条形图

条形图的绘制方式跟折线图非常的类似，只不过是换成了plt.bar方法。plt.bar方法有以下常用参数：

x：一个数组或者列表，代表需要绘制的条形图的x轴的坐标点。
height：一个数组或者列表，代表需要绘制的条形图y轴的坐标点。
width：每一个条形图的宽度，默认是0.8的宽度。
bottom：y轴的基线，默认是0，也就是距离底部为0.
align：对齐方式，默认是center，也就是跟指定的x坐标居中对齐，还有为edge，靠边对齐，具体靠右边还是靠左边，看width的正负。
color：条形图的颜色。

返回值为BarContainer，是一个存储了条形图的容器，而条形图实际上的类型是matplotlib.patches.Rectangle对象。

一、条形图的绘制：

比如现在有2019年贺岁片票房的数据（数据来源：https://piaofang.maoyan.com/dashboard）：

#票房单位亿元
movies = {
    "流浪地球":40.78,
    "飞驰人生":15.77,
    "疯狂的外星人":20.83,
    "新喜剧之王":6.10,
    "廉政风云":1.10,
    "神探蒲松龄":1.49,
    "小猪佩奇过大年":1.22,
    "熊出没·原始时代":6.71
}

用条形图绘制每部电影及其票房的代码如下：

movies = {
    "流浪地球":40.78,
    "飞驰人生":15.77,
    "疯狂的外星人":20.83,
    "新喜剧之王":6.10,
    "廉政风云":1.10,
    "神探蒲松龄":1.49,
    "小猪佩奇过大年":1.22,
    "熊出没·原始时代":6.71
}
plt.bar(np.arange(len(movies)),list(movies.keys()))
plt.xticks(np.arange(len(movies)),list(movies.keys()),fontproperties=font)
plt.grid()

效果图如下：
电影条形图.png

其中xticks和yticks的用法跟之前的折线图一样。这里新出现的方法是bar，bar常用的有3个参数，分别是x（x轴的坐标点）,y（y轴的坐标点）以及width（条形的宽度）。

二、横向条形图：

横向条形图需要使用plt.barh这个方法跟bar非常的类似，只不过把方向进行旋转。参数跟bar类似，但也有区别。如下：

y：数组或列表，代表需要绘制的条形图在y轴上的坐标点。
width：数组或列表，代表需要绘制的条形图在x轴上的值（也就是长度）。
height：条形图的高度，默认是0.8。
left：条形图的基线，也就是距离y轴的距离。
其他参数跟bar一样。

返回值也是BarContainer容器对象。

还是以以上数据为例，将电影名和票房反转一下。示例代码如下：

movies = {
    "流浪地球":40.78,
    "飞驰人生":15.77,
    "疯狂的外星人":20.83,
    "新喜剧之王":6.10,
    "廉政风云":1.10,
    "神探蒲松龄":1.49,
    "小猪佩奇过大年":1.22,
    "熊出没·原始时代":6.71
}
plt.barh(np.arange(len(movies)),list(movies.values()))
plt.yticks(np.arange(len(movies)),list(movies.keys()),fontproperties=font)
plt.grid()

效果图如下：
电影横向条形图.png

三、分组条形图：

现在有一组数据，是2019年春节贺岁片前五天的电影票房记录。
示例代码如下：

movies = {
    "流浪地球":[2.01,4.59,7.99,11.83,16],
    "飞驰人生":[3.19,5.08,6.73,8.10,9.35],
    "疯狂的外星人":[4.07,6.92,9.30,11.29,13.03],
    "新喜剧之王":[2.72,3.79,4.45,4.83,5.11],
    "廉政风云":[0.56,0.74,0.83,0.88,0.92],
    "神探蒲松龄":[0.66,0.95,1.10,1.17,1.23],
    "小猪佩奇过大年":[0.58,0.81,0.94,1.01,1.07],
    "熊出没·原始时代":[1.13,1.96,2.73,3.42,4.05]
}
plt.figure(figsize=(20,8))
width = 0.75
bin_width = width/5
movie_pd = pd.DataFrame(movies)
ind = np.arange(0,len(movies))

# 第一种方案
# first_day = movie_pd.iloc[0]
# plt.bar(ind-bin_width*2,first_day,width=bin_width,label='第一天')

# second_day = movie_pd.iloc[1]
# plt.bar(ind-bin_width,second_day,width=bin_width,label='第二天')

# third_day = movie_pd.iloc[2]
# plt.bar(ind,third_day,width=bin_width,label='第三天')

# four_day = movie_pd.iloc[3]
# plt.bar(ind+bin_width,four_day,width=bin_width,label='第四天')

# five_day = movie_pd.iloc[4]
# plt.bar(ind+bin_width*2,five_day,width=bin_width,label='第五天')

# 第二种方案
for index in movie_pd.index:
    day_tickets = movie_pd.iloc[index]
    xs = ind-(bin_width*(2-index))
    plt.bar(xs,day_tickets,width=bin_width,label="第%d天"%(index+1))
    for ticket,x in zip(day_tickets,xs):
        plt.annotate(ticket,xy=(x,ticket),xytext=(x-0.1,ticket+0.1))

# 设置图例
plt.legend(prop=font)
plt.ylabel("单位：亿",fontproperties=font)
plt.title("春节前5天电影票房记录",fontproperties=font)
# 设置x轴的坐标
plt.xticks(ind,movie_pd.columns,fontproperties=font)
plt.xlim
plt.grid(True)
plt.show()

示例图如下：
分组条形图.png

四、堆叠条形图：

堆叠条形图，是将一组相关的条形图堆叠在一起进行比较的条形图。比如以下案例：

menMeans = (20, 35, 30, 35, 27)
womenMeans = (25, 32, 34, 20, 25)
groupNames = ('G1','G2','G3','G4','G5')
xs = np.arange(len(menMeans))
plt.bar(xs,menMeans)
plt.bar(xs,womenMeans,bottom=menMeans)
plt.xticks(xs,groupNames)
plt.show()

效果图如下：
堆叠条形图.png
在绘制女性得分的条形图的时候，因为要堆叠在男性得分的条形图上，所以使用到了一个bottom参数，就是距离x轴的距离。通过对贴条形图，我们就可以清楚的知道，哪一个队伍的综合排名是最高的，并且在每个队伍中男女的得分情况。

条形图应用场景：

数量统计。
频率统计。