Matplotlib 可视化大师系列（三）：plt.bar() 与 plt.barh() - 清晰对比的柱状图

---

Matplotlib 可视化大师系列博客总览

本系列旨在提供一份系统、全面、深入的 Matplotlib 学习指南。以下是博客列表：

1. 基础篇： plt.plot() - 绘制折线图的利刃
2. 分布篇： plt.scatter() - 探索变量关系的散点图
3. 比较篇： plt.bar() 与 plt.barh() - 清晰对比的柱状图
4. 统计篇： plt.hist() 与 plt.boxplot() - 洞察数据分布
5. 占比篇： plt.pie() - 展示组成部分的饼图
6. 高级篇： plt.imshow() - 绘制矩阵与图像的强大工具
7. 专属篇： 绘制误差线 (plt.errorbar())、等高线 (plt.contour()) 等特殊图表
8. 综合篇： 在一张图中组合多种图表类型

Matplotlib 可视化大师系列（三）：plt.bar() 与 plt.barh() - 清晰对比的柱状图

柱状图是数据可视化中最常用、最有效的图表类型之一，专门用于比较不同类别的数值。Matplotlib 提供了 plt.bar()（垂直柱状图）和 plt.barh()（水平柱状图）两个函数来创建这种图表。本文将深入解析这两个函数，帮助你掌握创建清晰、准确对比图表的艺术。

一、 柱状图是什么？何时使用？

柱状图使用高度（或长度）不同的矩形（柱体）来表示不同类别的数值大小。每个柱体代表一个类别，柱体的高度代表该类别的数值。

适用场景：

• 比较不同类别的数量（如不同产品的销量）
• 显示数据随时间的变化（时间序列数据，但通常用于离散时间点）
• 对比分组数据

与直方图的区别（重要！）：

• 柱状图 (Bar Chart)：比较不同类别的数值。X轴是分类变量（如城市名、产品类型）。
• 直方图 (Histogram)：显示单个变量的分布情况。X轴是连续数值被分成的区间（bins）。

二、 函数原型与核心参数

plt.bar(x, height, ...) - 垂直柱状图

plt.bar(x, height, width=0.8, bottom=None, *, align='center', **kwargs)

plt.barh(y, width, ...) - 水平柱状图

plt.barh(y, width, height=0.8, left=None, *, align='center', **kwargs)

核心参数详解：

1. 定位参数:
   • x / y: 柱体中心的坐标。对于分类数据，通常是类别标签的索引（如 [0, 1, 2, 3]）或直接是标签（需要配合 plt.xticks()）。
   • height / width: 柱体的高度（垂直）或宽度（水平），即要比较的数值。
2. 尺寸参数:
   • width: (垂直) 柱体的宽度，默认0.8。通常保持在0.8以下，柱体间会有清晰间隔。
   • height: (水平) 柱体的高度，默认0.8。
   • bottom / left: 柱体的底部（垂直）或左侧（水平）基准线。这是创建堆叠柱状图的关键！
3. 对齐方式:
   • align: 柱体与X坐标的对齐方式。'center'（默认，中心对齐）或 'edge'（边缘对齐）。
4. 样式参数 (**kwargs):
   • color / facecolor / fc: 柱体填充颜色。可以是一个颜色（所有柱体相同），也可以是一个颜色列表（每个柱体不同）。
   • edgecolor / ec: 柱体边缘颜色。
   • linewidth / lw: 柱体边缘线宽。
   • alpha: 透明度。
   • label: 用于图例的标签（为一组柱体设置标签）。
   • tick_label: 直接指定每个柱体的刻度标签，替代默认的x坐标。

三、 从入门到精通：代码示例

示例 1：基础垂直柱状图

import matplotlib.pyplot as plt
import numpy as np# 数据
categories = ['Apples', 'Oranges', 'Bananas', 'Grapes']
values = [15, 12, 18, 9]# 创建图形
fig, ax = plt.subplots(figsize=(8, 5))# 绘制柱状图
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轴加网格线# 在柱体顶端添加数值标签 (一个非常有用的技巧！)
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：分组柱状图

通过控制每个组的X坐标和柱体宽度，可以实现分组对比。

# 数据
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))  # 标签位置: [0, 1, 2, 3]
width = 0.25  # 柱宽fig, ax = plt.subplots(figsize=(10, 6))# 绘制三组柱体，每组柱体的x坐标偏移一个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')# 添加标签和标题
ax.set_xlabel('Quarters')
ax.set_ylabel('Sales')
ax.set_title('Quarterly Sales by Product')
ax.set_xticks(x) # 设置x轴刻度位置
ax.set_xticklabels(labels) # 设置x轴刻度标签
ax.legend()# 添加数值标签
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：堆叠柱状图与水平柱状图

# 堆叠柱状图 - 使用 bottom 参数
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))# 数据
men_means = [20, 35, 30, 35]
women_means = [25, 32, 34, 20]
labels = ['Q1', 'Q2', 'Q3', 'Q4']
x = np.arange(len(labels))# 左侧：堆叠柱状图
ax1.bar(labels, men_means, label='Men')
ax1.bar(labels, women_means, bottom=men_means, label='Women') # 关键：bottom=men_means
ax1.set_ylabel('Scores')
ax1.set_title('Stacked Bar Chart')
ax1.legend()# 右侧：水平柱状图 - 非常适合类别名称较长的情况
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)# 在水平柱体右侧添加数值标签
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、 最佳实践与常见陷阱

1. 最佳实践:
   • 排序数据： 除非有特定顺序要求（如时间），否则将柱体按高度排序，使比较更容易。
   • 从零基线开始： Y轴必须从0开始，否则会扭曲数据的真实比例，误导观众。
   • 添加数值标签： 在柱体顶端或末端直接标注数值，让读者无需猜测。
   • 使用水平柱状图： 当类别名称很长或类别数量很多时，水平柱状图可读性更高。
   • 谨慎使用颜色： 使用颜色来传达信息（如突出特定类别），而不是随意装饰。
2. 常见陷阱:
   • 过度拥挤： 柱体太多、太窄、间距太小会让图表难以阅读。考虑分组显示或使用其他图表类型（如折线图）。
   • 错误的排序： 随意排序类别会掩盖数据的真实模式。
   • 3D效果： 避免使用3D柱状图，它们会扭曲感知，难以准确比较高度。
   • 混淆柱状图和直方图： 确保你使用的是正确的图表类型来回答你的问题。

五、 总结

plt.bar() 和 plt.barh() 是进行数据对比的利器。

• 核心功能： 用矩形的高度/长度表示类别数值的大小。
• 关键参数： x/y（位置），height/width（数值），bottom/left（堆叠），color（样式）。
• 高级应用： 分组柱状图、堆叠柱状图。
• 关键技巧： 添加数值标签、排序数据、保持零基线。

掌握柱状图，意味着你能够清晰、准确地展示数据之间的比较关系，这是数据故事中不可或缺的一环。在下一篇文章中，我们将深入探讨数据的分布，使用 plt.hist() 和 plt.boxplot() 来揭示数据背后的统计特性。