从零开始掌握 Matplotlib 柱形图：数据可视化的入门利器
在数据分析的世界里，数据本身是冰冷的数字，而可视化则是赋予它们温度的魔法。当你面对一堆数字表格时，是否曾想过：如果能用一张图把它们“讲”出来，岂不是更直观？这正是 Matplotlib 柱形图的魅力所在——它像一位冷静又清晰的讲解员，把复杂的数据关系，用一根根柱子“摆”得明明白白。
Matplotlib 是 Python 中最主流的绘图库，而柱形图则是它最基础、最常用的功能之一。无论是比较不同产品的销量，还是分析各地区的人口分布，柱形图都能以最直观的方式呈现信息。今天，我们就从零开始，手把手带你掌握 Matplotlib 柱形图的核心用法，让你的数据表达力瞬间升级。
什么是柱形图？它的核心作用是什么？
柱形图，顾名思义，就是由一系列垂直或水平的矩形柱子组成的图表。每根柱子的高度（或长度）代表一个数值，柱子之间的位置关系则表示类别。它特别适合用于比较不同类别的数量差异。
想象一下你正在开一家小咖啡馆，想看看上周五、周六、周日三天的咖啡销量。如果你只看表格，可能会被“68、92、75”这些数字绕晕。但如果你把它们画成三根柱子，一眼就能看出周六卖得最好——这就是柱形图的价值。
在 Matplotlib 中，我们使用 pyplot.bar() 函数来创建柱形图。它简单、高效，是数据可视化入门的第一站。
创建数组与初始化：数据准备是关键
在画图之前，我们必须先准备好数据。这就像做菜前要洗菜切菜一样，数据准备是绘图的基础。
import matplotlib.pyplot as plt
days = ['周五', '周六', '周日']
sales = [68, 92, 75]
plt.bar(days, sales)
plt.show()
代码注释：
days是横坐标标签，代表三个不同的类别（周五、周六、周日）sales是纵坐标数值，对应每个类别的数据值plt.bar(days, sales)是核心函数，第一个参数是类别标签，第二个是对应数值plt.show()用于在窗口中显示图形，没有这行代码，图不会出现
运行这段代码，你将看到一个简洁的柱形图，三根柱子清晰地展示了三天的销量对比。
优化图表样式：让图形更有“说服力”
原始的柱形图虽然能看懂，但略显单调。我们可以通过调整颜色、添加标题、设置坐标轴标签等方式，让图表更具专业感。
import matplotlib.pyplot as plt
days = ['周五', '周六', '周日']
sales = [68, 92, 75]
plt.bar(days, sales, color='skyblue', edgecolor='black', linewidth=1)
plt.title('上周三日咖啡销量对比', fontsize=14, fontweight='bold')
plt.xlabel('星期', fontsize=12)
plt.ylabel('销量（杯）', fontsize=12)
plt.show()
代码注释：
color='skyblue'设置柱子颜色为天蓝色，更美观edgecolor='black'和linewidth=1为柱子添加黑色边框，增强轮廓感plt.title()设置图表主标题，fontsize控制字体大小，fontweight让标题更醒目xlabel()和ylabel()分别设置横纵坐标轴的标签- 这些细节让图表从“能看”升级为“好看又专业”
此时，你的图表已经具备了发布在报告中的基本素质。
多组数据对比：并列柱形图的实现
现实场景中，我们常常需要对比多组数据。比如，你想比较“咖啡”和“奶茶”在三天内的销量。
这时，我们可以使用并列柱形图（Grouped Bar Chart），让每类别的两个柱子并排出现。
import matplotlib.pyplot as plt
days = ['周五', '周六', '周日']
coffee_sales = [68, 92, 75]
milk_tea_sales = [50, 80, 65]
width = 0.35 # 柱子宽度
x = range(len(days)) # 位置索引：0, 1, 2
plt.bar(x, coffee_sales, width=width, label='咖啡', color='sandybrown')
plt.bar([i + width for i in x], milk_tea_sales, width=width, label='奶茶', color='lightcoral')
plt.xlabel('星期')
plt.ylabel('销量（杯）')
plt.title('咖啡与奶茶销量对比（上周）')
plt.xticks([i + width/2 for i in x], days) # 设置横轴标签位置
plt.legend() # 显示图例
plt.show()
代码注释：
width=0.35控制柱子宽度，避免重叠x = range(len(days))生成位置索引 [0, 1, 2]- 第一组柱子画在
x位置，第二组画在x + width位置，实现错位plt.xticks()设置横轴标签的位置，使用i + width/2将标签放在两组柱子中间plt.legend()显示图例，帮助用户识别哪根柱子代表什么产品
这种并列设计让你能一眼看出“哪天卖得更多”、“哪种饮品更受欢迎”，信息传达效率极高。
垂直 vs 水平柱形图：选择合适的表达方式
柱形图可以是垂直的，也可以是水平的。选择哪种，取决于你的数据结构和展示需求。
当类别名称较长时，水平柱形图更清晰。比如你要比较“北京、上海、广州、深圳、杭州”五个城市的GDP。
import matplotlib.pyplot as plt
cities = ['北京', '上海', '广州', '深圳', '杭州']
gdp = [3.46, 4.32, 2.85, 3.27, 2.05]
plt.barh(cities, gdp, color='lightgreen', edgecolor='darkgreen', linewidth=1)
plt.title('2023年五大城市GDP对比（单位：万亿元）', fontsize=13)
plt.xlabel('GDP（万亿元）')
plt.ylabel('城市')
plt.show()
代码注释：
- 使用
barh()函数绘制水平柱形图，h代表 horizontal（水平）- 横轴是数值（GDP），纵轴是类别（城市），适合长标签
color和edgecolor保持风格统一，提升可读性- 水平布局让城市名称更易阅读，避免文字倾斜或重叠
水平柱形图在展示长类别标签时，优势明显，是处理这类数据的优选方案。
高级技巧：添加数值标签与自定义颜色
为了让图表更具信息量，我们可以在每根柱子上方添加具体的数值。
import matplotlib.pyplot as plt
products = ['A', 'B', 'C', 'D']
sales = [120, 150, 90, 180]
bars = plt.bar(products, sales, color='steelblue')
for bar, value in zip(bars, sales):
plt.text(bar.get_x() + bar.get_width() / 2, bar.get_height() + 1,
str(value), ha='center', va='bottom', fontsize=10, fontweight='bold')
plt.title('各产品销量对比', fontsize=14)
plt.xlabel('产品')
plt.ylabel('销量（件）')
plt.show()
代码注释：
bars = plt.bar(...)保存返回的柱子对象，用于后续操作bar.get_x()和bar.get_width()获取柱子的起始位置和宽度get_height()获取柱子高度，即数值plt.text()在指定坐标添加文字，ha='center'居中对齐，va='bottom'文字位于柱子上方fontsize和fontweight让数字更突出
这种技巧让读者无需再“猜”柱子对应数值，信息一目了然。
总结：Matplotlib 柱形图的核心价值
Matplotlib 柱形图是数据可视化中最基础也最实用的工具之一。它结构清晰、使用简单，却能承载丰富的信息。通过本篇教程，你已经掌握了：
- 如何从零开始绘制基础柱形图
- 如何优化样式提升可读性
- 如何实现多组数据对比的并列柱形图
- 如何根据数据特点选择垂直或水平布局
- 如何添加数值标签，增强信息传达力
掌握这些技能后，你不仅能轻松应对日常数据分析任务，还能在报告、论文、项目展示中，用一张图讲清一个故事。数据可视化不是炫技，而是让复杂变简单。而 Matplotlib 柱形图，正是你迈出这一步的最佳起点。