „czerwony”, „zielony”, „niebieski”]
# Przekaż obie listy do metody bar () i tutaj zmieniamy szerokość
# Wartość wielkości od 0.8 (domyślnie) do 0.5
plt.bar (kraj, gdp_percapita, szerokość = 0.5, kolor = kolory)
# Ustaw nazwę tytułu
plt.Tytuł („Demo Bar Maper Zmień kolor każdego baru prostokąta”)
# Ustaw nazwę xlable
plt.xlabel („kraj”)
# Ustaw nazwę yLabel
plt.yLabel („gdp_percapita”)
# Narysuj wykres
plt.pokazywać()

Linia 4 do 8: Importujemy Matplotlib.Pakiet pyplot. Utworzyliśmy również dwie listy (kraj, gdp_percapita) dla osi x i osi y.

Linia 9: Utworzyliśmy inną listę nazw kolorów i przekazamy ją do metody Bar () jako parametr.

Linia 13: Przekazujemy te dwie listy jako parametry do PLT.Metoda bar (). Ustawiamy również szerokość = 0.5. Ta wartość zmienia domyślną wartość szerokości, która wynosi 0.8. Mieliśmy jeszcze jeden kolor parametrów. Ten parametr koloru pomaga nam zmienić kolor każdego wykresu wykresu słupkowego.

Linia 16–25: Ustawiamy nazwy etykiet osi x i osi y. Ustawiamy również tytułową nazwę wykresu baru i w końcu wykreślamy wykres, który pokazuje poniżej. Poniższa rozmiar szerokości wykresu paska jest teraz zmniejszony.

Wyjście: bar_chart_change_color_2.py

Poniższy wykres słupkowy to wyjście. Kolor wykresu paska jest zmieniany na różne kolory, a nie na jeden kolor zgodnie z wartościami listy kolorów.

Przykład 5: wykres wykresów barowych w kolejności sortowanej

Możemy również wyświetlić wykres wykresu paska w kolejności sortowanej. W tym celu musimy sortować dane przed przejściem do metody Bar (), jak pokazano poniżej:

# bar_chart_sorted_order.py
# Importuj matplotlib.Pakiet pyplot
importmatplotlib.Pyplotasplt
# Utworzył dwie listy dla osi X i osi Y
Country = [„Singapur”, „Kanada”, „USA”, „Qatar”, „Arabia Saudyjska”]
GDP_PERCAPITA = [55000,52000,62000,69000,57000]
Colours = [„Purple”, „Gold”, „czerwony”, „zielony”, „niebieski”]
# Sortuj listy
PKP_SORTED = SORTED (GDP_PERCAPITA)
Country_ordered = [x dla _, x loved (zip (gdp_percapita, country))]]
Drukuj („country_ordered”, country_Ourded)
# Przekaż obie listy do metody bar (), a tutaj zmieniamy szerokość
# Wartość wielkości od 0.8 (domyślnie) do 0.5
plt.bar (country_Ordered, PKP_SORTED, szerokość = 0.5, kolor = kolory)
# Ustaw nazwę tytułu
plt.Tytuł („Demo Bar Tapht Sorted Order”)
# Ustaw nazwę xlable
plt.xlabel („kraj”)
# Ustaw nazwę yLabel
plt.yLabel („gdp_percapita”)
# Narysuj wykres
plt.pokazywać()

Linia 4 do 8: Importujemy Matplotlib.Pakiet pyplot. Utworzyliśmy również dwie listy (kraj, gdp_percapita) dla osi x i osi y.

Linia 9: Utworzyliśmy inną listę nazw kolorów i przekazamy ją do parametru metody Bar ().

Linia 12–15: Najpierw sortujemy wartości PKB w kraju, a następnie sortujemy nazwę kraju zgodnie z ich wartością PKB za pomocą metody ZIP (. A następnie drukujemy zmienną Country_Orded do potwierdzenia i otrzymujemy nazwę kraju w sortowanej kolejności, jak pokazano poniżej:

Country_Ourdered [„Canada”, „Singapur”, „Arabia Saudyjska”, „USA”, „Katar”]

Więc teraz mamy obie wartości w sortowanej kolejności. Więc przekazamy te posortowane listy jako parametry do metody Bar ().

Linia 20: Przekazujemy te dwie posortowane listy jako parametry do PLT.Metoda bar (). Ustawiamy również szerokość = 0.5. Ta wartość zmienia domyślną wartość szerokości, która wynosi 0.8. Mieliśmy jeszcze jeden kolor parametrów. Ten parametr koloru pomaga nam zmienić kolor każdego wykresu wykresu słupkowego.

Linia 23 do 32: Ustawiamy nazwy etykiet osi x i osi y. Ustawiamy również tytułową nazwę wykresu baru i w końcu wykreślamy wykres, który pokazuje poniżej. Poniższa rozmiar szerokości wykresu paska jest teraz zmniejszony.

Wyjście: bar_chart_sorted_order.py

Poniższy wykres słupkowy to wyjście. Widzimy, że teraz wykres słupkowy jest w sortowanej kolejności.

Przykład 6: Wykres słupkowy z liniami siatki

Możemy również dodać linie siatki na wykresie słupkowym za pomocą funkcji grid (). Ta funkcja linii siatki akceptuje również różne parametry, takie jak kolor, linia, styl życia itp. Dlatego zamierzamy zaimplementować ten sam kod z funkcją Grid ().

# bar_chart_with_grid.py
# Importuj matplotlib.Pakiet pyplot
importmatplotlib.Pyplotasplt
# Utworzył dwie listy dla osi X i osi Y
Country = [„Singapur”, „Kanada”, „USA”, „Qatar”, „Arabia Saudyjska”]
GDP_PERCAPITA = [55000,52000,62000,69000,57000]
Colours = [„Purple”, „Gold”, „czerwony”, „zielony”, „niebieski”]
# Przekaż obie listy do metody bar () i tutaj zmieniamy szerokość
# Wartość wielkości od 0.8 (domyślnie) do 0.5
plt.bar (kraj, gdp_percapita, szerokość = 0.5, kolor = kolory)
plt.siatka (color = '#9545AB', linestyle = '-', lineWidth = 2, axis = 'y', alpha = 0.7)
# Ustaw nazwę tytułu
plt.Tytuł („Demo Bar Tapht With Grid”)
# Ustaw nazwę xlable
plt.xlabel („kraj”)
# Ustaw nazwę yLabel
plt.yLabel („gdp_percapita”)
# Narysuj wykres
plt.pokazywać()

Powyższy kod jest podobny do przykładu nr. 4. Jedyna zmiana jest w powyższym kodzie Python, jest w wierszu nr 14. W wierszu 14 dodaliśmy jedną funkcję Grid (), a w środku, przekazujemy różne parametry linii.

A kiedy uruchamiamy powyższy kod, otrzymujemy dane wyjściowe jak poniżej:

Przykład 7: Horyzontalna tabela baru

Możemy również wyświetlić wykres słupkowy. W tym celu musimy użyć plt.Barh zamiast plt.bar

# horizontal_demo.py
# Zaimportuj wymagany pakiet
importmatplotlib.Pyplotasplt
# Utworzono dwie listy manekinów dla osi X i osi Y
Country = [„Singapur”, „Kanada”, „USA”, „Qatar”, „Arabia Saudyjska”]
GDP_PERCAPITA = [55000,52000,62000,69000,57000]
# Używamy tutaj metody barh () (poziome) nie pasek ()
plt.Barh (Country, Gdp_percapita)
# Ustaw tytuł wykresu barowego
plt.Tytuł („Demo Horizontal Bar Chart”)
# Ustaw xlable i ylabel na wykresie barowym
plt.xlabel („kraj”)
plt.yLabel („gdp_percapita”)
# Wreszcie wyświetl wykres
plt.pokazywać()

Linia 11: Używamy PLT.Metoda barh () dla poziomego.

Poniższe dane wyjściowe pokazuje powyższy kod.

Wyjście: horizontal_demo.py

Wniosek: Ten artykuł pokazał, jak utworzyć wykres słupkowy z matplotlib.Pyplot. Widzieliśmy również różne parametry, których możemy użyć w funkcji Bar (). Te parametry mogą sprawić, że nasz wykres będzie wyglądał bardzo profesjonalnie, taki jak zmiana koloru, szerokość paska, wyświetlacz poziomego lub pionowego itp. W następnym artykule badamy więcej o Matplotlib.

Kod tego artykułu jest dostępny pod poniższym linkiem GitHub:

https: // github.com/shekharpandey89/instruktaż MatplotLib-bar