Python案例如何绘制柱状统计图？

wen python案例 2026-06-07 48

Python案例：如何绘制柱状统计图？从入门到实战的完整指南

目录导读

柱状图的应用场景与核心价值
准备工作：Python环境与库安装
基础案例：用Matplotlib绘制单系列柱状图
进阶案例：多组数据对比与堆叠柱状图
美化技巧：字体、颜色与标签调整
数据源实战：从CSV文件读取并绘图
常见问题解答（FAQ）
总结与延伸学习建议

柱状图的应用场景与核心价值

柱状图（Bar Chart）是数据可视化中最基础且最常用的图表类型之一，适用于展示离散数据之间的对比,常见场景包括：

Python案例如何绘制柱状统计图？

公司各季度销售额对比
不同城市的人口密度排名
社交媒体平台用户活跃度分析
实验组与对照组的效果差异

核心优势：直观呈现数值大小关系，便于快速发现最大值、最小值或异常值,Python中Matplotlib和Seaborn库提供了灵活且强大的柱状图绘制功能。

准备工作：Python环境与库安装

在开始绘图前，请确保已安装以下库（若未安装，可在终端运行对应命令）：

pip install matplotlib numpy pandas

推荐环境：使用Jupyter Notebook或VS Code + Python插件,便于逐步调试。

基础案例：用Matplotlib绘制单系列柱状图

案例1：静态销售数据对比

场景：某电商平台1-6月销售额（单位：万元），数据如下：
月份：1月、2月、3月、4月、5月、6月
销售额：12、19、3、27、8、22

代码实现：

import matplotlib.pyplot as plt
import numpy as np
# 准备数据
months = ['1月', '2月', '3月', '4月', '5月', '6月']
sales = [12, 19, 3, 27, 8, 22]
# 创建画布
plt.figure(figsize=(10, 6))
# 绘制柱状图
plt.bar(months, sales, color='skyblue', width=0.6, edgecolor='navy', linewidth=1.2)
和轴标签'2024年1-6月销售额分布', fontsize=16, fontweight='bold')
plt.xlabel('月份', fontsize=12)
plt.ylabel('销售额（万元）', fontsize=12)
# 显示数值标签
for i, v in enumerate(sales):
    plt.text(i, v + 0.8, str(v), ha='center', fontsize=11, color='darkblue')
# 显示网格
plt.grid(axis='y', linestyle='--', alpha=0.6)
plt.show()

输出效果：一个清晰的蓝色柱状图，顶部标注具体数值,网格辅助阅读。

关键参数解释：

color：柱子填充色
width：柱子宽度（默认0.8）
edgecolor：边框颜色，提升专业感
plt.text()：手动添加数值标签，ha='center'使文字居中对齐

进阶案例：多组数据对比与堆叠柱状图

案例2：两组产品销售额对比

场景：某公司A、B两款产品在四个季度的销售额对比：

季度	产品A（万元）	产品B（万元）
Q1	15	10
Q2	22	18
Q3	12	25
Q4	30	20

实现分组柱状图代码：

import matplotlib.pyplot as plt
import numpy as np
quarters = ['Q1', 'Q2', 'Q3', 'Q4']
product_a = [15, 22, 12, 30]
product_b = [10, 18, 25, 20]
# 设置柱状图位置
x = np.arange(len(quarters))  # [0,1,2,3]
width = 0.35
fig, ax = plt.subplots(figsize=(10,6))
bars1 = ax.bar(x - width/2, product_a, width, label='产品A', color='#FF6B6B')
bars2 = ax.bar(x + width/2, product_b, width, label='产品B', color='#4ECDC4')
# 添加标签、图例
ax.set_xlabel('季度')
ax.set_ylabel('销售额（万元）')
ax.set_title('产品A vs 产品B 季度销售对比')
ax.set_xticks(x)
ax.set_xticklabels(quarters)
ax.legend()
# 在柱子上显示数值
for bar in bars1:
    height = bar.get_height()
    ax.text(bar.get_x() + bar.get_width()/2., height + 0.5, f'{height}', ha='center', fontsize=10)
for bar in bars2:
    height = bar.get_height()
    ax.text(bar.get_x() + bar.get_width()/2., height + 0.5, f'{height}', ha='center', fontsize=10)
plt.grid(axis='y', alpha=0.3)
plt.tight_layout()
plt.show()

案例3：堆叠柱状图（展示整体与部分）

场景：同一公司不同产品在年度总销售额中的构成比例,可使用堆叠柱状图。

# 继续用上面的数据，绘制堆叠图
fig, ax = plt.subplots(figsize=(10,6))
# 注意：堆叠图的第二个系列要加到底部
bars_bottom = ax.bar(quarters, product_a, label='产品A', color='#FF6B6B')
bars_top = ax.bar(quarters, product_b, bottom=product_a, label='产品B', color='#4ECDC4')
ax.set_xlabel('季度')
ax.set_ylabel('总销售额（万元）')
ax.set_title('产品A与产品B堆叠销售额')
ax.legend()
# 在堆叠柱子上标注总销售额
for i, (qa, qb) in enumerate(zip(product_a, product_b)):
    total = qa + qb
    ax.text(i, total + 1.5, str(total), ha='center', fontsize=11, fontweight='bold')
plt.grid(axis='y', alpha=0.3)
plt.show()

注意：bottom参数决定第二组数据从哪个高度开始绘制，实现“堆叠”效果。

美化技巧：字体、颜色与标签调整

一个好图表不仅需要数据准确，审美同样重要,以下是常用美化设置：

使用内置样式

plt.style.use('ggplot')  # 类似R语言风格

其他可用样式：fivethirtyeight, seaborn-v0_8, classic

中文字体支持（避免乱码）

plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']  # macOS
plt.rcParams['axes.unicode_minus'] = False  # 正常显示负号

个性化颜色选择

使用color参数时，可直接指定十六进制色码或常见颜色名称（'red','green'等）,更高级可用渐变色：

colors = ['#2E86AB', '#A23B72', '#F18F01', '#C73E1D']

旋转X轴标签（防止重叠）

plt.xticks(rotation=45, ha='right')

数据源实战：从CSV文件读取并绘图

实际工作中数据通常存储在CSV文件,以下演示如何读取并绘图。

示例CSV文件（`sales_data.csv`）：

月份,销售额
1月,12
2月,19
3月,3
4月,27
5月,8
6月,22

代码实现：

import pandas as pd
import matplotlib.pyplot as plt
# 读取数据
df = pd.read_csv('sales_data.csv')
print(df.head())
# 绘图
plt.figure(figsize=(10,6))
plt.bar(df['月份'], df['销售额'], color='lightcoral', edgecolor='maroon', linewidth=1.5)'从CSV读取数据的柱状图', fontsize=16)
plt.xlabel('月份')
plt.ylabel('销售额')
plt.grid(axis='y', alpha=0.5)
plt.tight_layout()
plt.show()

优点：Pandas自动处理数据类型，无需手动输入数据,适合批量处理。

常见问题解答（FAQ）

Q1：柱状图柱子太窄或太宽怎么办？

答：调整width参数（0.1到1之间），例如plt.bar(..., width=0.5)，分组图中建议width = (1/组数)*0.8。

Q2：如何同时显示柱状图和折线图？

答：使用twinx()创建双轴，

fig, ax1 = plt.subplots()
ax1.bar(x, sales, color='b')
ax2 = ax1.twinx()
ax2.plot(x, growth_rate, color='r', marker='o')

Q3：何时用竖直柱状图，何时用水平柱状图？

答：类别名较长（如城市名、产品名）时，推荐水平柱状图（plt.barh）,避免标签重叠。

Q4：如何保存高清图片？

答：在plt.show()前添加：

plt.savefig('bar_chart.png', dpi=300, bbox_inches='tight')

Q5：数据中有负值怎么处理？

答：Matplotlib支持负值显示，柱子会从零轴向下延伸，可设置bottom参数调整基线。

总结与延伸学习建议

通过以上案例,你已经掌握了用Python绘制柱状统计图的完整流程：

基础柱状图（单系列）
分组柱状图（多系列对比）
堆叠柱状图（构成分析）
从CSV文件读取数据绘制
常见美化与问题处理

下一步推荐学习：

Seaborn库：更简洁的API和内置统计函数（sns.barplot、sns.countplot）
交互式图表：Plotly或Bokeh实现鼠标悬停提示、缩放功能
动画与仪表盘：结合Matplotlib Animation或Streamlit制作动态报告

数据可视化是数据科学家的核心能力之一，建议多练习不同数据集,逐步形成自己的绘图风格。

本文基于Matplotlib官方文档及社区最佳实践编写，各代码均经过本地环境（Python 3.10, Matplotlib 3.7）测试通过。

Python案例如何绘制柱状统计图？