Bemind
Учебник Python
Учебник Python
  • Python
    • Python Lists
      • Списковые включения в Python (Полное руководство с примерами)
      • Исправление ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Как добавить строку в список в Python
      • Разница между массивами и списками в Python
      • Python: Различия между списками и кортежами
      • Как проверить, пуст ли список в Python
      • Как Итерировать (Циклически Проходить) По Списку в Python
      • Python List sort(): Подробное руководство по сортировке списков
      • Python List Extend: Как добавить несколько элементов в список
      • Python: Найти Индекс Всех Вхождений Элемента в Списке
      • Конвертация списка словарей в Pandas DataFrame
      • Генерация случайных чисел в Python
      • Поиск Индекса в Списке Python: Найти Первое, Последнее или Все Вхождения
      • Добавить в начало списка в Python (Вставить в начало)
      • Найти дубликаты в списке Python
      • Python: Умножение Списков (6 Различных Способов)
      • Python списки: Полный обзор
      • Python: Выбор случайного элемента из списка
      • 4 Способа Очистить Список в Python
      • Объяснение ошибки IndexError в Python: индекс списка выходит за пределы допустимого диапазона
      • Python: Получение индекса максимального элемента в списке
      • Python: Объединение списков – Слияние списков (8 способов)
      • Python: Проверка наличия элемента в списке
      • Python: Проверка наличия элемента в списке
      • Удаление элемента из списка в Python (pop, remove, del, clear)
      • Как перевернуть список в Python (6 способов)
      • Python: Замена элемента в списке (6 различных способов)
      • Python: Удаление дубликатов из списка (7 способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Перемешать Список (Случайное Распределение Элементов Списка в Python)
      • Python: Пересечение двух списков
      • Python: Вычитание двух списков (4 простых способа!)
      • Длина или Размер Списка в Python: 5 Способов Узнать Длину Списка
      • Python: Транспонирование списка списков (5 простых способов!)
      • Python: Разделение списка (Пополам, на части)
      • Python: Комбинации списка (Получить все комбинации списка)
      • Python: Выравнивание списка списков (4 способа)
      • Разница между списками в Python: Нахождение разницы между двумя списками Python
      • Python: Найти среднее значение списка или списка списков
      • Как добавлять элементы в списки в Python – 4 простых способа!
      • Списковые включения в Python (Полное руководство с примерами)
      • 6 способов преобразовать список Python в строку
    • Python Dictionaries
      • Понимание словаря Python (с примерами)
      • Исправляем ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Преобразование JSON в словарь Python
      • Полное руководство по вложенным словарям в Python
      • Копирование словаря в Python: Полное руководство
      • Конвертация списка словарей в Pandas DataFrame
      • Поиск дубликатов в списке Python
      • Полный обзор словарей в Python
      • Python: Добавление пары Ключ:Значение в Словарь
      • Python: Сортировка словаря по значениям
      • Слияние Словарей в Python – Комбинирование Словарей (7 Способов)
      • Python: Удаление Дубликатов из Списка (7 Способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Красивая Печать Словаря (Dictionary) – 4 Способа
      • Python: Проверка пуст ли словарь (5 способов!)
      • Copy of Python: Проверка пуст ли словарь (5 способов!)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Получение Ключа Словаря с Максимальным Значением (4 Способа)
      • Python: Удаление ключа из словаря (4 разных способа)
      • Как красиво вывести JSON-файл в Python (6 методов)
    • Python Strings
      • Python Капитализация Строк: Руководство по Преобразованию слов в Заглавные
      • Python strip: Как обрезать строку в Python
      • Python Обратная Строка: Руководство по Реверсированию Строк
      • Как Удалить Префикс или Суффикс из Строки в Python
      • Преобразование строки в формат заголовка в Python с помощью str.title()
      • Как добавить строку в список в Python
      • Python String startswith: Проверка, начинается ли строка с подстроки
      • Python String endswith: Проверка того, заканчивается ли строка подстрокой
      • Как удалить первый или последний символ из строки в Python
      • Как исправить: SyntaxError в Python - EOL при сканировании строкового литерала
      • Python String Contains: Проверка Наличия Подстроки в Строке
      • Как проверить, пустая ли строка в Python
      • Python Новая Строка и Как Печатать Без Переноса Строки
      • Как Конкатенировать Строки в Python: Полное Руководство
      • Python: Подсчет слов в строке или файле
      • Как создать список алфавита в Python
      • Python: Конкатенация строки и целого числа (Int)
      • Python: Сортировка строки (4 различных способа)
      • Python zfill и rjust: Добавление нулей в строку в Python
      • Python: Целое в Двоичное (Преобразование целого числа в двоичную строку)
      • Python rfind: Нахождение индекса последней подстроки в строке
      • Python SHA256 хеширование алгоритм: объяснение
      • Python: Усечение числа с плавающей точкой (6 различных способов)
      • Выбор между методами Python isdigit(), isnumeric() и isdecimal()
      • Python: Удаление специальных символов из строки
      • Python Приведение Строки к Нижнему Регистру с помощью .lower(), .casefold(), и .islower()
      • Python программа для проверки, является ли строка палиндромом (6 методов)
      • Python: Найдите все перестановки строки (3 легких способа!)
      • Python: Удаление пунктуации из строки (3 разных способа!)
      • Python: Найти индекс (или все индексы) подстроки в строке
      • Python: Удаление символов новой строки из строки
      • Python: Удаление символа из строки (4 способа)
      • Python: Количество вхождений в строке (4 способа!)
    • Встроенные функции Python
      • abs()
      • ascii()
      • aiter()
      • all()
      • any()
      • anext()
      • bin()
      • bool()
      • breakpoint()
      • bytearray()
      • bytes()
      • callable()
      • chr()
      • classmethod()
      • compile()
      • complex()
      • delattr()
      • dict()
      • dir()
      • divmod()
      • enumerate()
      • eval()
      • exec()
      • filter()
      • float()
      • format()
      • frozenset()
      • getattr()
      • globals()
      • hasattr()
      • hash()
      • help()
      • hex()
      • id()
      • input()
      • int()
      • issubclass()
      • iter()
      • len()
      • list()
      • locals()
      • map()
      • max()
      • memoryview()
      • min()
      • next()
      • object()
      • oct()
      • open()
      • ord()
      • pow()
      • print()
      • property()
      • range()
      • repr()
      • reversed()
      • round()
      • set()
      • setattr()
      • isinstance()
      • slice()
      • zip()
      • type()
      • sorted()
      • staticmethod()
      • str()
      • sum()
      • super()
      • tuple()
      • vars()
      • import()
    • Cобеседования Python. Разбор реальных вопросов.
    • Встроенные методы в Python
  • Учебники по Pandas и Numpy
    • Numpy
      • Функция активации ReLU для глубокого обучения: полное руководство по выпрямленному линейному блоку
      • Как нормализовать массивы NumPy (минимальное-максимальное масштабирование, Z-оценка, L2)
      • NumPy where: Условная обработка элементов массива
      • NumPy linspace: создание равномерно расположенных массивов с помощью np.linspace
      • Как рассчитать векторное произведение в Python
      • Разделение NumPy: Разделение массива NumPy на части
      • NumPy: Лучшие способы применения функции к массиву
      • NumPy full: Создание массивов с заданным значением
      • NumPy clip(): Ограничьте значения массива минимальным и максимальным значениями
      • NumPy cumsum: Расчет кумулятивных сумм массивов NumPy
      • Изучаем функцию np.histogram в NumPy: создаем гистограмму
      • NumPy arange(): Полное руководство (с примерами)
      • Руководство по индексации и срезам массивов NumPy: Полное руководство
      • NumPy argmin(): Получение индекса минимального значения в массивах
      • Выравнивание массива с помощью NumPy flatten
      • Объединение массивов NumPy по различным осям с использованием функции stack
      • Удаление размерности из массивов NumPy с помощью NumPy Squeeze
      • Функция np.repeat() NumPy: Повторение массивов NumPy
      • Использование функции NumPy.exp() для вычисления экспоненты
      • Реализация функции сигмоида на Python
      • NumPy Pad: Использование np.pad() для дополнения массивов и матриц
      • np.argmax(): Как использовать NumPy Argmax
      • NumPy logspace: Понимание функции np.logspace()
      • Использование NumPy Tile для Расположения Массивов
      • NumPy Zeros: Создание массивов и матриц с нулями в NumPy
      • Использование числа Пи в Python (NumPy и Math)
      • Распределение Нормального (Гауссова) Распределения в Numpy (Случайное Нормальное в Numpy)
      • NumPy для Data Science на Python
      • Расчет скалярного произведения с использованием Numpy в Python
      • Расчет натурального логарифма на Python
    • Pandas
      • Python сводные таблицы – Полное руководство
      • Изучение API стиля Pandas
      • Объяснение группировки по нескольким столбцам в Pandas с примерами
      • Удаление индексной колонки DataFrame в Pandas: Руководство с примерами
      • Pandas Quantile: Расчет процентилей в DataFrame
      • Как рассчитать скользящее среднее (среднее арифметическое) в Pandas
      • Руководство по использованию метода fillna в Pandas для работы с отсутствующими данными в DataFrame
      • Pandas unique(): Получение уникальных значений в DataFrame
      • Распакуйте Ваши Данные с Помощью Функции Melt в Pandas
      • Pandas date_range: Как Создать Диапазон Дат в Pandas
      • Сброс индекса в Pandas: как сбросить индекс в Pandas
      • Pandas replace() – Замена значений в DataFrame Pandas
      • Перемещение столбца DataFrame Pandas на позицию (В начало и в конец)
      • Учебное пособие по Python Pandas: полное руководство
      • Pandas: Замена NaN на нули
      • Преобразование DataFrame Pandas в файл Pickle
      • Конвертация Pandas DataFrame в JSON
      • Преобразование DataFrame Pandas в Словарь
      • Преобразование Pandas DataFrame в Список
      • Чтение файлов Parquet в Pandas с помощью pd.read_parquet
      • Pandas dropna(): Удаление отсутствующих записей и столбцов в DataFrame
      • Как Добавить Новый Столбец в DataFrame Pandas
      • Подсчёт уникальных значений в Pandas
      • Отображение всех столбцов и строк в DataFrame Pandas
      • Pandas to_excel: Запись DataFrames в файлы Excel
      • Как использовать Pandas для чтения файлов Excel в Python
      • Преобразование списка словарей в Pandas DataFrame
      • Как добавить/вставить строку в DataFrame Pandas
      • Диаграмма рассеяния в Pandas: Как создать диаграмму рассеяния в Pandas
      • Pandas to_datetime: Преобразование строки Pandas в дату и время
      • Введение в Pandas для Data Science
      • Индексация, Выборка и Присваивание Данных в Pandas
      • Суммирование и Анализ Pandas DataFrame
      • Преобразование столбцов Pandas с помощью map и apply
      • Группировка данных в Pandas с использованием cut и qcut
      • Дата и время в Pandas и Python
      • Очистка и подготовка данных в Pandas и Python
      • Pandas GroupBy: группировка, суммирование и агрегация данных в Python
      • Pandas Дата и Время в Части Даты (месяц, год и т.д.)
      • Pandas: Получение номера строки из DataFrame
      • Вычисление Взвешенного Среднего в Pandas и Python
      • Как перемешать строки Pandas Dataframe в Python
      • Pandas: количество столбцов (подсчет столбцов в DataFrame)
      • Pandas Sum: сложение столбцов и строк DataFrame
      • Pandas Diff: Вычисление Разницы Между Строками Pandas
      • Нормализация столбца или датафрейма Pandas (с использованием Pandas или sklearn)
      • Функция Rank в Pandas: Ранжирование данных в Dataframe (Эквивалент SQL row_number)
      • Pandas Describe: Описательная статистика вашего Dataframe
      • Pandas Shift: Перемещение столбца DataFrame вверх или вниз
      • 7 Способов Выполнения Выборки Данных в Pandas
      • Экспорт DataFrame Pandas в CSV файл – Использование .to_csv()
      • Pandas: Итерация по строкам DataFrame в Pandas
      • Pandas: Преобразование значений столбца в строки
      • Дисперсия в Pandas: Вычисление дисперсии столбца в Pandas Dataframe
      • Pandas: Создание DataFrame из списков (5 способов!)
      • Pandas Rename Index: Как переименовать индекс DataFrame в Pandas
      • Pandas: Подсчёт уникальных значений в объекте GroupBy
      • Pandas: Добавить дни к колонке с датами
      • Среднее в Pandas: Как рассчитать среднее для одной или нескольких колонок
      • Pandas Column to List – Конвертируйте колонку Pandas в список
      • Транспонирование Dataframe в Pandas
      • Python: Разделение DataFrame Pandas
      • Как получить имена столбцов в DataFrame Pandas
      • Pandas: Количество строк в DataFrame (6 способов)
      • Создание пустого DataFrame Pandas и добавление данных
      • Как переименовать столбцы в Pandas DataFrame (с примерами)
      • Изменение порядка столбцов в Pandas: использование метода reindex и метода insert
      • Pandas get_dummies (One-Hot кодирование), объяснение
      • Относительные и Абсолютные Частоты в Python и Pandas
      • Финансовый год – Определение финансового года в Pandas
      • Как сортировать данные в DataFrame Pandas
  • Учебники Matplotlib и Seaborn
    • Seaborn
      • Регрессионные графики в Seaborn с использованием regplot и lmplot
      • Seaborn residplot – Построение остатков линейной регрессии
      • Seaborn jointplot() – Создание совместных графиков в Seaborn
      • Seaborn displot – Распределенческие графики в Python
      • Seaborn ecdfplot – Эмпирические функции накопленного распределения
      • Seaborn rugplot – Визуализация маргинальных распределений
      • Seaborn kdeplot – Создание графиков оценки плотности ядра
      • Seaborn histplot – Создание Гистограмм в Seaborn
      • Seaborn catplot – Визуализация категориальных данных в Python
      • Средняя тенденция для категориальных данных в Seaborn Pointplot
      • Seaborn stripplot: Jitter Plots для распределений категориальных данных
      • Seaborn Countplot – Подсчет категориальных данных в Python
      • Seaborn swarmplot: Bee Swarm Plots для распределения категориальных данных
      • Скрипичные графики Seaborn в Python: Полное руководство
      • Настройка расположения легенд Seaborn, меток, текста и т.д.
      • Тепловая карта Seaborn: Полное руководство
      • Создание многосекционных сеток в Seaborn с помощью FacetGrid
      • Удаление рамки в Seaborn: Как работать с рамкой
      • Заголовки и метки осей в Seaborn: добавление и настройка
      • Как установить Seaborn в Python (Исправление: no module named seaborn)
      • Seaborn relplot – Создание точечных и линейных графиков
      • Полное руководство по созданию точечных диаграмм (scatter plots) в Python с использованием Seaborn
    • Matplotlib
      • Режим Retina в Matplotlib: Улучшение Качества Графиков
      • Как построить функцию в Python с использованием Matplotlib
      • Как создать 3D-диаграммы рассеяния в Matplotlib
      • Как изменить размер шрифта в графике Matplotlib
      • Установка размера маркера в точечных диаграммах Matplotlib
      • Как изменить размер графика и фигуры в Matplotlib
      • Как добавить названия в Matplotlib: Заголовок, Подзаголовок, Названия Осей
      • Pandas Scatter Plot: Как создать диаграмму рассеяния в Pandas
      • Построение графиков в Python с помощью Matplotlib
      • Диаграммы рассеяния Matplotlib – Все, что вам нужно знать
      • Диаграммы с столбцами в Matplotlib – Узнайте все, что вам нужно знать
      • Линейные диаграммы Matplotlib – Всё, что вам нужно знать
      • Построение гистограммы в Python с Matplotlib и Pandas
  • Алгоритмы
    • Алгоритм поиска в ширину (BFS) в Python
    • Алгоритм поиска в глубину (DFS) на Python
  • AI создает хедж-фонд для анализа акций на Python
Powered by GitBook
On this page
  • Загружаем наши данные
  • Как создать гистограммы Matplotlib?
  • Как добавить заголовки и метки осей в столбчатые диаграммы?
  • Как настроить ширину полос?
  • Как настроить цвета гистограмм?
  • Как условно настроить цвета полос?
  • Как настроить выравнивание границ на гистограммах?
  • Как создать горизонтальную гистограмму в Matplotlib?
  • Как создать двойную гистограмму в Matplotlib?
  • Как добавить легенду к гистограммам?
  • Как добавить гистограмму с накоплением в Matplotlib?
  • Как добавить пропорциональную гистограмму с накоплением в Matplotlib?
  • Как добавить стиль к гистограммам?
  • Заключение
  1. Учебники Matplotlib и Seaborn
  2. Matplotlib

Диаграммы с столбцами в Matplotlib – Узнайте все, что вам нужно знать

PreviousДиаграммы рассеяния Matplotlib – Все, что вам нужно знатьNextЛинейные диаграммы Matplotlib – Всё, что вам нужно знать

Last updated 1 year ago

В этом посте вы узнаете, как создавать столбчатые диаграммы в Matplotlib, включая добавление нескольких столбцов, добавление заголовков и меток осей, условное выделение столбцов, добавление легенд, а также настройку с помощью стилей Matplotlib.

Содержание

Загружаем наши данные

Для этого руководства мы загрузим наши данные в DataFrame Pandas. В течение всего руководства мы будем использовать только Pandas и Matplotlib.

Если вы используете Jupyter ноутбуки, будет полезно добавить магию %matplotlib inline, чтобы видеть графики встроенными.

Давайте начнем с загрузки наших библиотек и данных:

import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

df = pd.DataFrame.from_dict(
    {
        'Year': [2016, 2017, 2018, 2019, 2020, 2021],
        'Men': [300, 320, 310, 305, 325, 330],
        'Women': [350, 325, 300, 305, 380, 355],
        'Total': [650,645, 610, 610, 705, 685]
    }
)

print(df.head())

Вывод фрейма данных:

   Year  Men  Women  Total
0  2016  300    350    650
1  2017  320    325    645
2  2018  310    300    610
3  2019  305    305    610
4  2020  325    380    705

Как создать гистограммы Matplotlib?

Создание простого столбчатого графика в Matplotlib достаточно легко. Мы можем просто использовать метод plt.bar(), чтобы создать столбчатый график, и передать параметры x= и height=

Давайте создадим столбчатую диаграмму, используя Годы в качестве меток по оси x и Общий в качестве высот:

plt.bar(x=df['Year'], height=df['Total'])
plt.show()

Это выводит следующую гистограмму:

Как добавить заголовки и метки осей в столбчатые диаграммы?

Очень полезно добавлять заголовки и метки осей, чтобы данные были легче для понимания.

Matplotlib делает это просто, используя методы .title(), .xlabel(), и .ylabel()

Добавим это к нашему существующему графику. Мы можем сделать это, написав следующее:

plt.bar(x=df['Year'], height=df['Total'])
plt.title('Sales over time')
plt.xlabel('Year')
plt.ylabel('Sales')
plt.show()

Это возвращает следующий график:

Возможно, вы захотите настроить размер текста. Вы можете просто передать аргумент .fontsize= в заголовки/метки осей. Давайте попробуем:

plt.bar(x=df['Year'], height=df['Total'])
plt.title('Sales over time', fontsize=18)
plt.xlabel('Year', fontsize=10)
plt.ylabel('Sales', fontsize=10)
plt.show()

Это возвращает следующий график:

Как настроить ширину полос?

Может быть, вам захочется настроить ширину ваших столбцов.

Чтобы изменить ширину, вы можете передать аргумент width= в метод .bar()

Ширины передаются как доля от 1, что означает, что если мы хотим изменить ширину до 25%, мы можем использовать 0.25.

plt.bar(x=df['Year'], height=df['Total'], width=0.25)
plt.title('Sales over time', fontsize=18)
plt.xlabel('Year')
plt.ylabel('Sales')
plt.show()

Это возвращает следующее изображение:

Это довольно некрасиво, так что давайте изменим ширину на 0.9:

plt.bar(x=df['Year'], height=df['Total'], width=0.9)
plt.title('Sales over time', fontsize=18)
plt.xlabel('Year')
plt.ylabel('Sales')
plt.show()

Это возвращает следующее изображение:

Как настроить цвета гистограмм?

Цвета диаграмм по умолчанию в Matplotlib, как правило, довольно невыразительные. Мы можем передать аргумент color= в метод plt.bar()

Например, давайте изменим цвет на серый:

plt.bar(x=df['Year'], height=df['Total'], color='grey')
plt.title('Sales over time', fontsize=18)
plt.xlabel('Year')
plt.ylabel('Sales')
plt.show()

Этот код вернет следующий график:

Как условно настроить цвета полос?

Также возможно добавить пользовательские цвета к отдельным столбцам. Это делается путем передачи списка различных цветов.

Например, если вы хотите изменить цвет бара с наибольшим значением, вы можете создать список с цветами для каждого бара:

colors = ['grey', 'grey', 'grey', 'grey', 'red', 'grey']
plt.bar(x=df['Year'], height=df['Total'], color=colors)
plt.title('Sales over time', fontsize=18)
plt.xlabel('Year')
plt.ylabel('Sales')
plt.show()

Это возвращает следующую диаграмму:

colors = ['r' if (bar == max(df['Total'])) else 'grey' for bar in df['Total']]
plt.bar(x=df['Year'], height=df['Total'], color=colors)
plt.title('Sales over time', fontsize=18)
plt.xlabel('Year')
plt.ylabel('Sales')
plt.show()

Это возвращает следующее изображение:

Как настроить выравнивание границ на гистограммах?

По умолчанию Matplotlib центрирует столбцы по меткам оси. Вы также можете изменить это, чтобы столбцы выравнивались по краям. Для этого используется параметр edge=

Давайте попробуем это с нашим сюжетом:

plt.bar(x=df['Year'], height=df['Total'], align='edge')
plt.title('Sales over time', fontsize=18)
plt.xlabel('Year')
plt.ylabel('Sales')
plt.show()

Это возвращает следующий график:

Как создать горизонтальную гистограмму в Matplotlib?

Matplotlib упрощает добавление горизонтальной гистограммы с помощью метода plt.barh(). Это работает аналогично методу plt.bar(), который мы уже изучили. Однако вместо параметров x= и height= используются параметры y= и width=

Давайте попробуем это с нашими текущими данными:

plt.barh(y=df['Year'], width=df['Total'])
plt.title('Sales over time', fontsize=18)
plt.xlabel('Year')
plt.ylabel('Sales')
plt.show()

Это возвращает следующее изображение:

Как создать двойную гистограмму в Matplotlib?

Давайте попробуем:

plt.bar(x=df['Year'], height=df['Men'])
plt.bar(x=df['Year'], height=df['Women'])

plt.title('Sales over time', fontsize=18)
plt.xlabel('Year')
plt.ylabel('Sales')
plt.show()

Это возвращает следующее изображение:

Мы видим, что это выглядит не очень хорошо. Данные фактически перекрываются. Нам нужно отрегулировать ширину и переместить положения столбцов одной серии рядом со столбцами другой серии.

Мы установим ширину на уровне 40% (0,4) и добавим эту ширину к x-серии второго ряда.

Давайте попробуем:

width = 0.4
plt.bar(x=df['Year'], height=df['Men'], width=width)
plt.bar(x=df['Year']+width, height=df['Women'], width=width)

plt.title('Sales over time', fontsize=18)
plt.xlabel('Year')
plt.ylabel('Sales')
plt.show()

Это возвращает следующую таблицу:

Как добавить легенду к гистограммам?

На данный момент неясно, какой цвет что обозначает. Мы можем прояснить это, добавив легенду к графику.

Чтобы сделать это, добавим аргумент label= к каждому вызову plt.bar() и присвоим необходимую метку. Затем вызовем метод .legend() для объекта plt.

Давайте попробуем:

width = 0.4
plt.bar(x=df['Year'], height=df['Men'], width=width, label='Men')
plt.bar(x=df['Year']+width, height=df['Women'], width=width, label='Women')

plt.title('Sales over time', fontsize=18)
plt.xlabel('Year')
plt.ylabel('Sales')
plt.legend()
plt.show()

Это возвращает следующую диаграмму:

Легенду можно перемещать, используя аргумент loc= в методе plt.legend(). По умолчанию Matplotlib выбирает наилучшее расположение ('best'). Однако, мы также можем задать другие позиции, такие как нижний правый угол вручную.

Давайте попробуем это сделать:

width = 0.4
plt.bar(x=df['Year'], height=df['Men'], width=width, label='Men')
plt.bar(x=df['Year']+width, height=df['Women'], width=width, label='Women')

plt.title('Sales over time', fontsize=18)
plt.xlabel('Year')
plt.ylabel('Sales')
plt.legend(loc='lower right')
plt.show()

Это возвращает следующее изображение:

Как добавить гистограмму с накоплением в Matplotlib?

Сложенные гистограммы могут быть очень полезным инструментом для визуализации сравнительных данных в серии, разбитых по другому признаку.

Это немного необычно делать в Matplotlib. Мы добавим второй график снова. Однако на этот раз мы можем использовать аргумент bottom=, чтобы задать откуда должны начинаться столбцы для второго графика.

Что мы сделаем, так это установим нижнюю часть второго ряда на верхнюю часть первого.

Давайте попробуем это сделать:

plt.bar(x=df['Year'], height=df['Men'], label='Men')
plt.bar(x=df['Year'], height=df['Women'], bottom=df['Men'], label='Women')

plt.title('Sales over time', fontsize=18)
plt.xlabel('Year')
plt.ylabel('Sales')
plt.legend()
plt.show()

Это возвращает следующую диаграмму:

Как добавить пропорциональную гистограмму с накоплением в Matplotlib?

Пропорциональные столбчатые диаграммы могут быть полезны, когда важны пропорции между различными рядами данных.

Способ, которым мы можем это сделать, заключается в создании новых серий пропорций и наложении их друг на друга.

Мы можем написать следующий код, чтобы сделать это и создать диаграмму:

df['Men Prop'] = df['Men'] / df['Total'] * 100
df['Women Prop'] = df['Women'] / df['Total'] * 100

plt.bar(x=df['Year'], height=df['Men Prop'], label='Men')
plt.bar(x=df['Year'], height=df['Women Prop'], bottom=df['Men Prop'], label='Women')

plt.title('Sales over time', fontsize=18)
plt.xlabel('Year')
plt.ylabel('Sales')
plt.legend()
plt.show()

Этот возвращает следующую диаграмму:

Как добавить стиль к гистограммам?

Наконец, давайте рассмотрим пример использования некоторых встроенных стилей Matplotlib. Чтобы узнать, какие стили доступны, вы можете напечатать следующее:

print(plt.style.available)

Это возвращает следующее: ['Solarize_Light2', '_classic_test_patch', 'bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark', 'seaborn-dark-palette', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'tableau-colorblind10']

Посмотрим, как будет выглядеть наша диаграмма в стиле ggplot

plt.style.use('ggplot')
width = 0.4
plt.bar(x=df['Year'], height=df['Men'], width=width, label='Men')
plt.bar(x=df['Year']+width, height=df['Women'], width=width, label='Women')

plt.title('Sales over time', fontsize=18)
plt.xlabel('Year')
plt.ylabel('Sales')
plt.legend(loc='lower right')
plt.show()

Этот возвращает следующую диаграмму:

Заключение

В этом посте вы узнали, как создавать столбчатые диаграммы Matplotlib, включая добавление нескольких столбцов, добавление заголовков и подписей осей, условную настройку цветов, добавление легенд и настройку с помощью стилей Matplotlib.

Тем не менее, это может быть утомительно — писать все эти списки вручную. Это также не позволяет динамически окрашивать их на основе данных. Однако мы можем сделать это программно, используя списковое включение. Если хотите узнать больше о списковых включениях, ознакомьтесь с моей статьей

Использование двойной гистограммы очень полезно, когда вы хотите сравнить два ряда данных. Например, в нашем наборе данных есть информация о мужчинах и женщинах. Мы можем сравнить эти два ряда со временем, построив два отдельных графика, аналогичных нашему примеру

Чтобы узнать больше о стилях, ознакомьтесь

Чтобы узнать, как создавать другие типы графиков, такие как гистограммы, посмотрите

здесь
линейного графика
с официальной документацией здесь
мою коллекцию здесь
Загружаем наши данные
Как создать гистограммы Matplotlib?
Как добавить заголовки и метки осей в столбчатые диаграммы?
Как настроить ширину полос?
Как настроить цвета гистограмм?
Как условно настроить цвета полос?
Как настроить выравнивание границ на гистограммах?
Как создать горизонтальную гистограмму в Matplotlib?
Как создать двойную гистограмму в Matplotlib?
Как добавить легенду к гистограммам?
Как добавить гистограмму с накоплением в Matplotlib?
Как добавить пропорциональную гистограмму с накоплением в Matplotlib?
Как добавить стиль к гистограммам?
Заключение
Matplotlib bar charts custom bar width
Matplotlib Bar Charts Simple
Matplotlib bar charts customizing colours
Matplotlib bar charts horizontal
Matplotlib bar charts legend
Matplotlib bar charts double bars
Matplotlib bar charts styles