1.单数据系列柱状图：
运行结果：
具体代码：
#引入工具包import matplotlib.pyplot as pltimport numpy as np#设置中文字体，如果不需要中文，则可不写该语句plt.rcParams["font.sans-serif"]=["SimHei"]#写入数据x_data=['Fair', 'Good', 'Very Good', 'Premium', 'Ideal']y_data=[4300, 3800, 3950, 4700, 3500]#利用bar()函数设置柱状图的参数，plt.bar(x_data, y_data, width=0.5, color='red')plt.title('单数据系列柱状图')#设置中文标题plt.xlabel('Cut')#x轴的标签plt.ylabel('Price')#y轴的标签plt.show()#show()函数进行绘制
补充：
1.工具包matplotlib可直接在命令提示符中输入pip installmatplotlib，回车进行下载；
2.工具包numpy可直接在命令提示符中输入pip installnumpy，回车进行下载；
2.多数据系列柱状图：
运行结果：
具体代码：
#引用工具库import pandas as pd #使用该数据包导入数据表import numpy as npfrom matplotlib import pyplot as plt#引用中文plt.rcParams["font.sans-serif"]=["SimHei"]plt.rcParams['axes.unicode_minus'] = False #防止负号乱码，在此代码中可不用#导入打开数据表表df=pd.read_csv('D:\PYthon3-9-13\Data\MultiColumn_Data.csv')#数据条数x=np.arange(3)#获取数据y1=df['1996']y2=df['1997']#绘制柱状图，颜色为默认设置，柱柱状条宽0.3plt.bar(x, y1, 0.3, label='1996')#label为柱状图标签plt.bar(x+0.3, y2, 0.3, label='1997')#两个柱状条相邻，x坐标要加上0.3#为柱状条设置数值(即设置x轴的下标标签)tick_label=['Temporary Stream', 'Permanent Stream', 'Lake']plt.xticks(x+0.3/2,tick_label)#使两个柱状条的中心位于轴点上plt.legend() #显示上面的labelplt.title('多数据系列柱状图')plt.show()
补充：
数据表如下：
3.堆积柱状图：
运行结果：
具体代码：
#引用工具库import pandas as pdimport numpy as npfrom matplotlib import pyplot as plt#引用中文plt.rcParams["font.sans-serif"]=["SimHei"]#打开表df=pd.read_csv('D:\PYthon3-9-13\Data\StackedColumn_Data.csv')fig,ax = plt.subplots()#创建子图，参数均为默认label = [i for i in df.columns[1:]]#获取每一列的第一个值，作为x轴的坐标标签y1 = df.iloc[0,1:].values #获取第0行各列数据的数据值，.values即获取数据值y2 = df.iloc[1,1:].valuesy3 = df.iloc[2,1:].valuesy4 = df.iloc[3,1:].valuesy5 = df.iloc[4,1:].values#ax即在子图中进行绘制 ax.bar(label, y1, width=.4, label='Fair',color='#FF7F50',ec='k',lw=.6)ax.bar(label, y2, width=.4, bottom=y1, label='Good',color='#FF4500',ec='k',lw=.6)ax.bar(label, y3, width=.4, bottom=y2+y1, label='Very Good',color='#DC143C',ec='k',lw=.6)ax.bar(label, y4, width=.4, bottom=y3+y2+y1, label='Premium',color='#B22222',ec='k',lw=.6)ax.bar(label, y5, width=.4, bottom=y4+y3+y2+y1, label='Ideal',color='#8B0000',ec='k',lw=.6)ax.set_ylim(0,14000) #根据数据表中的数据值，自设置y轴坐标值的限制范围ax.legend() #绘制显示各个y的标签#设置坐标轴的标签，字体大小设为13，用fontsize设置字体大小ax.set_ylabel('values',fontsize=13)ax.set_xlabel('columns',fontsize=13)plt.show()
补充：
数据表如下：
对表中数据的获取，请看以下代码语句：
部分颜色表如下：
4.百分比堆积柱状图：
运行结果：
具体代码：
import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport matplotlib.patches as mpatchesimport matplotlib.ticker as mtickfrom matplotlib.ticker import PercentFormatter #引用包中的百分比函数plt.rcParams['font.sans-serif'] = ['SimHei']df=pd.read_csv('D:\PYthon3-9-13\Data\StackedColumn_Data.csv')#设置填充的颜色colors = ['#ADFEDC','#4EFEB3','#02F78E','#02CB74','#019858']#获取处理数据labels = [i for i in df.columns[1:]]y1 = df.iloc[0,1:].valuesy2 = df.iloc[1,1:].valuesy3 = df.iloc[2,1:].valuesy4 = df.iloc[3,1:].valuesy5 = df.iloc[4,1:].valuesdata = [y1,y2,y3,y4,y5] #为方便后续引用，将数据放入data中x = range(len(labels)) #将获取的labels依次给到x轴bottom_y = np.zeros(len(labels)) #将bottom_y元素都初始化为0data = np.array(data) #将data放入数组中sums = np.sum(data, axis=0) #求数组data的和，为计算百分比做准备j = 0figure, ax = plt.subplots() #创建子图，默认设置for i in data: #通过函数进行绘制图像y = i / sums #获取各个y值的百分比plt.bar(x, y, width=0.5, color=np.array(colors)[j], bottom=bottom_y, edgecolor='gray')bottom_y = y + bottom_y #实现百分比柱状条的堆积plt.xticks(x, labels) #设置x轴的坐标标签legend_labels = ['Fair', 'Good', 'Very Good', 'Premium','Ideal'] #设置图像图例color = ['#ADFEDC','#4EFEB3','#02F78E','#02CB74','#019858'] #给定与柱状条相同的颜色#将颜色和图例标签对应起来patches = [mpatches.Patch(color=color[h],label="{:s}".format(legend_labels[h])) for h in range(len(legend_labels))]ax = plt.gca()#绘制子图box = ax.get_position()plt.gca().yaxis.set_major_formatter(PercentFormatter(1)) #纵轴设置为百分比#生成legend，显示标签；用bbox_to_anchor=(1, 1)设置图例的位置ax.legend(handles=patches,ncol=1, bbox_to_anchor=(1, 1)) figure.subplots_adjust(right=0.7)j+=1 #color=np.array(colors)[j],通过数组给定柱状条相应的颜色for i in range(1, 11, 1):#绘制平行于x轴的虚线plt.axhline(y=i/10, linestyle='dashed', color='black', linewidth=0.5)labels = ax.get_xticklabels() + ax.get_yticklabels()ax.set_title('百分比堆积柱状图',fontsize=13)ax.set_ylabel('values',fontsize=13)ax.set_xlabel('columns',fontsize=13)plt.show()
补充：
数据表如下：
注：如有不正确的或表述不当的请及时反馈，谢谢。
