当前位置：极客教程 > Matplotlib > Matplotlib 问答 > 如何使用Python创建圆形条形图：Matplotlib详解

如何使用Python创建圆形条形图：Matplotlib详解

如何使用Python创建圆形条形图：Matplotlib详解

参考：Circular Bar Plot in Python

圆形条形图是一种独特而引人注目的数据可视化方式，它将传统的条形图弯曲成一个圆形，使得数据展示更加紧凑和美观。本文将详细介绍如何使用Python的Matplotlib库创建圆形条形图，从基础概念到高级技巧，全面覆盖这一主题。

1. 圆形条形图的基本概念

圆形条形图，也称为极坐标条形图或放射状条形图，是将传统的直角坐标系条形图转换为极坐标系的一种图表。在这种图表中，数据值由从圆心向外延伸的”条”来表示，而类别则沿着圆周分布。

圆形条形图的主要优势包括：

  1. 空间利用效率高，特别适合展示大量分类数据
  2. 视觉上更加吸引人，能够有效地吸引观众注意力
  3. 适合展示周期性或循环性数据，如一年中各月份的数据

让我们从一个简单的例子开始，了解如何创建基本的圆形条形图：

import numpy as np
import matplotlib.pyplot as plt

# 准备数据
categories = ['A', 'B', 'C', 'D', 'E']
values = [23, 17, 35, 29, 12]

# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

# 创建图形和极坐标子图
fig, ax = plt.subplots(figsize=(8, 8), subplot_kw=dict(projection='polar'))

# 绘制条形
bars = ax.bar(angles, values, width=0.5, bottom=0.0, alpha=0.5)

# 设置刻度标签
ax.set_xticks(angles)
ax.set_xticklabels(categories)

# 添加标题
ax.set_title('Basic Circular Bar Plot - how2matplotlib.com', fontweight='bold')

plt.show()

Output:

如何使用Python创建圆形条形图：Matplotlib详解

在这个例子中，我们使用np.linspace()函数创建均匀分布的角度，然后使用Matplotlib的极坐标子图和bar()函数来绘制圆形条形图。

2. 自定义颜色和样式

为了使圆形条形图更加吸引人，我们可以自定义条形的颜色和样式。以下是一个更加丰富多彩的例子：

import numpy as np
import matplotlib.pyplot as plt

# 准备数据
categories = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']
values = [4, 7, 12, 18, 23, 27, 29, 28, 24, 17, 10, 5]

# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

# 创建颜色映射
cmap = plt.get_cmap('hsv')
colors = [cmap(i) for i in np.linspace(0, 1, len(categories))]

# 创建图形和极坐标子图
fig, ax = plt.subplots(figsize=(10, 10), subplot_kw=dict(projection='polar'))

# 绘制条形
bars = ax.bar(angles, values, width=0.5, bottom=0.0, color=colors, alpha=0.8)

# 设置刻度标签
ax.set_xticks(angles)
ax.set_xticklabels(categories)

# 添加网格线
ax.grid(True)

# 设置y轴范围
ax.set_ylim(0, 30)

# 添加标题
ax.set_title('Colorful Circular Bar Plot - how2matplotlib.com', fontweight='bold')

plt.show()

Output:

如何使用Python创建圆形条形图：Matplotlib详解

在这个例子中，我们使用了plt.get_cmap()函数来创建一个颜色映射，并为每个条形分配不同的颜色。我们还添加了网格线并设置了y轴的范围，使图表更加清晰。

3. 添加数值标签

为了使圆形条形图更加信息丰富，我们可以在每个条形上添加数值标签。以下是如何实现这一点：

import numpy as np
import matplotlib.pyplot as plt

# 准备数据
categories = ['A', 'B', 'C', 'D', 'E', 'F']
values = [25, 40, 30, 55, 45, 35]

# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

# 创建图形和极坐标子图
fig, ax = plt.subplots(figsize=(10, 10), subplot_kw=dict(projection='polar'))

# 绘制条形
bars = ax.bar(angles, values, width=0.5, bottom=0.0, alpha=0.5)

# 设置刻度标签
ax.set_xticks(angles)
ax.set_xticklabels(categories)

# 添加数值标签
for angle, value in zip(angles, values):
    ax.text(angle, value, f'{value}', ha='center', va='bottom')

# 设置y轴范围
ax.set_ylim(0, 60)

# 添加标题
ax.set_title('Circular Bar Plot with Value Labels - how2matplotlib.com', fontweight='bold')

plt.show()

Output:

如何使用Python创建圆形条形图：Matplotlib详解

在这个例子中，我们使用ax.text()函数在每个条形的顶部添加了数值标签。通过调整ha（水平对齐）和va（垂直对齐）参数，我们可以精确控制标签的位置。

4. 创建堆叠圆形条形图

堆叠圆形条形图允许我们在同一个图表中展示多个相关的数据系列。以下是一个创建堆叠圆形条形图的例子：

import numpy as np
import matplotlib.pyplot as plt

# 准备数据
categories = ['A', 'B', 'C', 'D', 'E']
values1 = [20, 30, 25, 35, 27]
values2 = [15, 12, 19, 21, 17]
values3 = [10, 8, 11, 13, 9]

# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

# 创建图形和极坐标子图
fig, ax = plt.subplots(figsize=(10, 10), subplot_kw=dict(projection='polar'))

# 绘制堆叠条形
bars1 = ax.bar(angles, values1, width=0.5, bottom=0.0, alpha=0.5, label='Series 1')
bars2 = ax.bar(angles, values2, width=0.5, bottom=values1, alpha=0.5, label='Series 2')
bars3 = ax.bar(angles, values3, width=0.5, bottom=[i+j for i,j in zip(values1, values2)], alpha=0.5, label='Series 3')

# 设置刻度标签
ax.set_xticks(angles)
ax.set_xticklabels(categories)

# 添加图例
ax.legend(loc='upper right', bbox_to_anchor=(1.3, 1.0))

# 设置y轴范围
ax.set_ylim(0, 80)

# 添加标题
ax.set_title('Stacked Circular Bar Plot - how2matplotlib.com', fontweight='bold')

plt.show()

Output:

如何使用Python创建圆形条形图：Matplotlib详解

在这个例子中，我们使用多次调用ax.bar()函数来创建堆叠的条形。通过设置bottom参数，我们可以控制每个系列的起始位置。我们还添加了一个图例来区分不同的数据系列。

5. 创建分组圆形条形图

分组圆形条形图允许我们并排比较多个数据系列。以下是如何创建分组圆形条形图：

import numpy as np
import matplotlib.pyplot as plt

# 准备数据
categories = ['A', 'B', 'C', 'D', 'E']
values1 = [20, 30, 25, 35, 27]
values2 = [15, 25, 22, 30, 20]

# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

# 创建图形和极坐标子图
fig, ax = plt.subplots(figsize=(10, 10), subplot_kw=dict(projection='polar'))

# 计算条形宽度
width = 0.4

# 绘制分组条形
bars1 = ax.bar(angles, values1, width=width, bottom=0.0, alpha=0.5, label='Series 1')
bars2 = ax.bar(angles + width, values2, width=width, bottom=0.0, alpha=0.5, label='Series 2')

# 设置刻度标签
ax.set_xticks(angles + width / 2)
ax.set_xticklabels(categories)

# 添加图例
ax.legend(loc='upper right', bbox_to_anchor=(1.3, 1.0))

# 设置y轴范围
ax.set_ylim(0, 40)

# 添加标题
ax.set_title('Grouped Circular Bar Plot - how2matplotlib.com', fontweight='bold')

plt.show()

Output:

如何使用Python创建圆形条形图：Matplotlib详解

在这个例子中，我们通过调整每个系列的角度位置（angles和angles + width）来创建分组效果。我们还调整了刻度标签的位置，使其位于每组条形的中间。

6. 添加径向网格线

为了提高圆形条形图的可读性，我们可以添加径向网格线。以下是如何实现：

import numpy as np
import matplotlib.pyplot as plt

# 准备数据
categories = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H']
values = [30, 45, 60, 35, 50, 40, 55, 25]

# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

# 创建图形和极坐标子图
fig, ax = plt.subplots(figsize=(10, 10), subplot_kw=dict(projection='polar'))

# 绘制条形
bars = ax.bar(angles, values, width=0.7, bottom=0.0, alpha=0.5)

# 设置刻度标签
ax.set_xticks(angles)
ax.set_xticklabels(categories)

# 添加径向网格线
ax.set_yticks(np.arange(20, 70, 10))
ax.set_yticklabels(np.arange(20, 70, 10))
ax.set_rlabel_position(0)

# 设置y轴范围
ax.set_ylim(0, 70)

# 添加标题
ax.set_title('Circular Bar Plot with Radial Grid - how2matplotlib.com', fontweight='bold')

plt.show()

Output:

如何使用Python创建圆形条形图：Matplotlib详解

在这个例子中，我们使用ax.set_yticks()和ax.set_yticklabels()函数来添加和标记径向网格线。ax.set_rlabel_position()函数用于设置径向标签的位置。

7. 创建双向圆形条形图

双向圆形条形图可以用来比较两组相关的数据，例如正面和负面的评价。以下是如何创建双向圆形条形图：

import numpy as np
import matplotlib.pyplot as plt

# 准备数据
categories = ['A', 'B', 'C', 'D', 'E', 'F']
positive_values = [30, 25, 40, 35, 50, 45]
negative_values = [-20, -15, -30, -25, -40, -35]

# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

# 创建图形和极坐标子图
fig, ax = plt.subplots(figsize=(10, 10), subplot_kw=dict(projection='polar'))

# 绘制正面条形
bars1 = ax.bar(angles, positive_values, width=0.5, bottom=0.0, alpha=0.5, color='g', label='Positive')

# 绘制负面条形
bars2 = ax.bar(angles, negative_values, width=0.5, bottom=0.0, alpha=0.5, color='r', label='Negative')

# 设置刻度标签
ax.set_xticks(angles)
ax.set_xticklabels(categories)

# 添加图例
ax.legend(loc='upper right', bbox_to_anchor=(1.3, 1.0))

# 设置y轴范围
ax.set_ylim(-50, 50)

# 添加标题
ax.set_title('Bidirectional Circular Bar Plot - how2matplotlib.com', fontweight='bold')

plt.show()

Output:

如何使用Python创建圆形条形图：Matplotlib详解

在这个例子中，我们分别绘制了正面和负面的条形，使用不同的颜色来区分。通过设置适当的y轴范围，我们可以使正负条形分别向外和向内延伸。

8. 添加动态效果

为了使圆形条形图更加生动，我们可以添加一些动态效果。以下是一个简单的动画示例：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation

# 准备数据
categories = ['A', 'B', 'C', 'D', 'E']
values = [30, 45, 60, 35, 50]

# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

# 创建图形和极坐标子图
fig, ax = plt.subplots(figsize=(10, 10), subplot_kw=dict(projection='polar'))

# 初始化条形
bars = ax.bar(angles, [0]*len(categories), width=0.5, bottom=0.0, alpha=0.5)

# 设置刻度标签
ax.set_xticks(angles)
ax.set_xticklabels(categories)

# 设置y轴范围
ax.set_ylim(0, 70)

# 添加标题
ax.set_title('Animated Circular Bar Plot - how2matplotlib.com', fontweight='bold')

# 定义动画更新函数
def update(frame):
    for bar, value in zip(bars, values):
        bar.set_height(value * frame / 100)
    return bars

# 创建动画
anim = FuncAnimation(fig, update, frames=np.linspace(0, 100, 50), interval=50, blit=True)

plt.show()

Output:

如何使用Python创建圆形条形图：Matplotlib详解

在这个例子中，我们使用matplotlib.animation.FuncAnimation来创建一个简单的动画效果。条形会从零逐渐增长到最终高度，创造出一种生动的展示效果。

9. 自定义标签位置和样式

为了进一步提高圆形条形图的可读性和美观度，我们可以自定义标签的位置和样式。以下是一个示例：

import numpy as np
import matplotlib.pyplot as plt

# 准备数据
categories = ['Category A', 'Category B', 'Category C', 'Category D', 'Category E', 'Category F']
values = [35, 47, 52, 40, 58, 45]

# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

# 创建图形和极坐标子图
fig, ax = plt.subplots(figsize=(12, 12), subplot_kw=dict(projection='polar'))

# 绘制条形
bars = ax.bar(angles, values, width=0.5, bottom=0.0, alpha=0.5)

# 自定义标签位置和样式
for angle, value, category in zip(angles, values, categories):
    # 计算标签位置
    x = angle
    y = value + 5  # 在条形顶部上方添加一些空间

    # 旋转标签以保持可读性
    rotation = np.degrees(angle)
    if angle > np.pi/2 and angle < 3*np.pi/2:
        rotation += 180

    ax.text(x, y, f'{category}\n{value}', ha='center', va='center', rotation=rotation, fontweight='bold')

# 移除默认的刻度标签
ax.set_xticks([])

# 设置y轴范围
ax.set_ylim(0, 70)

# 添加标题
ax.set_title('Circular Bar Plot with Custom Labels - how2matplotlib.com', fontweight='bold', pad=20)

plt.show()

Output:

如何使用Python创建圆形条形图：Matplotlib详解

在这个例子中，我们使用ax.text()函数来自定义每个类别的标签位置和样式。我们计算了适当的角度来旋转标签，确保它们始终保持可读性。同时，我们移除了默认的刻度标签，使图表看起来更加整洁。

10. 添加背景色和边框

为了使圆形条形图更加突出，我们可以添加背景色和边框。以下是一个示例：

import numpy as np
import matplotlib.pyplot as plt

# 准备数据
categories = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H']
values = [30, 45, 60, 35, 50, 40, 55, 25]

# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

# 创建图形和极坐标子图
fig, ax = plt.subplots(figsize=(12, 12), subplot_kw=dict(projection='polar'))

# 设置背景色
ax.set_facecolor('#f0f0f0')

# 绘制条形
bars = ax.bar(angles, values, width=0.7, bottom=0.0, alpha=0.8, color='skyblue', edgecolor='navy')

# 设置刻度标签
ax.set_xticks(angles)
ax.set_xticklabels(categories, fontweight='bold')

# 添加径向网格线
ax.set_yticks(np.arange(20, 70, 10))
ax.set_yticklabels(np.arange(20, 70, 10))
ax.set_rlabel_position(0)

# 设置y轴范围
ax.set_ylim(0, 70)

# 添加边框
ax.spines['polar'].set_visible(True)
ax.spines['polar'].set_color('gray')
ax.spines['polar'].set_linewidth(2)

# 添加标题
ax.set_title('Circular Bar Plot with Background and Border - how2matplotlib.com', fontweight='bold', pad=20)

plt.show()

Output:

如何使用Python创建圆形条形图：Matplotlib详解

在这个例子中，我们使用ax.set_facecolor()函数设置了背景色，并通过设置条形的edgecolor参数来添加边框。我们还使用ax.spines['polar'].set_visible(True)来显示极坐标图的外圈边框，并自定义了其颜色和线宽。

11. 创建多层圆形条形图

多层圆形条形图可以用来展示更复杂的数据结构，例如层次化的类别数据。以下是一个创建多层圆形条形图的示例：

import numpy as np
import matplotlib.pyplot as plt

# 准备数据
categories = ['A', 'B', 'C', 'D']
subcategories = ['A1', 'A2', 'A3', 'B1', 'B2', 'C1', 'C2', 'C3', 'D1', 'D2']
values = [20, 15, 10, 25, 20, 30, 25, 15, 35, 30]

# 计算角度
main_angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)
sub_angles = np.linspace(0, 2*np.pi, len(subcategories), endpoint=False)

# 创建图形和极坐标子图
fig, ax = plt.subplots(figsize=(12, 12), subplot_kw=dict(projection='polar'))

# 绘制外层条形
outer_bars = ax.bar(main_angles, [max(values[i:i+3]) for i in range(0, len(values), 3)], width=0.8, bottom=40, alpha=0.3)

# 绘制内层条形
inner_bars = ax.bar(sub_angles, values, width=0.3, bottom=20, alpha=0.8)

# 设置刻度标签
ax.set_xticks(main_angles)
ax.set_xticklabels(categories, fontweight='bold')

# 添加子类别标签
for angle, subcategory in zip(sub_angles, subcategories):
    ax.text(angle, 15, subcategory, ha='center', va='center', fontsize=8)

# 设置y轴范围
ax.set_ylim(0, 100)

# 移除径向刻度
ax.set_yticks([])

# 添加标题
ax.set_title('Multi-layer Circular Bar Plot - how2matplotlib.com', fontweight='bold', pad=20)

plt.show()

Output:

如何使用Python创建圆形条形图：Matplotlib详解

在这个例子中，我们创建了两层条形：外层代表主类别，内层代表子类别。通过调整条形的bottom参数，我们可以控制每层的起始位置。我们还在图表的内圈添加了子类别的标签。

12. 添加交互性

为了使圆形条形图更具交互性，我们可以添加鼠标悬停效果。以下是一个使用mpld3库来实现交互效果的示例：

import numpy as np
import matplotlib.pyplot as plt
import mpld3

# 准备数据
categories = ['A', 'B', 'C', 'D', 'E', 'F']
values = [30, 45, 60, 35, 50, 40]

# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

# 创建图形和极坐标子图
fig, ax = plt.subplots(figsize=(10, 10), subplot_kw=dict(projection='polar'))

# 绘制条形
bars = ax.bar(angles, values, width=0.5, bottom=0.0, alpha=0.5)

# 设置刻度标签
ax.set_xticks(angles)
ax.set_xticklabels(categories)

# 设置y轴范围
ax.set_ylim(0, 70)

# 添加标题
ax.set_title('Interactive Circular Bar Plot - how2matplotlib.com', fontweight='bold')

# 添加交互性
tooltip = mpld3.plugins.PointLabelTooltip(bars, labels=[f'{c}: {v}' for c, v in zip(categories, values)])
mpld3.plugins.connect(fig, tooltip)

# 显示交互图
mpld3.show()

在这个例子中，我们使用mpld3库来为条形添加鼠标悬停效果。当用户将鼠标悬停在条形上时，会显示相应的类别和值。

13. 结合其他图表类型

圆形条形图可以与其他类型的图表结合，创造出更丰富的数据可视化效果。以下是一个将圆形条形图与饼图结合的示例：

import numpy as np
import matplotlib.pyplot as plt

# 准备数据
categories = ['A', 'B', 'C', 'D', 'E']
values1 = [30, 45, 60, 35, 50]
values2 = [20, 25, 15, 30, 10]

# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

# 创建图形和子图
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(20, 10), subplot_kw=dict(projection='polar'))

# 绘制圆形条形图
bars = ax1.bar(angles, values1, width=0.5, bottom=0.0, alpha=0.5)
ax1.set_xticks(angles)
ax1.set_xticklabels(categories)
ax1.set_ylim(0, 70)
ax1.set_title('Circular Bar Plot - how2matplotlib.com', fontweight='bold')

# 绘制饼图
ax2.pie(values2, labels=categories, autopct='%1.1f%%', startangle=90)
ax2.set_title('Pie Chart - how2matplotlib.com', fontweight='bold')

plt.tight_layout()
plt.show()

Output:

如何使用Python创建圆形条形图：Matplotlib详解

在这个例子中，我们在同一个图形中创建了两个子图：一个圆形条形图和一个饼图。这种组合可以帮助我们从不同角度展示相关的数据集。

14. 使用极坐标散点图增强圆形条形图

我们可以在圆形条形图的基础上添加极坐标散点图，以展示更多维度的数据。以下是一个示例：

import numpy as np
import matplotlib.pyplot as plt

# 准备数据
categories = ['A', 'B', 'C', 'D', 'E', 'F']
values1 = [30, 45, 60, 35, 50, 40]
values2 = [20, 30, 40, 25, 35, 30]

# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

# 创建图形和极坐标子图
fig, ax = plt.subplots(figsize=(12, 12), subplot_kw=dict(projection='polar'))

# 绘制条形
bars = ax.bar(angles, values1, width=0.5, bottom=0.0, alpha=0.5, label='Series 1')

# 绘制散点
scatter = ax.scatter(angles, values2, c='red', s=100, alpha=0.8, label='Series 2')

# 设置刻度标签
ax.set_xticks(angles)
ax.set_xticklabels(categories)

# 设置y轴范围
ax.set_ylim(0, 70)

# 添加图例
ax.legend(loc='upper right', bbox_to_anchor=(1.3, 1.0))

# 添加标题
ax.set_title('Circular Bar Plot with Polar Scatter - how2matplotlib.com', fontweight='bold')

plt.show()

Output:

如何使用Python创建圆形条形图：Matplotlib详解

在这个例子中，我们使用ax.scatter()函数在圆形条形图上添加了散点。这种组合可以帮助我们同时展示两个相关的数据系列。

15. 创建径向热图

我们可以将圆形条形图的概念扩展到径向热图，这种图表可以展示更复杂的二维数据。以下是一个创建径向热图的示例：

import numpy as np
import matplotlib.pyplot as plt

# 准备数据
categories = ['A', 'B', 'C', 'D', 'E', 'F']
subcategories = ['1', '2', '3', '4']
data = np.random.rand(len(categories), len(subcategories))

# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

# 创建图形和极坐标子图
fig, ax = plt.subplots(figsize=(12, 12), subplot_kw=dict(projection='polar'))

# 创建径向网格
r, theta = np.meshgrid(np.arange(len(subcategories)), angles)

# 绘制热图
cax = ax.pcolormesh(theta, r, data, cmap='YlOrRd')

# 设置刻度标签
ax.set_xticks(angles)
ax.set_xticklabels(categories)
ax.set_yticks(np.arange(len(subcategories)))
ax.set_yticklabels(subcategories)

# 添加颜色条
cbar = fig.colorbar(cax)
cbar.set_label('Value')

# 添加标题
ax.set_title('Radial Heatmap - how2matplotlib.com', fontweight='bold')

plt.show()

Output:

如何使用Python创建圆形条形图：Matplotlib详解

在这个例子中，我们使用ax.pcolormesh()函数创建了一个径向热图。这种图表可以有效地展示类别和子类别之间的关系，以及相应的数值大小。

16. 创建动态更新的圆形条形图

在某些情况下，我们可能需要实时更新圆形条形图的数据。以下是一个使用animation模块创建动态更新圆形条形图的示例：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation

# 准备初始数据
categories = ['A', 'B', 'C', 'D', 'E']
values = [30, 45, 60, 35, 50]

# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

# 创建图形和极坐标子图
fig, ax = plt.subplots(figsize=(10, 10), subplot_kw=dict(projection='polar'))

# 初始化条形
bars = ax.bar(angles, values, width=0.5, bottom=0.0, alpha=0.5)

# 设置刻度标签
ax.set_xticks(angles)
ax.set_xticklabels(categories)

# 设置y轴范围
ax.set_ylim(0, 100)

# 添加标题
ax.set_title('Dynamic Circular Bar Plot - how2matplotlib.com', fontweight='bold')

# 定义更新函数
def update(frame):
    new_values = [v + np.random.randint(-10, 11) for v in values]
    for bar, value in zip(bars, new_values):
        bar.set_height(value)
    return bars

# 创建动画
anim = FuncAnimation(fig, update, frames=200, interval=100, blit=True)

plt.show()

Output:

如何使用Python创建圆形条形图：Matplotlib详解

在这个例子中，我们定义了一个update函数，它在每一帧都会随机调整条形的高度。通过使用FuncAnimation，我们创建了一个动态更新的圆形条形图。

17. 创建多环圆形条形图

多环圆形条形图可以用来比较多个数据系列或时间段的数据。以下是一个创建多环圆形条形图的示例：

import numpy as np
import matplotlib.pyplot as plt

# 准备数据
categories = ['A', 'B', 'C', 'D', 'E', 'F']
values1 = [30, 45, 60, 35, 50, 40]
values2 = [25, 40, 55, 30, 45, 35]
values3 = [20, 35, 50, 25, 40, 30]

# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

# 创建图形和极坐标子图
fig, ax = plt.subplots(figsize=(12, 12), subplot_kw=dict(projection='polar'))

# 绘制多环条形
width = 0.2
bars1 = ax.bar(angles, values1, width=width, bottom=0.0, alpha=0.5, label='Series 1')
bars2 = ax.bar(angles, values2, width=width, bottom=values1, alpha=0.5, label='Series 2')
bars3 = ax.bar(angles, values3, width=width, bottom=[i+j for i,j in zip(values1, values2)], alpha=0.5, label='Series 3')

# 设置刻度标签
ax.set_xticks(angles)
ax.set_xticklabels(categories)

# 设置y轴范围
ax.set_ylim(0, 200)

# 添加图例
ax.legend(loc='upper right', bbox_to_anchor=(1.3, 1.0))

# 添加标题
ax.set_title('Multi-ring Circular Bar Plot - how2matplotlib.com', fontweight='bold')

plt.show()

Output:

如何使用Python创建圆形条形图：Matplotlib详解

在这个例子中，我们通过调整每个系列的bottom参数，创建了一个多环的效果。这种图表可以有效地展示多个相关数据系列之间的关系和比较。

18. 创建极坐标面积图

极坐标面积图是圆形条形图的一种变体，它可以更好地展示连续数据或累积效应。以下是一个创建极坐标面积图的示例：

import numpy as np
import matplotlib.pyplot as plt

# 准备数据
categories = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']
values = [30, 35, 45, 55, 60, 70, 75, 70, 65, 55, 40, 35]

# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

# 闭合数据
values = np.concatenate((values, [values[0]]))
angles = np.concatenate((angles, [angles[0]]))

# 创建图形和极坐标子图
fig, ax = plt.subplots(figsize=(10, 10), subplot_kw=dict(projection='polar'))

# 绘制极坐标面积图
ax.fill(angles, values, alpha=0.25)
ax.plot(angles, values)

# 设置刻度标签
ax.set_xticks(angles[:-1])
ax.set_xticklabels(categories)

# 设置y轴范围
ax.set_ylim(0, 80)

# 添加标题
ax.set_title('Polar Area Chart - how2matplotlib.com', fontweight='bold')

plt.show()

Output:

如何使用Python创建圆形条形图：Matplotlib详解

在这个例子中，我们使用ax.fill()函数创建了一个填充区域，并使用ax.plot()函数添加了一条轮廓线。这种图表特别适合展示周期性数据，如年度或季度数据。

19. 创建极坐标箱线图

极坐标箱线图可以用来展示数据的分布情况。以下是一个创建极坐标箱线图的示例：

import numpy as np
import matplotlib.pyplot as plt

# 准备数据
categories = ['A', 'B', 'C', 'D', 'E']
data = [np.random.normal(0, std, 100) for std in range(1, 6)]

# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

# 创建图形和极坐标子图
fig, ax = plt.subplots(figsize=(10, 10), subplot_kw=dict(projection='polar'))

# 绘制极坐标箱线图
bplot = ax.boxplot(data, positions=angles, widths=0.5)

# 设置刻度标签
ax.set_xticks(angles)
ax.set_xticklabels(categories)

# 设置y轴范围
ax.set_ylim(-15, 15)

# 添加标题
ax.set_title('Polar Box Plot - how2matplotlib.com', fontweight='bold')

plt.show()

Output:

如何使用Python创建圆形条形图：Matplotlib详解

在这个例子中，我们使用ax.boxplot()函数创建了箱线图，并通过设置positions参数将其放置在极坐标系中。这种图表可以有效地展示每个类别数据的分布情况。

20. 结合词云的圆形条形图

最后，我们可以尝试将圆形条形图与词云结合，创造出一种独特的可视化效果。以下是一个示例：

import numpy as np
import matplotlib.pyplot as plt
from wordcloud import WordCloud

# 准备数据
categories = ['Python', 'Java', 'C++', 'JavaScript', 'Ruby', 'Go']
values = [60, 45, 40, 50, 30, 35]

# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

# 创建图形和极坐标子图
fig, ax = plt.subplots(figsize=(12, 12), subplot_kw=dict(projection='polar'))

# 绘制条形
bars = ax.bar(angles, values, width=0.5, bottom=0.0, alpha=0.5)

# 设置刻度标签
ax.set_xticks(angles)
ax.set_xticklabels(categories)

# 设置y轴范围
ax.set_ylim(0, 70)

# 创建词云
text = ' '.join([f"{cat} " * int(val) for cat, val in zip(categories, values)])
wordcloud = WordCloud(background_color='white', width=400, height=400).generate(text)

# 在中心添加词云
ax.imshow(wordcloud, extent=(-20, 20, -20, 20))

# 添加标题
ax.set_title('Circular Bar Plot with Word Cloud - how2matplotlib.com', fontweight='bold')

plt.show()

在这个例子中，我们首先创建了一个标准的圆形条形图，然后使用WordCloud库生成了一个词云。我们将词云放置在圆形条形图的中心，创造出一种独特的视觉效果。这种组合可以同时展示数据的数量和重要性。

总结

圆形条形图是一种强大而灵活的数据可视化工具，它可以以紧凑和吸引人的方式展示分类数据。通过本文介绍的各种技巧和变体，你可以创建出丰富多样的圆形条形图，以满足不同的数据展示需求。

从基本的圆形条形图到复杂的多层次、多维度可视化，从静态图表到动态更新的动画，从单一图表类型到与其他图表类型的结合，圆形条形图都展现出了强大的适应性和表现力。

在实际应用中，选择合适的圆形条形图类型和样式取决于你的数据特征和展示目的。无论是展示单一数据系列，比较多个数据系列，还是展示复杂的多维数据，圆形条形图都能够提供独特而有效的可视化解决方案。

最后，记住数据可视化的核心目的是有效地传达信息。在使用圆形条形图时，始终要考虑你的目标受众和你想要传达的关键信息。通过合理的设计和适当的定制，圆形条形图可以成为你数据可视化工具箱中的一个强大武器。

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Matplotlib 精品教程