在 Matplotlib 中创建分组条形图

matplotlibpythondata visualization

什么是 matplotlib?

Matplotlib 是一个流行的开源 Python 数据可视化库，广泛应用于科学、工程和数据科学领域。Matplotlib 以其灵活性和广泛的可自定义选项而闻名，这使其成为创建用于研究或数据分析目的的复杂可视化的绝佳选择。最流行的可视化类型之一是分组条形图，它允许并排比较多个变量，同时显示组或子类别之间的差异。在本教程中，我们将向您展示如何使用真实示例在 Matplotlib 中创建分组条形图。

条形图在数据分析中的用途和意义是什么?

条形图是数据分析中用于显示分类数据分布的常见可视化类型。在条形图中，类别通常显示在 x 轴上，而每个条形的高度表示每个类别中观察的频率或比例。

条形图的重要性取决于分析的背景和目的。以下是一些条形图如何有用的示例 -

比较频率或比例 - 条形图可用于比较不同类别中观察的频率或比例。例如，条形图可用于比较临床试验中患有不同类型疾病的患者数量，或市场研究中喜欢不同品牌产品的客户比例。每个条形的高度表示每个类别中观察的频率或比例，从而易于进行视觉比较。

显示随时间或其他变量变化的趋势 - 条形图还可用于显示随时间或其他变量变化的观察频率或比例。例如，条形图可用于显示不同时间段内购买商店不同产品的顾客数量。通过为每个时间段使用不同的颜色或图案，很容易看到购买分布随时间的变化。

识别异常值或异常观察值 - 条形图还可用于识别异常值或异常观察值。如果一个类别的频率或比例比其他类别高得多或低得多，则可能表示异常观察或数据错误。

就统计意义而言，条形图通常用作描述工具，而不是正式的统计测试。但是，它们仍然可以提供有关分类数据分布的有用信息，并有助于识别可能感兴趣的模式或趋势。重要的是要记住，如果条形图构造不正确或数据不适合这种类型的可视化，则条形图可能会产生误导。因此，仔细考虑分析的目的并相应地选择合适的可视化工具始终很重要。

先决条件

在我们深入研究任务之前，应该在您的系统上安装一些东西 -

推荐设置列表 -

pip install pandas, matplotlib
预计用户可以访问任何独立 IDE，例如 VS-Code、PyCharm、Atom 或 Sublime text。
甚至可以使用在线 Python 编译器，例如 Kaggle.com、Google Cloud 平台或任何其他编译器。
更新版本的 Python。在撰写本文时，我使用的是 3.10.9 版本。
了解 Jupyter 笔记本的使用。
虚拟环境的知识和应用将是有益的，但不是必需的。
还希望此人对统计学和数学有很好的理解。

完成任务所需的步骤

让我们看看代码示例和步骤 −

示例

import numpy as np
import matplotlib.pyplot as plt

# 定义绘图数据
data = {
   'Group 1': [20, 35, 30, 35, 27],
   'Group 2': [25, 32, 34, 20, 25],
   'Group 3': [12, 20, 22, 30, 15],
}

# 定义 x 轴标签和每个条形的宽度
labels = ['类别 1', '类别 2', '类别 3', '类别 4', '类别 5']
bar_width = 0.2

# 为每组条形创建一个 x 轴位置的 numpy 数组
x_pos = np.arange(len(labels))

# 创建一个图形和轴对象
fig, ax = plt.subplots()

# 循环遍历每组条形并为每个组创建一组条形
for i, (group, values) in enumerate(data.items()):
    # 计算当前条形组的 x 轴位置
    pos = x_pos + (i * bar_width)
    # 为当前组创建一组条形
    ax.bar(pos, values, width=bar_width, label=group)

# 设置 x 轴标签和刻度位置
ax.set_xticks(x_pos + ((len(data) - 1) / 2) * bar_width)
ax.set_xticklabels(labels)

# 为图添加图例
ax.legend()

# 为图添加轴标签和标题
ax.set_xlabel('Categories')
ax.set_ylabel('Values')
ax.set_title('Grouped Bar Plot')

# 显示图
plt.show()

在此示例中，我们有三组条形图(组 1、组 2 和组 3)和五个类别(类别 1、类别 2、类别 3、类别 4 和类别 5)。我们使用 Python 字典定义图的数据，其中键代表组，值是每个类别的值列表。我们还定义了每个条形的宽度和 x 轴的标签。

然后，我们使用 np.arange() 函数为每组条形创建一个 x 轴位置的 numpy 数组。我们使用 plt.subplots() 函数创建一个图形和轴对象。然后，我们循环遍历每组条形并使用 ax.bar() 函数为每个组创建一组条形。我们分别使用 ax.set_xticks() 和 ax.set_xticklabels() 函数设置 x 轴标签和刻度位置。我们使用 ax.legend() 函数向图中添加图例。最后，我们使用 ax.set_xlabel()、ax.set_ylabel() 和 ax.set_title() 函数向图中添加轴标签和标题。我们使用 plt.show() 函数显示图。

此代码应创建一个分组条形图，其中包含三组条形、五个类别以及适当的标签、图例和轴标题。您可以修改数据、标签和其他参数以满足您的特定需求。