数据可视化---柱状图

发布时间:2023年12月17日
类别内容导航
机器学习机器学习算法应用场景与评价指标
机器学习算法—分类
机器学习算法—回归
机器学习算法—聚类
机器学习算法—异常检测
机器学习算法—时间序列
数据可视化数据可视化—折线图
数据可视化—箱线图
数据可视化—柱状图
数据可视化—饼图、环形图、雷达图
统计学检验箱线图筛选异常值
3 Sigma原则筛选离群值
Python统计学检验
大数据PySpark大数据处理详细教程
使用教程CentOS服务器搭建Miniconda环境
Linux服务器配置免密SSH
大数据集群缓存清理
面试题整理面试题—机器学习算法
面试题—推荐系统

import matplotlib.pyplot as plt
import numpy as np

def plot_bar_chart(data, labels, colors=None, title="Bar Chart", xlabel="X-Axis", ylabel="Y-Axis"):
    """
    绘制柱状图,并在柱子上显示数量和比例。
    
    :param data: 包含数值的列表。
    :param labels: 与数据相对应的标签列表。
    :param colors: 柱子的颜色列表。
    :param title: 图表的标题。
    :param xlabel: X轴的标签。
    :param ylabel: Y轴的标签。
    """
    fig, ax = plt.subplots()
    bars = plt.bar(labels, data, color=colors)
    
    total = sum(data)
    for bar in bars:
        yval = bar.get_height()
        plt.text(bar.get_x() + bar.get_width()/2, yval, f'{yval}\n({yval/total:.1%})', ha='center', va='bottom')
    
    plt.title(title)
    plt.xlabel(xlabel)
    plt.ylabel(ylabel)
    plt.show()

# 示例数据 
simple_data = [15, 30, 45, 10] 
simple_labels = ['A', 'B', 'C', 'D'] 
simple_colors = ['red', 'green', 'blue', 'orange'] 
grouped_data = [[12, 30, 1, 8], [28, 6, 16, 5]] 
group_labels = ['Group 1', 'Group 2', 'Group 3', 'Group 4'] 
category_labels = ['Category A', 'Category B'] 
# 绘制图表 
plot_bar_chart(simple_data, simple_labels, simple_colors, title="Simple Bar Chart", xlabel="Category",ylabel="Values")

在这里插入图片描述

import matplotlib.pyplot as plt
import numpy as np

def plot_grouped_bar_chart(data, group_labels, category_labels, colors=None, title="Grouped Bar Chart", xlabel="X-Axis", ylabel="Y-Axis"):
    """
    绘制分组柱状图,并在柱子上显示数量和比例。
    
    :param data: 一个二维列表,其中每个内部列表包含同一组的数据。
    :param group_labels: 每组的标签列表。
    :param category_labels: 类别标签列表。
    :param colors: 每个类别的柱子颜色列表。
    :param title: 图表的标题。
    :param xlabel: X轴的标签。
    :param ylabel: Y轴的标签。
    """
    n_groups = len(data[0])
    n_categories = len(data)

    fig, ax = plt.subplots()
    index = np.arange(n_groups)
    bar_width = 0.35
    opacity = 0.8

    if not colors or len(colors) != n_categories:
        colors = plt.cm.viridis(np.linspace(0, 1, n_categories))

    total = np.sum(data, axis=0)
    for i in range(n_categories):
        bars = plt.bar(index + i * bar_width, data[i], bar_width, alpha=opacity, color=colors[i], label=category_labels[i])
        
        for bar, total_val in zip(bars, total):
            yval = bar.get_height()
            plt.text(bar.get_x() + bar.get_width()/2, yval, f'{yval/total_val:.1%}', ha='center', va='bottom')

    plt.title(title)
    plt.xlabel(xlabel)
    plt.ylabel(ylabel)
    plt.xticks(index + bar_width / 2, group_labels)
    plt.legend()

    plt.tight_layout()
    plt.show()

# 示例数据 
grouped_data = [[12, 30, 1, 8], [28, 6, 16, 5]] 
group_labels = ['Group 1', 'Group 2', 'Group 3', 'Group 4'] 
category_labels = ['Category A', 'Category B'] 

# 绘制图表 
plot_grouped_bar_chart(grouped_data, group_labels, category_labels, title="Grouped Bar Chart", xlabel="Groups",ylabel="Values")

在这里插入图片描述

文章来源:https://blog.csdn.net/weixin_41620184/article/details/135038530
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。