pandas.Series.plot.bar # 系列.情节. bar ( x = None , y = None , ** kwargs ) [来源] # 垂直条形图。 条形图是用矩形条来显示分类数据的图,条形的长度与它们所代表的值成比例。条形图显示离散类别之间的比较。该图的一个轴显示正在比较的特定类别,另一轴表示测量值。 参数: x标签或位置,可选允许绘制一列与另一列的图。如果未指定,则使用 DataFrame 的索引。 y标签或位置,可选允许绘制一列与另一列的图。如果未指定,则使用所有数字列。 颜色str、类似数组或 dict,可选DataFrame 每一列的颜色。可能的值为: 由名称、RGB 或 RGBA 代码引用的单一颜色字符串,例如“红色”或“#a98d19”。 按名称、RGB 或 RGBA 引用的颜色字符串序列代码,它将递归地用于每一列。例如 ['green','yellow'] 每列的条形将交替填充为绿色或黄色。如果只有一列要绘制,则仅使用颜色列表中的第一种颜色。 形式为 {column name color} 的字典,以便每一列都将是相应地着色。例如,如果您的列名为a和 b ,则传递 {'a': 'green', 'b': 'red'} 会将a列的条形颜色显示为绿色,将b列的条形颜色显示为红色。 **夸格其他关键字参数记录在 中 DataFrame.plot()。 返回: matplotlib.axes.Axes 或 np.ndarray 其中当 时,返回一个 ndarray,matplotlib.axes.Axes 每列一个subplots=True。 也可以看看 DataFrame.plot.barh单杠图。 DataFrame.plot绘制 DataFrame 的图。 matplotlib.pyplot.bar使用 matplotlib 绘制条形图。 例子 基本情节。 >>> df = pd.DataFrame({'lab':['A', 'B', 'C'], 'val':[10, 30, 20]}) >>> ax = df.plot.bar(x='lab', y='val', rot=0) 将整个数据框绘制为条形图。每列都分配有不同的颜色,每行沿水平轴嵌套在一个组中。 >>> speed = [0.1, 17.5, 40, 48, 52, 69, 88] >>> lifespan = [2, 8, 70, 1.5, 25, 12, 28] >>> index = ['snail', 'pig', 'elephant', ... 'rabbit', 'giraffe', 'coyote', 'horse'] >>> df = pd.DataFrame({'speed': speed, ... 'lifespan': lifespan}, index=index) >>> ax = df.plot.bar(rot=0) 绘制 DataFrame 的堆积条形图 >>> ax = df.plot.bar(stacked=True) 可以使用 来按列分割该图,而不是嵌套 subplots=True。在本例中,返回numpy.ndarraya 。matplotlib.axes.Axes >>> axes = df.plot.bar(rot=0, subplots=True) >>> axes[1].legend(loc=2) 如果您不喜欢默认颜色,您可以指定每列的着色方式。 >>> axes = df.plot.bar( ... rot=0, subplots=True, color={"speed": "red", "lifespan": "green"} ... ) >>> axes[1].legend(loc=2) 绘制单列。 >>> ax = df.plot.bar(y='speed', rot=0) 仅绘制 DataFrame 的选定类别。 >>> ax = df.plot.bar(x='lifespan', rot=0)