今天依然是matplotlib，在入门版的基础上加入了更多的组合和样式设置，matplotlib库是建立在Numpy基础上的绘图库。

典型统计图形对比

柱状图

堆积图：将若干统计图形堆叠起来的统计图形，是一种组合式图形。
将函数bar()中的参数bottom取值设定为列表y，此时plt.bar(x,y1,bottom=y)输出堆积柱状图。
分块图：对比多数据分布差异。
将函数bar()中x的取值加上bar_width实现并列柱状图的输出。
平行条形图：调用函数由bar()变为barch()

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
#data
x=np.arange(5)
y=[6,10,4,5,1]
y1=[2,3,3,8,5]
bar_width=0.35
tick_label=["A","B","C","D","E"]
plt.bar(x,y,bar_width,color="#66c2a5",edgecolor='black',label="班级A")
'''这个函数会输出堆积柱状图'''
plt.bar(x,y1,bar_width,color="#8da0cb",bottom=y,edgecolor='black',label="班级B") #这个函数会输出堆积柱状图
plt.xticks(x,tick_label)
'''这是多数据并列柱状图
plt.bar(x+bar_width,y1,bar_width,color="#8da0cb",edgecolor="black",label="班级B") #这个函数输出多数据并列柱状图
plt.xticks(x+bar_width/2,tick_label)
'''
plt.legend()
plt.show()

参数调整

使用关键字参数hatch="//"设置柱状体的填充样式，如“/”、“//”、“o”、“*”等，每种符号字符串都是一种几何样式，符号数量越多，几何图形密集程度越高。

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
#data
x=np.arange(5)
y=[6,10,4,5,1]
y1=[2,3,3,8,5]
bar_width=0.2
tick_label=["A","B","C","D","E"]
plt.bar(x,y,bar_width,color="#E2EFD9",edgecolor='black',label="班级A",hatch="/")
plt.bar(x+bar_width,y1,bar_width,color="#DEEBF6",edgecolor="black",label="班级B",hatch="//") #这个函数输出多数据并列柱状图

plt.bar(x+2*bar_width,y,bar_width,color="#FADBD2",edgecolor='black',label="班级C",hatch="x")
plt.bar(x+3*bar_width,y1,bar_width,color="#FFF2CC",edgecolor="black",label="班级D",hatch="o") #这个函数输出多数据并列柱状图

plt.xticks(x+1.5*bar_width,tick_label)
plt.legend()
plt.show()

堆积折线图 stackplot()

堆积折线图：绘制不同数据集的折现而生成的，按照垂直方向上彼此堆叠且又不相互覆盖的排列顺序的组合图形。每一个颜色断层代表一条折线所属的数据区域。
plt.stackplot(x,y)

import matplotlib.pyplot as plt
import numpy as np
x=np.arange(1,6)
y=[0,4,3,5,6]
y1=[1,3,2,2,7]
y2=[3,4,1,6,5]
labels=["BluePlanet","PinkPlanet","YellowPlanet"]
colors=["#DEEBF6","#FADBD2","#FFF2CC"]
plt.stackplot(x,y,y1,y2,labels=labels,colors=colors,edgecolor='grey')
plt.legend(loc="upper left")
plt.show()

阶梯图

阶梯图：反映数据的趋势变化或是周期规律，使用在时间序列数据的可视化任务中，凸显时序数据的波动周期和规律。
plt.step(x,y)

x = np.linspace(1,10,10)
y = x
plt.step(x,y,color="#F1937A",where="pre",lw=2)# where="post"
plt.xlim(0,11)
plt.xticks(np.arange(1,11,1))
plt.ylim(0,11)
plt.show()

间断条形图

间断条形图：实现定性数据的相同指标在时间维度下的变化情况。
ax.broken_barh([(110, 30), (150, 10)], (10, 9), facecolors='tab:blue')，各参数含义已解释在注释中。

import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.broken_barh([(110, 30), (150, 10)], (10, 9), facecolors='tab:blue')
ax.broken_barh([(10, 50), (100, 20), (130, 10)], (20, 9),
#从10开始沿x轴正向移动50个单位； 参数（20,9）是指y轴数值从20开始
facecolors=('tab:orange', 'tab:green', 'tab:red'))
ax.set_ylim(5, 35)
ax.set_xlim(0, 200)
ax.set_xlabel('seconds since start')
ax.set_yticks([15, 25])
ax.set_yticklabels(['Bill', 'Jim'])
ax.grid(True)
ax.annotate('race interrupted', (61, 25),
#箭头
xytext=(0.8, 0.9), textcoords='axes fraction',
arrowprops=dict(facecolor='black', shrink=0.05),
fontsize=16,
horizontalalignment='right', verticalalignment='top')
plt.show()

箱线图

箱线图的组成部分：箱体、箱须和离群值，其中箱体主要由第一四分位数、中位数和第三四分位数组成。

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
# Fixing random state for reproducibility
np.random.seed(19680801)
# fake up some data
spread = np.random.rand(50) * 100
center = np.ones(25) * 50
flier_high = np.random.rand(10) * 100 + 100
flier_low = np.random.rand(10) * -100
data = np.concatenate((spread, center, flier_high, flier_low))
###############################################################################
fig1, ax1 = plt.subplots()
ax1.set_title('箱线图基本版（1 of 6)')
ax1.boxplot(data)
###############################################################################
fig2, ax2 = plt.subplots()
ax2.set_title('V型凹痕箱线图（2 of 6）')
ax2.boxplot(data, notch=True)
###############################################################################
green_diamond = dict(markerfacecolor='g', marker='D')
fig3, ax3 = plt.subplots()
ax3.set_title('箱线图改离群点格式（3 of 6)')
ax3.boxplot(data, flierprops=green_diamond)
###############################################################################
fig4, ax4 = plt.subplots()
ax4.set_title('箱线图隐藏离群点格式（4 of 6)')
ax4.boxplot(data, showfliers=False)
###############################################################################
red_square = dict(markerfacecolor='r', marker='s')
fig5, ax5 = plt.subplots()
ax5.set_title('箱线图水平放（5 of 6)')
ax5.boxplot(data, vert=False, flierprops=red_square)
###############################################################################
# Fake up some more data
spread = np.random.rand(50) * 100
center = np.ones(25) * 40
flier_high = np.random.rand(10) * 100 + 100
flier_low = np.random.rand(10) * -100
d2 = np.concatenate((spread, center, flier_high, flier_low))
###############################################################################
data = [data, d2, d2[::2]]
fig7, ax7 = plt.subplots()
ax7.set_title('多个箱线图（6 of 6）')
ax7.boxplot(data)
plt.show()

动态版箱线图可以点击 介个：https://blog.csdn.net/vv_eve/article/details/107555948
动态版柱状图需要点击 介个

最后

以上就是感性柠檬为你收集整理的python数据可视化 matplotlib(2) 小白 - 典型图形进阶版:堆积折线图/并列柱状图/阶梯图/箱线图典型统计图形对比的全部内容，希望文章能够帮你解决python数据可视化 matplotlib(2) 小白 - 典型图形进阶版:堆积折线图/并列柱状图/阶梯图/箱线图典型统计图形对比所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。