Python 利用pandas 和 matplotlib绘制柱状图

当你需要展示数据时，图表是一个非常有用的工具。Python 中的 pandas 和 matplotlib 库提供了丰富的功能，可以帮助你轻松地绘制各种类型的图表。本文将介绍如何使用这两个库，绘制一个店铺销售数量的柱状图，并添加各种元素，如数据标签、图例、网格线等。

准备工作

在开始之前，你需要安装 pandas 和 matplotlib 库。如果你还没有安装，可以使用以下命令进行安装

pip install pandas matplotlib

另外，为了在图表中显示中文，你需要下载并安装中文字体文件。这里我们使用宋体，你可以替换为其他中文字体。下载后，将字体文件路径替换到代码中的
font
变量中

# 设置中文字体

font = FontProperties(fname='C:\\Windows\\Fonts\\simhei.ttf', size=12)  # 替换为你的中文字体文件路径和字体大小

数据准备

我们假设有一个 Excel 文件，其中包含多个店铺的销售数据。每个店铺有多个订单，每个订单有一个销售数量。我们需要对每个店铺的销售数量进行求和，并按照销售数量降序排列。以下是数据准备的代码：

import pandas aspd



# 从Excel文件中读取数据

data = pd.read_excel('C:\\Users\Admin\\Desktop\\数据核对\\新建 XLSX 工作表.xlsx')



# 聚合数据

aggregated_data = data.groupby('店铺名称')['销售数量'].sum()



# 按销售数量降序排列

aggregated_data = aggregated_data.sort_values(ascending=False)



print(aggregated_data)

首先，我们使用 pandas 库的
read_excel
函数读取 Excel 文件中的数据。然后，使用
groupby
函数对数据进行聚合，按照店铺名称分组，并对每个组中的销售数量求和。最后，使用
sort_values
函数按照销售数量降序排列。

绘制柱状图

接下来，我们使用 matplotlib 库绘制柱状图。以下是绘制柱状图的代码：

import matplotlib.pyplot asplt



# 绘制柱状图

aggregated_data.plot(kind='bar', color='steelblue', edgecolor='black', width=0.8)



# 设置图表标题和坐标轴标签

plt.title('店铺销售数量')

plt.xlabel('店铺名称')

plt.ylabel('销售数量')



# 显示图表

plt.show()

我们使用
plot
函数绘制柱状图，其中
kind
参数指定图表类型为柱状图，
color
参数指定柱子的颜色，
edgecolor
参数指定柱子边框的颜色，
width
参数指定柱子的宽度。然后，使用
title
、
xlabel
和
ylabel
函数设置图表标题和坐标轴标签。最后，使用
show
函数显示图表。

添加数据标签

为了更清楚地展示每个店铺的销售数量，我们可以在柱子上添加数据标签。以下是添加数据标签的代码：

# 添加数据标签

for i, v inenumerate(aggregated_data):

    plt.text(i, v, str(v), ha='center', va='bottom')



# 显示图表

plt.show()

我们使用
text
函数添加数据标签，其中
i
和
v
分别表示柱子的索引和高度，
ha
参数指定水平对齐方式为居中，
va
参数指定垂直对齐方式为底部。最后，再次使用
show
函数显示图表。

设置刻度标签

由于店铺名称较长，如果全部显示会导致刻度标签重叠，影响美观和可读性。因此，我们可以旋转刻度标签，并设置字体大小和字体样式。以下是设置刻度标签的代码：

# 设置刻度标签的字体大小和旋转角度

plt.xticks(rotation=45, fontsize=10)



# 显示图表

plt.show()

我们使用
xticks
函数设置刻度标签，其中
rotation
参数指定旋转角度为45度，
fontsize
参数指定字体大小为10。

添加图例

我们可以添加图例，以便更好地解释图表中的信息。以下是添加图例的代码：

# 设置图例

plt.legend(['销售数量'], loc='upper right')



# 显示图表

plt.show()

我们使用
legend
函数添加图例，其中
loc
参数指定图例位置为右上角，
['销售数量']
表示图例中的文本。

去除边框和添加网格线

为了让图表更加简洁和美观，我们可以去除上边框和右边框，并添加水平虚线网格线。以下是去除边框和添加网格线的代码

# 去除上边框和右边框

plt.gca().spines['top'].set_visible(False)

plt.gca().spines['right'].set_visible(False)



# 添加网格线

plt.grid(axis='y', linestyle='--', alpha=0.5)



# 显示图表

plt.show()

我们使用
gca
函数获取当前轴对象，然后使用
spines
属性去除上边框和右边框。使用
grid
函数添加水平虚线网格线，其中
axis
参数指定网格线方向为垂直方向，
linestyle
参数指定网格线样式为虚线，
alpha
参数指定网格线透明度为0.5。

设置背景色和调整布局

最后，我们可以设置图表的背景色，并调整图表布局使得图表内容更加紧凑。以下是设置背景色和调整布局的代码：

# 设置背景色

plt.gca().set_facecolor('#F5F5F5')



# 调整图表布局

plt.tight_layout()



# 显示图表

plt.show()

我们使用
set_facecolor
函数设置背景色为浅灰色，使用
tight_layout
函数调整图表布局。

完整代码

将上面的代码整合起来，得到完整的代码如下：

import pandas aspd

import matplotlib.pyplot asplt



# 从Excel文件中读取数据

data = pd.read_excel('C:\\Users\Admin\\Desktop\\数据核对\\新建 XLSX 工作表.xlsx')



# 聚合数据

aggregated_data = data.groupby('店铺名称')['销售数量'].sum()



# 按销售数量降序排列

aggregated_data = aggregated_data.sort_values(ascending=False)



# 绘制柱状图

aggregated_data.plot(kind='bar', color='steelblue', edgecolor='black', width=0.8)



# 添加数据标签

for i, v inenumerate(aggregated_data):

    plt.text(i, v, str(v), ha='center', va='bottom')



# 设置图表标题和坐标轴标签

plt.title('店铺销售数量')

plt.xlabel('店铺名称')

plt.ylabel('销售数量')



# 设置刻度标签的字体大小和旋转角度

plt.xticks(rotation=45, fontsize=10)



# 设置图例

plt.legend(['销售数量'], loc='upper right')



# 去除上边框和右边框

plt.gca().spines['top'].set_visible(False)

plt.gca().spines['right'].set_visible(False)



# 添加网格线

plt.grid(axis='y', linestyle='--', alpha=0.5)



# 设置背景色

plt.gca().set_facecolor('#F5F5F5')



# 调整图表布局

plt.tight_layout()



# 显示图表

plt.show()