如何將資料值新增至 Matplotlib 長條圖中的水平長條圖中?
在 Matplotlib 中向水平條形圖添加值
條形圖是可視化資料和識別模式的有用工具。為了提高繪圖清晰度,直接在圖表上顯示每個長條的精確值通常很有幫助。這可以為解釋和分析提供方便的參考。
在 matplotlib 中,建立水平長條圖非常簡單。以下程式碼片段產生一個表示不同類別的頻率的長條圖:
import matplotlib.pyplot as plt import numpy as np # Data for the plot x = [u'INFO', u'CUISINE', u'TYPE_OF_PLACE', u'DRINK', u'PLACE', u'MEAL_TIME', u'DISH', u'NEIGHBOURHOOD'] y = [160, 167, 137, 18, 120, 36, 155, 130] # Create the bar plot fig, ax = plt.subplots() width = 0.75 # Bar width ind = np.arange(len(y)) # X locations for groups ax.barh(ind, y, width, color="blue") ax.set_yticks(ind + width / 2) ax.set_yticklabels(x, minor=False) plt.title('Bar Plot') plt.xlabel('Frequency') plt.ylabel('Category')
但是,該圖缺少長條圖上的值。若要新增值,您可以使用下列行擴充程式碼:
# Add bar values for i, v in enumerate(y): ax.text(v + 3, i, str(v), color='blue', fontweight='bold', verticalalignment='center')
此程式碼迭代 y 值並將每個值的字串表示形式新增至繪圖中。 ax.text 方法將文字定位在繪圖座標系中指定的 x 位置 (v 3) 和 y 位置 (i)。
產生的繪圖將在每個條形上顯示值,可以快速輕鬆地解釋數據:
[帶有值的條形圖圖像]
此增強功能大大提高了繪圖的可用性,並允許查看者快速掌握每個條代表的具體數值。
以上是如何將資料值新增至 Matplotlib 長條圖中的水平長條圖中?的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

Python适合数据科学、Web开发和自动化任务,而C 适用于系统编程、游戏开发和嵌入式系统。Python以简洁和强大的生态系统著称,C 则以高性能和底层控制能力闻名。

兩小時內可以學到Python的基礎知識。 1.學習變量和數據類型,2.掌握控制結構如if語句和循環,3.了解函數的定義和使用。這些將幫助你開始編寫簡單的Python程序。

Python在遊戲和GUI開發中表現出色。 1)遊戲開發使用Pygame,提供繪圖、音頻等功能,適合創建2D遊戲。 2)GUI開發可選擇Tkinter或PyQt,Tkinter簡單易用,PyQt功能豐富,適合專業開發。

2小時內可以學會Python的基本編程概念和技能。 1.學習變量和數據類型,2.掌握控制流(條件語句和循環),3.理解函數的定義和使用,4.通過簡單示例和代碼片段快速上手Python編程。

Python更易學且易用,C 則更強大但複雜。 1.Python語法簡潔,適合初學者,動態類型和自動內存管理使其易用,但可能導致運行時錯誤。 2.C 提供低級控制和高級特性,適合高性能應用,但學習門檻高,需手動管理內存和類型安全。

要在有限的時間內最大化學習Python的效率,可以使用Python的datetime、time和schedule模塊。 1.datetime模塊用於記錄和規劃學習時間。 2.time模塊幫助設置學習和休息時間。 3.schedule模塊自動化安排每週學習任務。

Python在web開發、數據科學、機器學習、自動化和腳本編寫等領域有廣泛應用。 1)在web開發中,Django和Flask框架簡化了開發過程。 2)數據科學和機器學習領域,NumPy、Pandas、Scikit-learn和TensorFlow庫提供了強大支持。 3)自動化和腳本編寫方面,Python適用於自動化測試和系統管理等任務。

Python在自動化、腳本編寫和任務管理中表現出色。 1)自動化:通過標準庫如os、shutil實現文件備份。 2)腳本編寫:使用psutil庫監控系統資源。 3)任務管理:利用schedule庫調度任務。 Python的易用性和豐富庫支持使其在這些領域中成為首選工具。
