目錄
- Matplotlib 可視化大師系列博客總覽
- Matplotlib 可視化大師系列（三）：plt.bar() 與 plt.barh() - 清晰對比的柱狀圖
- 一、 柱狀圖是什么？何時使用？
- 二、 函數原型與核心參數
- `plt.bar(x, height, ...)` - 垂直柱狀圖
- `plt.barh(y, width, ...)` - 水平柱狀圖
- 三、 從入門到精通：代碼示例
- 示例 1：基礎垂直柱狀圖
- 示例 2：分組柱狀圖
- 示例 3：堆疊柱狀圖與水平柱狀圖
- 四、 最佳實踐與常見陷阱
- 五、 總結
Matplotlib 可視化大師系列博客總覽
本系列旨在提供一份系統、全面、深入的 Matplotlib 學習指南。以下是博客列表：
- 基礎篇：
plt.plot()- 繪制折線圖的利刃 - 分布篇：
plt.scatter()- 探索變量關系的散點圖 - 比較篇：
plt.bar()與plt.barh()- 清晰對比的柱狀圖 - 統計篇：
plt.hist()與plt.boxplot()- 洞察數據分布 - 占比篇：
plt.pie()- 展示組成部分的餅圖 - 高級篇：
plt.imshow()- 繪制矩陣與圖像的強大工具 - 專屬篇： 繪制誤差線 (
plt.errorbar())、等高線 (plt.contour()) 等特殊圖表 - 綜合篇： 在一張圖中組合多種圖表類型
Matplotlib 可視化大師系列（三）：plt.bar() 與 plt.barh() - 清晰對比的柱狀圖
柱狀圖是數據可視化中最常用、最有效的圖表類型之一，專門用于比較不同類別的數值。Matplotlib 提供了 plt.bar()（垂直柱狀圖）和 plt.barh()（水平柱狀圖）兩個函數來創建這種圖表。本文將深入解析這兩個函數，幫助你掌握創建清晰、準確對比圖表的藝術。
一、 柱狀圖是什么？何時使用？
柱狀圖使用高度（或長度）不同的矩形（柱體）來表示不同類別的數值大小。每個柱體代表一個類別，柱體的高度代表該類別的數值。
適用場景：
- 比較不同類別的數量（如不同產品的銷量）
- 顯示數據隨時間的變化（時間序列數據，但通常用于離散時間點）
- 對比分組數據
與直方圖的區別（重要！）：
- 柱狀圖 (Bar Chart)：比較不同類別的數值。X軸是分類變量（如城市名、產品類型）。
- 直方圖 (Histogram)：顯示單個變量的分布情況。X軸是連續數值被分成的區間（bins）。
二、 函數原型與核心參數
plt.bar(x, height, ...) - 垂直柱狀圖
plt.bar(x, height, width=0.8, bottom=None, *, align='center', **kwargs)
plt.barh(y, width, ...) - 水平柱狀圖
plt.barh(y, width, height=0.8, left=None, *, align='center', **kwargs)
核心參數詳解：
- 定位參數:
x/y: 柱體中心的坐標。對于分類數據，通常是類別標簽的索引（如[0, 1, 2, 3]）或直接是標簽（需要配合plt.xticks()）。height/width: 柱體的高度（垂直）或寬度（水平），即要比較的數值。
- 尺寸參數:
width: (垂直) 柱體的寬度，默認0.8。通常保持在0.8以下，柱體間會有清晰間隔。height: (水平) 柱體的高度，默認0.8。bottom/left: 柱體的底部（垂直）或左側（水平）基準線。這是創建堆疊柱狀圖的關鍵！
- 對齊方式:
align: 柱體與X坐標的對齊方式。'center'（默認，中心對齊）或'edge'（邊緣對齊）。
- 樣式參數 (
**kwargs):color/facecolor/fc: 柱體填充顏色。可以是一個顏色（所有柱體相同），也可以是一個顏色列表（每個柱體不同）。edgecolor/ec: 柱體邊緣顏色。linewidth/lw: 柱體邊緣線寬。alpha: 透明度。label: 用于圖例的標簽（為一組柱體設置標簽）。tick_label: 直接指定每個柱體的刻度標簽，替代默認的x坐標。
三、 從入門到精通：代碼示例
示例 1：基礎垂直柱狀圖
import matplotlib.pyplot as plt
import numpy as np# 數據
categories = ['Apples', 'Oranges', 'Bananas', 'Grapes']
values = [15, 12, 18, 9]# 創建圖形
fig, ax = plt.subplots(figsize=(8, 5))# 繪制柱狀圖
bars = ax.bar(categories, values)# 美化
ax.set_title('Fruit Sales Comparison')
ax.set_ylabel('Quantity Sold')
ax.grid(axis='y', linestyle='--', alpha=0.7) # 只在y軸加網格線# 在柱體頂端添加數值標簽 (一個非常有用的技巧！)
for bar in bars:height = bar.get_height()ax.annotate(f'{height}',xy=(bar.get_x() + bar.get_width() / 2, height),xytext=(0, 3), # 3 points vertical offsettextcoords="offset points",ha='center', va='bottom')plt.tight_layout()
plt.show()
示例 2：分組柱狀圖
通過控制每個組的X坐標和柱體寬度，可以實現分組對比。
# 數據
labels = ['Q1', 'Q2', 'Q3', 'Q4']
sales_A = [20, 35, 30, 35]
sales_B = [25, 32, 34, 20]
sales_C = [15, 25, 40, 30]x = np.arange(len(labels)) # 標簽位置: [0, 1, 2, 3]
width = 0.25 # 柱寬fig, ax = plt.subplots(figsize=(10, 6))# 繪制三組柱體，每組柱體的x坐標偏移一個width
rects1 = ax.bar(x - width, sales_A, width, label='Product A')
rects2 = ax.bar(x, sales_B, width, label='Product B')
rects3 = ax.bar(x + width, sales_C, width, label='Product C')# 添加標簽和標題
ax.set_xlabel('Quarters')
ax.set_ylabel('Sales')
ax.set_title('Quarterly Sales by Product')
ax.set_xticks(x) # 設置x軸刻度位置
ax.set_xticklabels(labels) # 設置x軸刻度標簽
ax.legend()# 添加數值標簽
def autolabel(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')autolabel(rects1)
autolabel(rects2)
autolabel(rects3)fig.tight_layout()
plt.show()
示例 3：堆疊柱狀圖與水平柱狀圖
# 堆疊柱狀圖 - 使用 bottom 參數
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))# 數據
men_means = [20, 35, 30, 35]
women_means = [25, 32, 34, 20]
labels = ['Q1', 'Q2', 'Q3', 'Q4']
x = np.arange(len(labels))# 左側：堆疊柱狀圖
ax1.bar(labels, men_means, label='Men')
ax1.bar(labels, women_means, bottom=men_means, label='Women') # 關鍵：bottom=men_means
ax1.set_ylabel('Scores')
ax1.set_title('Stacked Bar Chart')
ax1.legend()# 右側：水平柱狀圖 - 非常適合類別名稱較長的情況
categories = ['Very Long Category Name A', 'Long Category Name B', 'Category C', 'D']
values = [15, 12, 18, 9]bars = ax2.barh(categories, values)
ax2.set_xlabel('Value')
ax2.set_title('Horizontal Bar Chart')
ax2.grid(axis='x', linestyle='--', alpha=0.7)# 在水平柱體右側添加數值標簽
for bar in bars:width = bar.get_width()ax2.annotate(f'{width}',xy=(width, bar.get_y() + bar.get_height()/2),xytext=(3, 0),textcoords="offset points",ha='left', va='center')plt.tight_layout()
plt.show()
四、 最佳實踐與常見陷阱
- 最佳實踐:
- 排序數據： 除非有特定順序要求（如時間），否則將柱體按高度排序，使比較更容易。
- 從零基線開始： Y軸必須從0開始，否則會扭曲數據的真實比例，誤導觀眾。
- 添加數值標簽： 在柱體頂端或末端直接標注數值，讓讀者無需猜測。
- 使用水平柱狀圖： 當類別名稱很長或類別數量很多時，水平柱狀圖可讀性更高。
- 謹慎使用顏色： 使用顏色來傳達信息（如突出特定類別），而不是隨意裝飾。
- 常見陷阱:
- 過度擁擠： 柱體太多、太窄、間距太小會讓圖表難以閱讀。考慮分組顯示或使用其他圖表類型（如折線圖）。
- 錯誤的排序： 隨意排序類別會掩蓋數據的真實模式。
- 3D效果： 避免使用3D柱狀圖，它們會扭曲感知，難以準確比較高度。
- 混淆柱狀圖和直方圖： 確保你使用的是正確的圖表類型來回答你的問題。
五、 總結
plt.bar() 和 plt.barh() 是進行數據對比的利器。
- 核心功能： 用矩形的高度/長度表示類別數值的大小。
- 關鍵參數：
x/y（位置），height/width（數值），bottom/left（堆疊），color（樣式）。 - 高級應用： 分組柱狀圖、堆疊柱狀圖。
- 關鍵技巧： 添加數值標簽、排序數據、保持零基線。
掌握柱狀圖，意味著你能夠清晰、準確地展示數據之間的比較關系，這是數據故事中不可或缺的一環。在下一篇文章中，我們將深入探討數據的分布，使用 plt.hist() 和 plt.boxplot() 來揭示數據背后的統計特性。
)
