简单垂直条形图

GDP = [12406.8,数据 13908.57, 9386.87, 9143.64] # 绘图 plt.bar(range(4), GDP, align=center, color=steelblue, alpha=0.8) # 添加轴标签 plt.ylabel(GDP) # 添加标题 plt.title(GDP) # 添加刻度标签 plt.xticks(range(4), [beijing, shanghai, tianjing, chongjing]) # 设置Y轴的刻度范围 plt.ylim([5000, 15000]) # 为每个条形图添加数值标签 for x, y in enumerate(GDP):     plt.text(x, y + 100, %s % round(y, 1), ha=center)  plt.show() 

 

简单水平条形图

# 导入绘图模块 import matplotlib.pyplot as plt # 构建数据 price = [39.5, 39.9, 45.4, 38.9, 33.34] # 绘图 plt.barh(range(5), price, align=center, color=steelblue, alpha=0.8) # 添加轴标签 plt.xlabel(price) # 添加标题 plt.title(Books at different prices) # 添加刻度标签 plt.yticks(range(5), [Amazon, Dangdang, China Books Network, Jingdong, Tianmao]) # 设置Y轴的刻度范围 plt.xlim([32, 47]) # 为每个条形图添加数值标签 for x, y in enumerate(price):     plt.text(y + 0.1, x, %s % y, va=center) plt.savefig(foo.png) # 显示图形     plt.show() 

 

水平交错条形图

# 导入绘图模块 import matplotlib.pyplot as plt import numpy as np Y2016 = [15600, 12700, 11300, 4270, 3620] Y2017 = [17400, 14800, 12000, 5200, 4020] labels = [Beijing, Shanghai, Hong Kong, Shenzhen, Guangzhou] bar_width = 0.45 # 绘图 plt.bar(np.arange(5), Y2016, label=2016, color=steelblue, alpha=0.8, width=bar_width) plt.bar(np.arange(5) + bar_width, Y2017, label=2017, color=indianred, alpha=0.8, width=bar_width) # 添加轴标签 plt.xlabel(Top5 City) plt.ylabel(Number of households) # 添加标题 plt.title(Billionaires Top5 Cities) # 添加刻度标签 plt.xticks(np.arange(5) + bar_width, labels) # 设置Y轴的服务器租用刻度范围 plt.ylim([2500, 19000]) # 为每个条形图添加数值标签 for x2016, y2016 in enumerate(Y2016):     plt.text(x2016, y2016 + 100, %s % y2016, ha=center) for x2017, y2017 in enumerate(Y2017):     plt.text(x2017 + bar_width, y2017 + 100, %s % y2017, ha=center) # 显示图例 plt.legend() plt.savefig(foo.png) # 显示图形 plt.show() 

 

垂直堆叠条形图

# 导入模块 import matplotlib.pyplot as plt import numpy as np import pandas as pd # 导入数据 traffic_volume = {Index: [railway, green, water transport, air transport],                   Jan: [31058, 255802, 52244, 57],                   Feb: [28121, 179276, 46482, 42],                   Mar: [32185, 285446, 50688, 59],                   Api: [30133, 309576, 54728, 57],                   May: [30304, 319713, 55813, 60],                   Jun: [29934, 320028, 59054, 58],                   Jul: [31002, 319809, 57353, 55],                   Aug: [31590, 331077, 57583, 57]} data = pd.DataFrame(traffic_volume) print(data) # 绘图 plt.bar(np.arange(8), data.loc[0, :][1:], color=red, alpha=0.8, label=railway, align=center) plt.bar(np.arange(8), data.loc[1, :][1:], bottom=data.loc[0, :][1:], color=green, alpha=0.8, label=highway,         align=center) plt.bar(np.arange(8), data.loc[2, :][1:], bottom=data.loc[0, :][1:] + data.loc[1, :][1:], color=m, alpha=0.8,         label=water transport, align=center) plt.bar(np.arange(8), data.loc[3, :][1:], bottom=data.loc[0, :][1:] + data.loc[1, :][1:] + data.loc[2, :][1:],         color=black, alpha=0.8, label=air transport, align=center) # 添加轴标签 plt.xlabel(month) plt.ylabel(Cargo volume (10,000 tons)) # 添加标题 plt.title(Monthly logistics volume in 2017) # 添加刻度标签 plt.xticks(np.arange(8), data.columns[1:]) # 设置Y轴的刻度范围 plt.ylim([0, 500000]) # 为每个条形图添加数值标签 for x_t, y_t in enumerate(data.loc[0, :][1:]):     plt.text(x_t, y_t / 2, %sW % (round(y_t / 10000, 2)), ha=center, color=white, fontsize=8) for x_g, y_g in enumerate(data.loc[0, :][1:] + data.loc[1, :][1:]):     plt.text(x_g, y_g / 2, %sW % (round(y_g / 10000, 2)), ha=center, color=white, fontsize=8) for x_s, y_s in enumerate(data.loc[0, :][1:] + data.loc[1, :][1:] + data.loc[2, :][1:]):     plt.text(x_s, y_s - 20000, %sW % (round(y_s / 10000, 2)), ha=center, color=white, fontsize=8) # 显示图例 plt.legend(loc=upper center, ncol=4) # 显示图形 plt.show() 

 

以上就是香港云服务器各种条形图的绘制方式，高防服务器你Get到了吗?分析方式