超详细的Python matplotlib 绘制柱状图
Posted 编程简单学
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了超详细的Python matplotlib 绘制柱状图相关的知识，希望对你有一定的参考价值。
复习回顾
Python 为数据展示提供了大量优秀的功能包，其中 matplotlib 模块可以方便绘制制作折线图、柱状图、散点图等高质量的数据包。
关于 matplotlib 模块，我们前期已经对matplotlib进行基本框架、以及常用方法的学习
在 matplotlib 模块提供的图表中，除了折线图使用最多外，柱状图也是我们日常数据分析的图表。
本期，我们开始学习绘制柱状图相关属性和方法，let's go~
1. 柱状图概述
-
什么是柱状图
- 柱状图又称为条形图，是一种以长方形的长度为变量数据进行统计的图表
- 柱状图用来比较两个或以上类型
- 柱状图只有一个以长方形的长度为变量
- 柱状图可以横向排列或者多维方式展示
-
柱状图使用场景
- 柱状图适用在较小数据集的分析
- 适用二维数据集,只比较一个维度数据差异项
- 直观展示各个体之间数据的差异
- 表现离散型的时间序列
-
柱状图绘制步骤
- 导入matplotlib.pyplot模块
- 准备数据，可以使用numpy/pandas整理数据
- 调用pyplot.bar()绘制柱状图
-
案例展示
本次，我们分析过去5年内的产品年销量展示
-
案例所用到的数据如下：
import random x_data = ["20年".format(i) for i in range(16,21)] y_data = [random.randint(100,300) for i in range(6)] 复制代码 -
绘制柱状图
import matplotlib.pyplot as plt plt.rcParams["font.sans-serif"]=['SimHei'] plt.rcParams["axes.unicode_minus"]=False for i in range(len(x_data)): plt.bar(x_data[i],y_data[i]) plt.title("销量分析") plt.xlabel("年份") plt.ylabel("销量") plt.show() 复制代码
-
2. 柱状图属性
-
柱状体颜色填充
-
facecolor（fc）关键字
-
color 关键字
-
颜色简称：
属性值 说明 属性值 说明 "b"/"bule" 蓝色 "m"/"magenta" 品红 "g" /"green" 绿色 "y"/"yellow" 黄色 "r"/"red" 红色 "k"/"black" 黑色 "c"/"cyan" 青色 "w"/"white" 白色 -
rgb:
- 格式形式：(r,g,b)
- 取值范围：0~1
-
-
柱状描边设置
-
柱状体边框颜色
- edgecolor 或者 ec
-
柱状体边框样式
-
linestyle 或者 ls
-
线条样式：
属性值 说明 "-" 、"solid" 默认实线显示 "--"、"dashed" 虚线 "-." "dashdot" 点划线 ":"、"dotted" 虚线 "None" """" 空 -
-
柱状体边框宽度
- linewidth 或者 lw
-
-
柱状图填充样式
- hatch: 设置填充样式
- 属性取值：'/', '', '|', '-', '+', 'x', 'o', 'O', '.', '*' |
-
柱状图刻度标签
- tickle label：默认使用数字标签
-
我们对 第一节柱状图添加边框样式为"--",添加指定rgb颜色，填充圆圈
for i in range(len(x_data)): plt.bar(x_data[i],y_data[i],color=(0.2*i,0.2*i,0.2*i),linestyle="--",hatch="o") 复制代码
3. 堆叠柱状图
在柱状图中，我们会在同时对比两组数据在同一类中的表现形式，因此需要绘制堆叠柱状图
-
bottom : 条形底座的y坐标，默认值为0
-
在第一节案例中，添加一组y轴数据所有数据如下：
x_data = ["20年".format(i) for i in range(16,21)] y_data = list(random.randint(100,300) for i in range(5)) y2_data = list(random.randint(100,300) for i in range(5)) 复制代码 -
再添加一次pyplot.bar方法，添加bottom属性
plt.bar(x_data,y_data,lw=0.5,fc="r",label="Phone") plt.bar(x_data,y2_data,lw=0.5,fc="b",label="android",bottom=y_data) 复制代码
4. 并列柱状图
在绘制并列的柱状图中，要控制好每个柱状体的位置和大小可以使用width属性
-
width: 设置每组柱状体的宽度
-
x轴：x轴的宽度每组直接也要设置好
-
例如继续改造上面案例，我们为bar1和bar2添加了width属性后，单独设置x轴并排的宽度为0.3
x_width = range(0,len(x_data)) x2_width = [i+0.3 for i in x_width] plt.bar(x_width,y_data,lw=0.5,fc="r",width=0.3,label="Phone") plt.bar(x2_width,y2_data,lw=0.5,fc="b",width=0.3,label="Android") plt.xticks(range(0,5),x_data) 复制代码
5. 水平柱状图
柱状图中，有时候需要让柱状图水平放置，比较差异，我们这时候需要使用到barh方法
-
pyplot.barh(y,width)：绘制水平柱状图
-
结合上述案例，改用barh方法
x_data = ["20年".format(i) for i in range(16,21)]
y_data = list(random.randint(100,300) for i in range(5))
y2_data = list(random.randint(100,300) for i in range(5))
x_width = range(0,len(x_data))
x2_width = [i+0.3 for i in x_width]
plt.barh(x_width,y_data,lw=0.5,fc="r",height=0.3,label="Phone")
plt.barh(x2_width,y2_data,lw=0.5,fc="b",height=0.3,label="Android")
plt.yticks(range(0,5),x_data)
plt.legend()
plt.title("销量分析")
plt.ylabel("年份")
plt.xlabel("销量")
plt.show()
复制代码
6. 添加折线柱状图
我们在查看柱状图时，有时候会需要辅助折线来查看
-
使用pyplot.plot()方法汇总折线图
-
同时使用pyplot.text()显示坐标值
-
当堆叠图时，需要计算好折线相对位置
plt.plot(x_data,y_data,color="pink",linestyle="--") plt.plot(x_data, y2_data+200, color="skyblue", linestyle="-.") # 柱状图 plt.bar(x_data,y_data,lw=0.5,fc="r",width=0.3,label="Phone",alpha=0.5) plt.bar(x_data,y2_data, lw=0.5, fc="b", width=0.3, label="Android",alpha=0.5,bottom=y_data) for i,j in zip(x_data,y_data): plt.text(i,j+0.05,"%d"%j,ha="center",va="bottom") for i2,j2 in zip(x_data,y2_data): plt.text(i2,j2+180,"%d"%j2,ha="center",va="bottom") 复制代码
7. 正负柱状图
我们需要使用Axes对象来设置坐标轴的位置
-
首先使用pyplot.gca()方法创建axes对象
-
然后使用matplotlib.spines模块调用set_position设置坐标轴位置
-
set_position 设置轴位置点
-
spines[]选项有"left"|"bottom"|"width"|"height"
-
set_position 值格式为(位置类型,数量)；位置类型;"outward"|"axes"|"data"|;数量：中心->("轴",0.5),零->("数据",0.0)
y_data = np.random.randint(100, 300,5) y2_data = np.random.randint(100, 300,5) ax = plt.gca() ax.spines["bottom"].set_position(('data', 0)) plt.bar(x_data,+y_data,lw=0.5,fc="r",width=0.3,label="Phone") plt.bar(x_data,-y2_data, lw=0.5, fc="b", width=0.3, label="Android") for i,j in zip(x_data,y_data): plt.text(i,j,"%d"%j,ha="center",va="top") for i2,j2 in zip(x_data,y2_data): plt.text(i2,-j2,"%d"%j2,ha="center",va="bottom") 复制代码
总结
本期，我们对matplotlib模块中详细学习绘制各种柱状图标相关属性和方法，在遇到需要直观展示离散数据点的差异时，我们可以使用bar()或者barh()绘制美观的图表。
以上是本期内容，欢迎大佬们点赞评论，下期见~
Python可视化库matplotlib(超详细)
超详细Matplotlib笔记
Matplotlib简介
Matplotlib 是一个Python的2D绘图库。通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。
通过学习Matplotlib，可让数据可视化，更直观的真实给用户。使数据更加客观、更具有说服力。 Matplotlib是Python的库，又是开发中常用的库。
- 是专门用于开发2D图表(包括3D图表)
- 以渐进、交互式方式实现数据可视化
开发环境搭建
如果使用的是Anaconda Python开发环境，那么Matplotlib已经被集成进Anaconda，并不需要单独安装。
安装 Anaconda 请参考 Tensorflow 2.0 最新版(2.4.1) 安装教程
如果使用的是标准的Python开发环境，可以使用下面的命令安装Matplotlib：
- Windows 系统安装 Matplotlib，执行如下命令：
pip install matplotlib
如果要了解Matplotlib更详细的情况，请访问官方网站。网址如下：https://matplotlib.org
安装完Matplotlib后，可以测试一下Matplotlib是否安装成功。进入Python的环境使用下面的语句导入matplotlib.pyplot 模块。如果不出错，就说明Matplotlib已经安装成功了。
import matplotlib.pyplot as plt
虽然上述的安装方式比较简单，但是有时候不能确保安装成功或者并不能保证安装的Matplotlib版本适合当今Python环境。在这个时候，建议读者登录Python官方网站https://www.python.org/，点击菜单PyPI输入Matplotlib到下载页如下图所示，在这个页面中查找与你使用的Python版本匹配的wheel文件（扩展名为“.whl”的文件）。
例如：使用的是64位的Python3.6，则需要下载matplotlib-3.1.0-cp36-cp36m-win_amd64.whl。
当读者下载到得到的文件是matplotlib-3.1.0-cp36-cp36m-win_amd64.whl，将这个文件保存在” E:/matp”目录下。接下来，需要打开一个命令窗口，并切换到“e:/matp”目录下。执行如下命令安装Matplotlib。
pip install matplotlib-3.1.0-cp36-cp36m-win_amd64.whl
为什么要学习Matplotlib
可视化是在整个数据挖掘的关键辅助工具，可以清晰的理解数据，从而调整我们的分析方法。
- 能将数据进行可视化,更直观的呈现
- 使数据更加客观、更具说服力
例如：下面两个图为数字展示和图形展示：
绘制基础
在使用Matplotlib绘制图形时，其中有两个最为常用的场景。一个是画点，一个是画线。pyplot基本方法的使用如下表。
matplotlib.pytplot包含了一系列类似于matlab的画图函数。
import matplotlib.pyplot as plt
图形绘制流程
- 创建画布 –
plt.figure()
plt.figure(figsize=(), dpi=)
figsize:指定图的长宽
dpi:图像的清晰度
返回fig对象
- 绘制图像 –
plt.plot(x, y) - 显示图像 –
plt.show()
认识Matplotlib图像结构
实现基础绘图功能
import matplotlib.pyplot as plt
import random
from pylab import mpl
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ['SimHei']
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False
# 0.准备数据
x = range(60)
y = [random.uniform(15, 18) for i in x] # random.uniform:返回一个随机浮点数 N ，当 a <= b 时 a <= N <= b ，当 b < a 时 b <= N <= a
'''
DPI（Dots Per Inch，每英寸点数）是一个量度单位，用于点阵数码影像，指每一英寸长度中，取样、可显示或输出点的数目。
DPI是打印机、鼠标等设备分辨率的度量单位。是衡量打印机打印精度的主要参数之一，一般来说，DPI值越高，表明打印机的打印精度越高。
'''
# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100) # 画布大小，dpi：清晰度
# 2.绘制图像
plt.plot(x, y)
# 3.图像显示
plt.show()
设置标签文字和线条粗细
在上面的实例直线结果不够完美，开发者可以绘制的线条样式进行灵活设置。例如：可以设置线条的粗细、设置文字等。
绘制折线图并设置样式
import matplotlib.pyplot as plt
datas=[1,2,3,4,5]
squares=[1,4,9,16,25]
plt.plot(datas,squares,linewidth=5) #设置线条宽度
#设置图标标题，并在坐标轴上添加标签
plt.title('Numbers',fontsize=24)
plt.xlabel('datas',fontsize=14)
plt.ylabel('squares',fontsize=14)
plt.show()
解决中文乱码&符号不正常显示
Matplotlib 默认情况不支持中文，我们可以使用以下简单的方法来解决：
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
中文乱码和符号不正常显示：
from pylab import mpl
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ['SimHei']
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False
解决标签、标题中的中文问题
import matplotlib.pyplot as plt
datas=[1,2,3,4,5]
squares=[1,4,9,16,25]
plt.plot(datas,squares,linewidth=5) #设置线条宽度
#设置中文乱码问题
plt.rcParams['font.sans-serif'] = ['SimHei']
#设置图标标题，并在坐标轴上添加标签
plt.title('标题设置',fontsize=24)
plt.xlabel('x轴',fontsize=14)
plt.ylabel('y轴',fontsize=14)
plt.show()
绘制直线
在使用Matplotlib绘制线性图时，其中最简单的是绘制线图。在下面的实例代码中，使用Matplotlib绘制了一个简单的直线。具体实现过程如下：
（1）导入模块pyplot，并给它指定别名plt，以免反复输入pyplot。在模块pyplot中包含很多用于生产图表的函数。
（2）将绘制的直线坐标传递给函数plot()。
（3）通过函数plt.show()打开Matplotlib查看器，显示绘制的图形。
根据两点绘制一条线
import matplotlib.pyplot as plt
#将(0,1)点和(2,4)连起来
plt.plot([0,2],[1,4])
plt.show()
绘制折线图
折线图：以折线的上升或下降来表示统计数量的增减变化的统计图
特点：能够显示数据的变化趋势，反映事物的变化情况。(变化)
api：plt.plot(x, y)
在上述的实例代码中，使用两个坐标绘制一条直线，接下来使用平方数序列1、4、9、16和25来绘制一个折线图。
import matplotlib.pyplot as plt
x=[1,2,3,4,5]
squares=[1,4,9,16,25]
plt.plot(x,squares)
plt.show()
举例：展现上海一周的天气,比如从星期一到星期日的天气温度如下:
import matplotlib.pyplot as plt
# 1.创建画布
plt.figure(figsize=(10, 10), dpi=100)
# 2.绘制折线图
plt.plot([1, 2, 3, 4, 5, 6 ,7], [17,17,18,15,11,11,13])
# 3.显示图像
plt.show()
举例：正弦曲线
import numpy as np
# 0. 准备数据
x = np.linspace(-10, 10, 1000) # 等差数列
y = np.sin(x) # sin()
# 1. 创建画布
plt.plot(x, y)
# 2.1 添加网格显示
plt.grid(True, linestyle='--', alpha=0.5)
# 2.2 设置标题
plt.title('折线图')
# 3. 显示图像
plt.show()
折线图案例
折线图的应用场景
- 呈现公司产品(不同区域)每天活跃用户数
- 呈现app每天下载数量
- 呈现产品新功能上线后,用户点击次数随时间的变化
- 拓展：画各种数学函数图像
- 注意：
plt.plot()除了可以画折线图，也可以用于画各种数学函数图像
- 注意：
为了更好地理解所有基础绘图功能，我们通过天气温度变化的绘图来融合所有的基础API使用 需求：画出某城市11点到12点1小时内每分钟的温度变化折线图，温度范围在15度~18度。
准备数据并画出初始折线图
import matplotlib.pyplot as plt
import random
from pylab import mpl
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ['SimHei']
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False
# 0.准备数据
x = range(60)
y = [random.uniform(15, 18) for i in x] # random.uniform:返回一个随机浮点数 N ，当 a <= b 时 a <= N <= b ，当 b < a 时 b <= N <= a
'''
DPI（Dots Per Inch，每英寸点数）是一个量度单位，用于点阵数码影像，指每一英寸长度中，取样、可显示或输出点的数目。
DPI是打印机、鼠标等设备分辨率的度量单位。是衡量打印机打印精度的主要参数之一，一般来说，DPI值越高，表明打印机的打印精度越高。
'''
# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100) # 画布大小，dpi：清晰度
# 2.绘制图像
plt.plot(x, y)
# 3.图像显示
plt.show()
添加自定义x,y刻度
- plt.xticks(x, **kwargs)
- x:要显示的刻度值
- plt.yticks(y, **kwargs)
- y:要显示的刻度值
# 增加以下两行代码
# 构造x轴刻度标签
x_ticks_label = ["11点{}分".format(i) for i in x]
# 构造y轴刻度
y_ticks = range(40)
# 修改x,y轴坐标的刻度显示
plt.xticks(x[::5], x_ticks_label[::5])
plt.yticks(y_ticks[::5])
添加网格显示
为了更加清楚地观察图形对应的值
plt.grid(True, linestyle='--', alpha=0.5)
添加描述信息
添加x轴、y轴描述信息及标题
通过fontsize参数可以修改图像中字体的大小
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点0分到12点之间的温度变化图示", fontsize=20)
图像保存
# 保存图片到指定路径
plt.savefig("test.png")
注意：plt.show()会释放figure资源，如果在显示图像之后保存图片将只能保存空图片。
完整代码
import matplotlib.pyplot as plt
import random
from pylab import mpl
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ['SimHei']
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False
# 0.准备数据
x = range(60)
y = [random.uniform(15, 18) for i in x] # random.uniform:返回一个随机浮点数 N ，当 a <= b 时 a <= N <= b ，当 b < a 时 b <= N <= a
'''
DPI（Dots Per Inch，每英寸点数）是一个量度单位，用于点阵数码影像，指每一英寸长度中，取样、可显示或输出点的数目。
DPI是打印机、鼠标等设备分辨率的度量单位。是衡量打印机打印精度的主要参数之一，一般来说，DPI值越高，表明打印机的打印精度越高。
'''
# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100) # 画布大小，dpi：清晰度
# 2.绘制图像（折线图）
plt.plot(x, y)
# 2.1 添加x，y轴刻度
x_ticks_label = ['11点{}分'.format(i) for i in x]
y_ticks = range(40)
# 修改x，y轴刻度显示
# plt.xticks(x_ticks_label[::5]) 坐标刻度不可以直接通过字符串进行修改
# tick：对号; 钩号; 记号
plt.xticks(x[::5], x_ticks_label[::5]) # 先修改为数字刻度，之后替换中文刻度
plt.yticks(y_ticks[::5])
# 2.2 添加网格显示
plt.grid(True, linestyle='--', alpha=0.5)
# 2.3 添加描述信息
plt.xlabel('时间')
plt.ylabel('温度')
plt.title('中午11点-12点某城市温度变化图', fontsize=20)
# 2.4 图像保存（放在show前面，show()会释放figure资源，如果显示图像之后保存图片只能保存空图片）
plt.savefig('./test.png')
# 3.图像显示
plt.show()
在一个坐标系中绘制多个图像
多次plot即可
收集到北京当天温度变化情况，温度在1度到3度。怎么去添加另一个在同一坐标系当中的不同图形，其实很简单只需要再次plot即可，但是需要区分线条，如下：
# 0.准备数据
x = range(60)
# random.uniform:返回一个随机浮点数 N ，当 a <= b 时 a <= N <= b ，当 b < a 时 b <= N <= a
y_sh = [random.uniform(15, 18) for i in x]
y_bj = [random.uniform(1, 3) for i in x]
'''
DPI（Dots Per Inch，每英寸点数）是一个量度单位，用于点阵数码影像，指每一英寸长度中，取样、可显示或输出点的数目。
DPI是打印机、鼠标等设备分辨率的度量单位。是衡量打印机打印精度的主要参数之一，一般来说，DPI值越高，表明打印机的打印精度越高。
'''
# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100) # 画布大小，dpi：清晰度
# 2.绘制图像（折线图）
plt.plot(x, y_sh, label='上海')
# 设置线的风格，颜色，添加图例
plt.plot(x, y_bj, color='r', linestyle='--', label='北京')
# 2.1 添加x，y轴刻度
x_ticks_label = ['11点{}分'.format(i) for i in x]
y_ticks = range(40)
# 修改x，y轴刻度显示
# plt.xticks(x_ticks_label[::5]) 坐标刻度不可以直接通过字符串进行修改
# tick：对号; 钩号; 记号
plt.xticks(x[::5], x_ticks_label[::5]) # 先修改为数字刻度，之后替换中文刻度
plt.yticks(y_ticks[::5])
# 2.2 添加网格显示
plt.grid(True, linestyle='--', alpha=0.5)
# 2.3 添加描述信息
plt.xlabel('时间')
plt.ylabel('温度')
plt.title('中午11点-12点某城市温度变化图', fontsize=20)
# 2.4 图像保存（放在show前面，show()会释放figure资源，如果显示图像之后保存图片只能保存空图片）
# plt.savefig('./test.png')
# 2.5 显示图例
plt.legend(loc="best") # 0
# 3.图像显示
plt.show()
我们仔细观察，用到了两个新的地方，一个是对于不同的折线展示效果，一个是添加图例。
显示图例
注意：如果只在plt.plot()中设置label还不能最终显示出图例，还需要通过plt.legend()将图例显示出来。
# 绘制折线图
plt.plot(x, y_shanghai, label="上海")
# 使用多次plot可以画多个折线
plt.plot(x, y_beijing, color='r', linestyle='--', label="北京")
# 显示图例
plt.legend(loc="best")
参数 loc：
多个坐标系实现绘图
多个坐标系显示—plt.subplots(面向对象的画图方法)
可以通过subplots函数实现(旧的版本中有subplot，使用起来不方便)，推荐subplots函数
matplotlib.pyplot.subplots(nrows=1, ncols=1, **fig_kw)创建一个带有多个axes(坐标系/绘图区)的图：
Parameters:
nrows, ncols : 设置有几行几列坐标系
int, optional, default: 1, Number of rows/columns of the subplot grid.
Returns:
fig : 图对象
axes : 返回相应数量的坐标系
设置标题等方法不同：
set_xticks
set_yticks
set_xlabel
set_ylabel
关于axes子坐标系的更多方法：请参考：
https://matplotlib.org/api/axes_api.html#matplotlib.axes.Axes
注意：plt.函数名()相当于面向过程的画图方法，axes.set_方法名()相当于面向对象的画图方法。
# 0.准备数据
x = range(60)
# random.uniform:返回一个随机浮点数 N ，当 a <= b 时 a <= N <= b ，当 b < a 时 b <= N <= a
y_sh = [random.uniform(15, 18) for i in x]
y_bj = [random.uniform(1, 3) for i in x]
'''
DPI（Dots Per Inch，每英寸点数）是一个量度单位，用于点阵数码影像，指每一英寸长度中，取样、可显示或输出点的数目。
DPI是打印机、鼠标等设备分辨率的度量单位。是衡量打印机打印精度的主要参数之一，一般来说，DPI值越高，表明打印机的打印精度越高。
'''
# 1.创建画布
# plt.figure(figsize=(20, 8), dpi=100) # 画布大小，dpi：清晰度
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(
20, 8), dpi=100) # 画布fig对象，区域axes对象（）
# 2.绘制图像（折线图）
# plt.plot(x, y_sh, label='上海')
# # 设置线的风格，颜色，添加图例
# plt.plot(x, y_bj, color='r', linestyle='--', label='北京')
axes[0].plot(x, y_sh, label='上海')
# 设置线的风格，颜色，添加图例
axes[1].plot(x, y_bj, color='r', linestyle='--', label='北京')
# 2.1 添加x，y轴刻度
x_ticks_label = ['11点{}分'.format(i) for i in x]
y_ticks = range(40)
# 修改x，y轴刻度显示
# plt.xticks(x_ticks_label[::5]) 坐标刻度不可以直接通过字符串进行修改
# tick：对号; 钩号; 记号
# plt.xticks(x[::5], x_ticks_label[::5]) # 先修改为数字刻度，之后替换中文刻度
# plt.yticks(y_ticks[::5])
axes[0].set_xticks(x[::5])
axes[0].set_yticks(y[::5])
axes[0].set_xticklabels(x_ticks_label[::5])
axes[1].set_xticks(x[::5])
axes[1].set_yticks以上是关于超详细的Python matplotlib 绘制柱状图的主要内容，如果未能解决你的问题，请参考以下文章
100天精通Python（可视化篇）——第80天：matplotlib绘制不同种类炫酷柱状图代码实战（簇状堆积横向百分比3D柱状图）