### Python 中使用 Matplotlib 和 Seaborn 绘制条形图 #### 使用 Matplotlib 创建堆叠水平条形图 为了创建一个更复杂的图表，比如堆叠水平条形图，可以利用 `matplotlib` 库中的功能。下面的例子展示了如何加载 Excel 文件并将其转换成 DataFrame 对象来展示数据[^1]。 ```python import pandas as pd import matplotlib.pyplot as plt df = pd.read_excel("Hours.xlsx") print(df) df.plot( x='Name', kind='barh', stacked=True, title='Stacked Bar Graph', mark_right=True ) plt.show() ``` 这段代码首先导入必要的库 (`pandas`, `matplotlib`) 并读取名为 `"Hours.xlsx"` 的 Excel 文件到 Pandas 数据框中。接着打印出该数据框以便查看其结构。最后通过调用 `.plot()` 方法指定参数如横坐标列名 `'Name'`、图形类型 `'barh'`(表示水平条形)，以及设置其他样式选项来生成一张堆叠式的水平条形图。 #### 利用 Pyecharts 构建基础柱状图 对于希望构建交互式网页版可视化工具的应用场景来说，`pyecharts` 是一个不错的选择。这里给出一段简单示例用于说明怎样快速搭建起一个基本的垂直条形图，并保存为 HTML 文件供浏览器打开浏览[^2]。 ```python from pyecharts.charts import Bar from pyecharts import options as opts bar = ( Bar() .add_xaxis(["A", "B", "C", "D", "E"]) .add_yaxis("Series", [10, 20, 30, 40, 50]) .set_global_opts(title_opts=opts.TitleOpts(title="Bar Chart Example")) ) bar.render("bar_chart.html") ``` 此段脚本定义了一个新的 `Bar` 实例对象 `bar` ，并通过链式方法依次添加 X 轴标签列表和 Y 轴数值序列；同时设置了全局配置项（例如标题）。最终执行渲染操作将结果导出至当前目录下的文件 `bar_chart.html` 中。 #### 结合 Seaborn 进行高级定制化绘图 Seaborn 基于 Matplotlib 提供了一套更高层次的数据可视化接口，在处理统计学相关问题时尤为方便。以下是基于 Seaborn 的例子： ```python import seaborn as sns import numpy as np tips = sns.load_dataset('tips') sns.barplot(x='day', y='total_bill', data=tips) plt.title('Average Total Bill by Day') plt.xlabel('Day of Week') plt.ylabel('Total Bill ($)') plt.show() ``` 上述代码片段先载入内置的小费数据集作为样本源，再运用 `seaborn.barplot()` 函数按照星期几分组计算每组平均消费额并绘制相应的直方图。此外还自定义了一些额外的文字描述信息以增强可读性和美观度.