matplotlib bar()实现多组数据并列柱状图通用简便创建方法

在使用柱状图时，经常遇到需要多组数据进行比较的情况。
绘制单个数据系列的柱形图比较简单，多组数据柱状图绘制的关键有三点：

• 多次调用bar()函数即可在同一子图中绘制多组柱形图。
• 为了防止柱子重叠，每个柱子在x轴上的位置需要依次递增，如果柱子紧挨，这个距离即柱子宽度。
• 为了使刻度标签居中，需要调整x轴刻度标签的位置。

由上述可知，多组数据并列柱状图需要计算柱子x轴上的位置和x轴刻度标签。
因此，有两种实现方案：

• x轴刻度标签位置固定，根据x轴刻度计算每个柱子的宽度
• 每个柱子的宽度固定，计算x轴刻度标签位置，使之居中

下面使用第一种方法演示两组数据、三组数据、四组数据的并列柱状图。
使用方法一、方法二演示通用多组并列柱状图的创建方法。

两组数据、三组数据、四组数据的并列柱状图

1. import matplotlib
2. import matplotlib.pyplot as plt
3. import numpy as np
4.  
5. plt.figure(figsize=(13, 4))
6. # 构造x轴刻度标签、数据
7. labels = ['G1', 'G2', 'G3', 'G4', 'G5']
8. first = [20, 34, 30, 35, 27]
9. second = [25, 32, 34, 20, 25]
10. third = [21, 31, 37, 21, 28]
11. fourth = [26, 31, 35, 27, 21]
12.  
13. # 两组数据
14. plt.subplot(131)
15. x = np.arange(len(labels)) # x轴刻度标签位置
16. width = 0.25 # 柱子的宽度
17. # 计算每个柱子在x轴上的位置，保证x轴刻度标签居中
18. # x - width/2，x + width/2即每组数据在x轴上的位置
19. plt.bar(x - width/2, first, width, label='1')
20. plt.bar(x + width/2, second, width, label='2')
21. plt.ylabel('Scores')
22. plt.title('2 datasets')
23. # x轴刻度标签位置不进行计算
24. plt.xticks(x, labels=labels)
25. plt.legend()
26. # 三组数据
27. plt.subplot(132)
28. x = np.arange(len(labels)) # x轴刻度标签位置
29. width = 0.25 # 柱子的宽度
30. # 计算每个柱子在x轴上的位置，保证x轴刻度标签居中
31. # x - width，x， x + width即每组数据在x轴上的位置
32. plt.bar(x - width, first, width, label='1')
33. plt.bar(x, second, width, label='2')
34. plt.bar(x + width, third, width, label='3')
35. plt.ylabel('Scores')
36. plt.title('3 datasets')
37. # x轴刻度标签位置不进行计算
38. plt.xticks(x, labels=labels)
39. plt.legend()
40. # 四组数据
41. plt.subplot(133)
42. x = np.arange(len(labels)) # x轴刻度标签位置
43. width = 0.2 # 柱子的宽度
44. # 计算每个柱子在x轴上的位置，保证x轴刻度标签居中
45. plt.bar(x - 1.5*width, first, width, label='1')
46. plt.bar(x - 0.5*width, second, width, label='2')
47. plt.bar(x + 0.5*width, third, width, label='3')
48. plt.bar(x + 1.5*width, fourth, width, label='4')
49. plt.ylabel('Scores')
50. plt.title('4 datasets')
51. # x轴刻度标签位置不进行计算
52. plt.xticks(x, labels=labels)
53. plt.legend()
54.  
55. plt.show()

通用多组并列柱状图的简便创建方法

上面的示例比较简易，有一些问题没有考虑。为了便于重复使用，下面的通用方法可调整x轴标签刻度步长、每组柱子的总宽度、每组柱子之间的间隙、组与组之间的间隙。

方法一

1. import matplotlib
2. import matplotlib.pyplot as plt
3. import numpy as np
4.  
5. label = ['G1', 'G2', 'G3', 'G4', 'G5']
6. first = [20, 34, 30, 35, 27]
7. second = [25, 32, 34, 20, 25]
8. third = [21, 31, 37, 21, 28]
9. fourth = [26, 31, 35, 27, 21]
10. data = [first, second, third, fourth]
11.  
12. def create_multi_bars(labels, datas, tick_step=1, group_gap=0.2, bar_gap=0):
13. '''
14. labels : x轴坐标标签序列
15. datas ：数据集，二维列表，要求列表每个元素的长度必须与labels的长度一致
16. tick_step ：默认x轴刻度步长为1，通过tick_step可调整x轴刻度步长。
17. group_gap : 柱子组与组之间的间隙，最好为正值，否则组与组之间重叠
18. bar_gap ：每组柱子之间的空隙，默认为0，每组柱子紧挨，正值每组柱子之间有间隙，负值每组柱子之间重叠
19. '''
20. # ticks为x轴刻度
21. ticks = np.arange(len(labels)) * tick_step
22. # group_num为数据的组数，即每组柱子的柱子个数
23. group_num = len(datas)
24. # group_width为每组柱子的总宽度，group_gap 为柱子组与组之间的间隙。
25. group_width = tick_step - group_gap
26. # bar_span为每组柱子之间在x轴上的距离，即柱子宽度和间隙的总和
27. bar_span = group_width / group_num
28. # bar_width为每个柱子的实际宽度
29. bar_width = bar_span - bar_gap
30. # baseline_x为每组柱子第一个柱子的基准x轴位置，随后的柱子依次递增bar_span即可
31. baseline_x = ticks - (group_width - bar_span) / 2
32. for index, y in enumerate(datas):
33. plt.bar(baseline_x + index*bar_span, y, bar_width)
34. plt.ylabel('Scores')
35. plt.title('multi datasets')
36. # x轴刻度标签位置与x轴刻度一致
37. plt.xticks(ticks, labels)
38. plt.show()
39.  
40. create_multi_bars(label, data, bar_gap=0.1)

方法二

1. import matplotlib
2. import matplotlib.pyplot as plt
3. import numpy as np
4.  
5. label = ['G1', 'G2', 'G3', 'G4', 'G5']
6. first = [20, 34, 30, 35, 27]
7. second = [25, 32, 34, 20, 25]
8. third = [21, 31, 37, 21, 28]
9. fourth = [26, 31, 35, 27, 21]
10. data = [first, second, third, fourth]
11.  
12. def create_multi_bars(labels, datas, tick_step=1, group_gap=0.2, bar_gap=0):
13. '''
14. labels : x轴坐标标签序列
15. datas ：数据集，二维列表，要求列表每个元素的长度必须与labels的长度一致
16. tick_step ：默认x轴刻度步长为1，通过tick_step可调整x轴刻度步长。
17. group_gap : 柱子组与组之间的间隙，最好为正值，否则组与组之间重叠
18. bar_gap ：每组柱子之间的空隙，默认为0，每组柱子紧挨，正值每组柱子之间有间隙，负值每组柱子之间重叠
19. '''
20. # x为每组柱子x轴的基准位置
21. x = np.arange(len(labels)) * tick_step
22. # group_num为数据的组数，即每组柱子的柱子个数
23. group_num = len(datas)
24. # group_width为每组柱子的总宽度，group_gap 为柱子组与组之间的间隙。
25. group_width = tick_step - group_gap
26. # bar_span为每组柱子之间在x轴上的距离，即柱子宽度和间隙的总和
27. bar_span = group_width / group_num
28. # bar_width为每个柱子的实际宽度
29. bar_width = bar_span - bar_gap
30. # 绘制柱子
31. for index, y in enumerate(datas):
32. plt.bar(x + index*bar_span, y, bar_width)
33. plt.ylabel('Scores')
34. plt.title('multi datasets')
35. # ticks为新x轴刻度标签位置，即每组柱子x轴上的中心位置
36. ticks = x + (group_width - bar_span) / 2
37. plt.xticks(ticks, labels)
38. plt.show()
39.  
40. create_multi_bars(label, data[:3], bar_gap=0.1)

原文链接：https://blog.csdn.net/mighty13/article/details/113873617