### 如何使用 Python 和 Matplotlib 绘制比较不同强化机制贡献的柱状图 要绘制展示不同强化机制贡献的柱状图，可以利用 `matplotlib` 的 `bar()` 函数来完成。以下是具体实现方式： #### 数据准备 假设存在三种不同的强化机制 A、B 和 C，每种机制对应多个实验条件下的贡献值。为了清晰地对比它们之间的差异，可以选择多系列柱状图的形式。 ```python import numpy as np import matplotlib.pyplot as plt # 假设的数据 mechanisms = ['Mechanism A', 'Mechanism B', 'Mechanism C'] conditions = ['Condition 1', 'Condition 2', 'Condition 3'] data = { 'Condition 1': [5, 7, 3], 'Condition 2': [6, 9, 4], 'Condition 3': [8, 6, 5] } x = np.arange(len(conditions)) # 条件索引 width = 0.25 # 柱子宽度 ``` 上述代码中，`mechanisms` 表示强化机制名称列表，而 `data` 是一个字典结构存储各条件下对应的数值[^1]。 #### 图形绘制 接下来通过循环依次绘制每个强化机制的柱状部分，并设置颜色区分以便于观察。 ```python fig, ax = plt.subplots() for i, mechanism in enumerate(mechanisms): values = [data[condition][i] for condition in conditions] offset = (i - len(mechanisms) / 2) * width + width / 2 rects = ax.bar(x + offset, values, width, label=mechanism) ax.set_ylabel('Contribution') ax.set_title('Comparison of Reinforcement Mechanisms Contributions') ax.set_xticks(x) ax.set_xticklabels(conditions) ax.legend() plt.show() ``` 这段代码实现了以下功能： - 使用 `enumerate` 配合索引来调整每一组柱体的位置偏移量。 - 设置 Y 轴标签为 “Contribution” 并给图表加上标题。 - 利用 `set_xticks` 及其关联方法指定 X 轴刻度位置及其显示文字。 - 添加图例帮助识别各个序列代表的意义[^2]。 最终得到一张能够直观反映各种强化机制在不同情境下表现情况的柱状统计图[^3]。 #### 封装成可重用函数 如果希望简化未来类似需求的操作流程，则可以把以上逻辑封装起来形成独立的功能模块供随时调取应用。 ```python def plot_reinforcement_contributions(data_dict, mechanisms, conditions, title="Reinforcement Contribution Comparison"): """ Plots a grouped bar chart comparing contributions from different reinforcement mechanisms. Parameters: data_dict (dict): Dictionary containing contribution values keyed by condition. mechanisms (list): List of strings representing the names of each mechanism. conditions (list): List of string labels corresponding to experimental conditions or categories. title (str): Title text for the figure; defaults to "Reinforcement Contribution Comparison". Returns: NoneType object which displays generated graph when called within Jupyter Notebook environment etc.. """ import numpy as np import matplotlib.pyplot as plt x = np.arange(len(conditions)) num_mechs = len(mechanisms) total_width = .8 indiv_width = total_width/num_mechs fig, ax = plt.subplots(figsize=(len(conditions)*indiv_width*4+2 ,6)) colors = plt.cm.tab10.colors[:num_mechs] for idx,mec_name in zip(range(num_mechs),mechanisms): heights=[data_dict[cnd][idx]for cnd in conditions ] pos=x+(total_width/(2*num_mechs))*(2*(idx-(num_mechs//2))+1)-total_width/2 bars=ax.bar(pos,heights,width=indiv_width,color=colors[idx],edgecolor='black',label=mec