当前位置：极客教程 > Matplotlib > Matplotlib 问答 > Matplotlib 绘制带误差条的柱状图：全面指南

Matplotlib 绘制带误差条的柱状图：全面指南

Matplotlib 绘制带误差条的柱状图：全面指南

参考：matplotlib bar chart with error bars

Matplotlib 是 Python 中最流行的数据可视化库之一，它提供了强大而灵活的工具来创建各种类型的图表。在数据分析和科学研究中，柱状图是一种常用的图表类型，用于比较不同类别或组之间的数值。而带误差条的柱状图则更进一步，能够显示数据的不确定性或变异性，使得图表更加信息丰富和准确。本文将详细介绍如何使用 Matplotlib 绘制带误差条的柱状图，包括基本概念、各种绘图技巧以及高级定制方法。

1. 带误差条柱状图的基本概念

在开始绘图之前，我们需要了解带误差条柱状图的基本概念。柱状图由一系列矩形条组成，每个矩形条的高度表示某个类别或组的数值。误差条则是在每个矩形条的顶部（或底部）添加的线段，用来表示数据的不确定性范围。

误差条通常表示以下几种统计量：

  1. 标准误差（Standard Error）
  2. 标准差（Standard Deviation）
  3. 置信区间（Confidence Interval）
  4. 自定义误差范围

在 Matplotlib 中，我们可以使用 plt.bar() 函数绘制基本的柱状图，然后使用 plt.errorbar() 函数添加误差条。或者，我们可以直接使用 ax.bar() 方法，通过设置 yerr 参数来添加误差条。

让我们从一个简单的例子开始：

import matplotlib.pyplot as plt
import numpy as np

# 准备数据
categories = ['A', 'B', 'C', 'D']
values = [3, 7, 5, 9]
errors = [0.5, 1, 0.8, 1.2]

# 创建图表
fig, ax = plt.subplots(figsize=(8, 6))

# 绘制带误差条的柱状图
ax.bar(categories, values, yerr=errors, capsize=5)

# 设置标题和轴标签
ax.set_title('Bar Chart with Error Bars - how2matplotlib.com')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')

# 显示图表
plt.show()

Output:

Matplotlib 绘制带误差条的柱状图：全面指南

在这个例子中，我们创建了一个简单的带误差条的柱状图。categories 是 x 轴的类别标签，values 是对应的数值，errors 是每个数值的误差范围。我们使用 ax.bar() 方法绘制柱状图，并通过 yerr 参数添加误差条。capsize 参数设置误差条末端横线的长度。

2. 自定义柱状图的外观

Matplotlib 提供了多种方法来自定义柱状图的外观，包括颜色、宽度、边框等。以下是一些常用的自定义选项：

import matplotlib.pyplot as plt
import numpy as np

categories = ['Apple', 'Banana', 'Orange', 'Grape']
values = [4.2, 5.7, 3.9, 4.8]
errors = [0.3, 0.5, 0.4, 0.3]

fig, ax = plt.subplots(figsize=(10, 6))

ax.bar(categories, values, yerr=errors, capsize=5, 
       color='skyblue', edgecolor='navy', linewidth=2, 
       alpha=0.7, width=0.6, align='center')

ax.set_title('Customized Bar Chart - how2matplotlib.com', fontsize=16)
ax.set_xlabel('Fruit Types', fontsize=12)
ax.set_ylabel('Average Weight (kg)', fontsize=12)

plt.show()

Output:

Matplotlib 绘制带误差条的柱状图：全面指南

在这个例子中，我们使用了以下参数来自定义柱状图的外观：

  • color: 设置柱子的填充颜色
  • edgecolor: 设置柱子的边框颜色
  • linewidth: 设置边框的宽度
  • alpha: 设置透明度
  • width: 设置柱子的宽度
  • align: 设置柱子的对齐方式

通过调整这些参数，我们可以创建更加美观和专业的柱状图。

3. 绘制分组柱状图

在某些情况下，我们可能需要比较多个组之间的多个类别。这时，我们可以使用分组柱状图。以下是一个绘制分组柱状图的例子：

import matplotlib.pyplot as plt
import numpy as np

# 准备数据
categories = ['Category A', 'Category B', 'Category C']
group1 = [4, 7, 5]
group2 = [3, 6, 8]
errors1 = [0.5, 0.7, 0.6]
errors2 = [0.4, 0.5, 0.7]

# 设置 x 轴位置
x = np.arange(len(categories))
width = 0.35

fig, ax = plt.subplots(figsize=(10, 6))

# 绘制两组柱状图
rects1 = ax.bar(x - width/2, group1, width, yerr=errors1, label='Group 1', capsize=5)
rects2 = ax.bar(x + width/2, group2, width, yerr=errors2, label='Group 2', capsize=5)

# 设置图表标题和轴标签
ax.set_title('Grouped Bar Chart with Error Bars - how2matplotlib.com', fontsize=16)
ax.set_xlabel('Categories', fontsize=12)
ax.set_ylabel('Values', fontsize=12)

# 设置 x 轴刻度标签
ax.set_xticks(x)
ax.set_xticklabels(categories)

# 添加图例
ax.legend()

# 调整布局
fig.tight_layout()

plt.show()

Output:

Matplotlib 绘制带误差条的柱状图：全面指南

在这个例子中，我们创建了两组柱状图，每组包含三个类别。我们使用 np.arange() 函数创建 x 轴位置，然后通过调整每组柱子的 x 坐标来实现分组效果。width 参数控制柱子的宽度，通过设置不同的 label 参数，我们可以为每组添加图例。

4. 水平柱状图

有时候，使用水平柱状图可能更适合展示某些类型的数据，特别是当类别标签较长时。以下是一个绘制水平带误差条柱状图的例子：

import matplotlib.pyplot as plt
import numpy as np

# 准备数据
categories = ['Category A', 'Category B', 'Category C', 'Category D', 'Category E']
values = [4, 7, 5, 3, 6]
errors = [0.5, 0.7, 0.6, 0.4, 0.5]

# 创建图表
fig, ax = plt.subplots(figsize=(10, 6))

# 绘制水平柱状图
ax.barh(categories, values, xerr=errors, capsize=5, color='lightgreen', edgecolor='darkgreen')

# 设置标题和轴标签
ax.set_title('Horizontal Bar Chart with Error Bars - how2matplotlib.com', fontsize=16)
ax.set_xlabel('Values', fontsize=12)
ax.set_ylabel('Categories', fontsize=12)

# 调整布局
fig.tight_layout()

plt.show()

Output:

Matplotlib 绘制带误差条的柱状图：全面指南

在这个例子中，我们使用 ax.barh() 方法来绘制水平柱状图。注意，我们使用 xerr 参数而不是 yerr 来添加水平误差条。

5. 添加数值标签

为了使柱状图更加信息丰富，我们可以在每个柱子上添加数值标签。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 准备数据
categories = ['A', 'B', 'C', 'D']
values = [3.5, 7.2, 5.1, 9.8]
errors = [0.5, 1, 0.8, 1.2]

# 创建图表
fig, ax = plt.subplots(figsize=(10, 6))

# 绘制带误差条的柱状图
bars = ax.bar(categories, values, yerr=errors, capsize=5)

# 添加数值标签
for bar in bars:
    height = bar.get_height()
    ax.text(bar.get_x() + bar.get_width()/2., height,
            f'{height:.1f}',
            ha='center', va='bottom')

# 设置标题和轴标签
ax.set_title('Bar Chart with Error Bars and Value Labels - how2matplotlib.com', fontsize=16)
ax.set_xlabel('Categories', fontsize=12)
ax.set_ylabel('Values', fontsize=12)

# 调整 y 轴范围，为标签留出空间
ax.set_ylim(0, max(values) * 1.2)

plt.show()

Output:

Matplotlib 绘制带误差条的柱状图：全面指南

在这个例子中，我们遍历每个柱子，使用 ax.text() 方法在柱子顶部添加数值标签。我们还调整了 y 轴的范围，以确保标签不会被截断。

6. 自定义误差条样式

Matplotlib 允许我们自定义误差条的样式，包括颜色、线型和宽度等。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 准备数据
categories = ['Category 1', 'Category 2', 'Category 3', 'Category 4']
values = [4.2, 5.7, 3.9, 4.8]
errors = [0.3, 0.5, 0.4, 0.3]

# 创建图表
fig, ax = plt.subplots(figsize=(10, 6))

# 绘制带自定义误差条的柱状图
ax.bar(categories, values, yerr=errors, capsize=7,
       error_kw={'ecolor': 'red', 'capthick': 2, 'elinewidth': 2, 'linestyle': '--'})

# 设置标题和轴标签
ax.set_title('Bar Chart with Customized Error Bars - how2matplotlib.com', fontsize=16)
ax.set_xlabel('Categories', fontsize=12)
ax.set_ylabel('Values', fontsize=12)

plt.show()

Output:

Matplotlib 绘制带误差条的柱状图：全面指南

在这个例子中，我们使用 error_kw 参数来自定义误差条的样式：

  • ecolor: 设置误差条的颜色
  • capthick: 设置误差条末端横线的粗细
  • elinewidth: 设置误差条线的宽度
  • linestyle: 设置误差条的线型

通过调整这些参数，我们可以创建更加个性化的误差条样式。

7. 使用不同的误差上下限

在某些情况下，误差的上限和下限可能不同。Matplotlib 允许我们为每个数据点设置不同的上下误差限。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 准备数据
categories = ['A', 'B', 'C', 'D']
values = [4, 7, 5, 9]
lower_errors = [0.3, 0.6, 0.4, 0.8]
upper_errors = [0.5, 1.0, 0.7, 1.2]

# 创建图表
fig, ax = plt.subplots(figsize=(10, 6))

# 绘制带不同上下误差限的柱状图
ax.bar(categories, values, yerr=[lower_errors, upper_errors], capsize=5)

# 设置标题和轴标签
ax.set_title('Bar Chart with Asymmetric Error Bars - how2matplotlib.com', fontsize=16)
ax.set_xlabel('Categories', fontsize=12)
ax.set_ylabel('Values', fontsize=12)

plt.show()

Output:

Matplotlib 绘制带误差条的柱状图：全面指南

在这个例子中，我们为 yerr 参数传递一个包含两个列表的列表：第一个列表是下限误差，第二个列表是上限误差。这样，我们就可以为每个数据点设置不同的上下误差范围。

8. 添加网格线

添加网格线可以帮助读者更容易地比较不同柱子的高度。以下是一个带网格线的柱状图示例：

import matplotlib.pyplot as plt
import numpy as np

# 准备数据
categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [3.5, 7.2, 5.1, 9.8]
errors = [0.5, 1, 0.8, 1.2]

# 创建图表
fig, ax = plt.subplots(figsize=(10, 6))

# 绘制带误差条的柱状图
ax.bar(categories, values, yerr=errors, capsize=5, color='lightblue', edgecolor='navy')

# 添加网格线
ax.grid(True, axis='y', linestyle='--', alpha=0.7)

# 设置标题和轴标签
ax.set_title('Bar Chart with Error Bars and Grid Lines - how2matplotlib.com', fontsize=16)
ax.set_xlabel('Categories', fontsize=12)
ax.set_ylabel('Values', fontsize=12)

# 调整布局
fig.tight_layout()

plt.show()

Output:

Matplotlib 绘制带误差条的柱状图：全面指南

在这个例子中，我们使用 ax.grid() 方法添加网格线。axis='y' 参数指定只显示水平网格线，linestyle='--' 设置网格线为虚线，alpha=0.7 设置网格线的透明度。

9. ## 9. 设置柱状图的颜色映射

使用颜色映射可以根据数值大小为柱子设置不同的颜色，使图表更具信息量。以下是一个使用颜色映射的示例：

import matplotlib.pyplot as plt
import numpy as np

# 准备数据
categories = ['A', 'B', 'C', 'D', 'E']
values = [3, 7, 2, 9, 5]
errors = [0.5, 1, 0.3, 1.2, 0.8]

# 创建图表
fig, ax = plt.subplots(figsize=(10, 6))

# 创建颜色映射
cmap = plt.cm.get_cmap('viridis')
colors = cmap(np.linspace(0, 1, len(values)))

# 绘制带误差条和颜色映射的柱状图
bars = ax.bar(categories, values, yerr=errors, capsize=5, color=colors)

# 添加颜色条
sm = plt.cm.ScalarMappable(cmap=cmap, norm=plt.Normalize(vmin=min(values), vmax=max(values)))
sm.set_array([])
cbar = fig.colorbar(sm)
cbar.set_label('Value Scale', rotation=270, labelpad=15)

# 设置标题和轴标签
ax.set_title('Bar Chart with Error Bars and Color Mapping - how2matplotlib.com', fontsize=16)
ax.set_xlabel('Categories', fontsize=12)
ax.set_ylabel('Values', fontsize=12)

plt.show()

在这个例子中，我们使用 plt.cm.get_cmap() 函数获取一个颜色映射（这里使用的是 ‘viridis’），然后使用 np.linspace() 创建一个颜色数组。我们还添加了一个颜色条来显示颜色与数值的对应关系。

10. 添加图例和注释

在某些情况下，我们可能需要为柱状图添加图例和注释，以提供更多上下文信息。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 准备数据
categories = ['Product A', 'Product B', 'Product C']
sales_2020 = [100, 150, 80]
sales_2021 = [120, 170, 110]
errors_2020 = [10, 15, 8]
errors_2021 = [12, 17, 11]

# 创建图表
fig, ax = plt.subplots(figsize=(12, 7))

# 设置柱子的位置
x = np.arange(len(categories))
width = 0.35

# 绘制2020年的柱子
rects1 = ax.bar(x - width/2, sales_2020, width, yerr=errors_2020, label='2020', capsize=5, color='skyblue')

# 绘制2021年的柱子
rects2 = ax.bar(x + width/2, sales_2021, width, yerr=errors_2021, label='2021', capsize=5, color='lightgreen')

# 设置标题和轴标签
ax.set_title('Sales Comparison 2020 vs 2021 - how2matplotlib.com', fontsize=16)
ax.set_xlabel('Products', fontsize=12)
ax.set_ylabel('Sales (million $)', fontsize=12)

# 设置x轴刻度标签
ax.set_xticks(x)
ax.set_xticklabels(categories)

# 添加图例
ax.legend()

# 添加注释
ax.annotate('Significant growth', xy=(2, 110), xytext=(2.3, 130),
            arrowprops=dict(facecolor='black', shrink=0.05))

# 调整布局
fig.tight_layout()

plt.show()

Output:

Matplotlib 绘制带误差条的柱状图：全面指南

在这个例子中，我们创建了一个比较两年销售数据的柱状图。我们使用 ax.legend() 添加图例，使用 ax.annotate() 添加带箭头的注释来突出显示重要信息。

11. 处理大量类别

当需要展示大量类别时，标准的柱状图可能会变得拥挤和难以阅读。在这种情况下，我们可以考虑使用水平柱状图或者旋转 x 轴标签。以下是一个处理大量类别的示例：

import matplotlib.pyplot as plt
import numpy as np

# 准备数据
categories = [f'Category {i}' for i in range(1, 16)]
values = np.random.randint(10, 100, size=len(categories))
errors = np.random.randint(1, 10, size=len(categories))

# 创建图表
fig, ax = plt.subplots(figsize=(12, 8))

# 绘制水平柱状图
bars = ax.barh(categories, values, xerr=errors, capsize=5, color='lightcoral')

# 在柱子上添加数值标签
for i, v in enumerate(values):
    ax.text(v + 3, i, str(v), va='center')

# 设置标题和轴标签
ax.set_title('Horizontal Bar Chart with Many Categories - how2matplotlib.com', fontsize=16)
ax.set_xlabel('Values', fontsize=12)
ax.set_ylabel('Categories', fontsize=12)

# 反转 y 轴，使最高的柱子在顶部
ax.invert_yaxis()

# 移除顶部和右侧的边框
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

# 调整布局
fig.tight_layout()

plt.show()

Output:

Matplotlib 绘制带误差条的柱状图：全面指南

在这个例子中，我们使用水平柱状图来处理大量类别。我们还反转了 y 轴，使得最高的柱子显示在图表的顶部，这样可以更容易地比较不同类别的值。

12. 堆叠柱状图

堆叠柱状图可以用来显示每个类别的总量，以及各个子类别的贡献。以下是一个带误差条的堆叠柱状图示例：

import matplotlib.pyplot as plt
import numpy as np

# 准备数据
categories = ['A', 'B', 'C', 'D']
values1 = [10, 15, 12, 8]
values2 = [5, 8, 6, 10]
values3 = [3, 4, 5, 7]
errors1 = [1, 1.5, 1.2, 0.8]
errors2 = [0.5, 0.8, 0.6, 1]
errors3 = [0.3, 0.4, 0.5, 0.7]

# 创建图表
fig, ax = plt.subplots(figsize=(10, 6))

# 绘制堆叠柱状图
ax.bar(categories, values1, yerr=errors1, capsize=5, label='Group 1')
ax.bar(categories, values2, yerr=errors2, capsize=5, bottom=values1, label='Group 2')
ax.bar(categories, values3, yerr=errors3, capsize=5, bottom=np.array(values1) + np.array(values2), label='Group 3')

# 设置标题和轴标签
ax.set_title('Stacked Bar Chart with Error Bars - how2matplotlib.com', fontsize=16)
ax.set_xlabel('Categories', fontsize=12)
ax.set_ylabel('Values', fontsize=12)

# 添加图例
ax.legend()

# 调整布局
fig.tight_layout()

plt.show()

Output:

Matplotlib 绘制带误差条的柱状图：全面指南

在这个例子中，我们使用多次调用 ax.bar() 来创建堆叠柱状图。对于第二个和第三个组，我们使用 bottom 参数来指定它们的起始位置。注意，我们需要累加前面组的值来计算每个新组的底部位置。

13. 使用 Seaborn 绘制带误差条的柱状图

Seaborn 是基于 Matplotlib 的统计数据可视化库，它提供了一些高级接口来简化复杂图表的创建。以下是使用 Seaborn 绘制带误差条柱状图的示例：

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np

# 准备数据
categories = ['A', 'B', 'C', 'D']
values = [4, 7, 5, 9]
errors = [0.5, 1, 0.8, 1.2]

# 创建 DataFrame
df = pd.DataFrame({'Category': categories, 'Value': values, 'Error': errors})

# 设置 Seaborn 样式
sns.set_style("whitegrid")

# 创建图表
plt.figure(figsize=(10, 6))

# 使用 Seaborn 绘制带误差条的柱状图
ax = sns.barplot(x='Category', y='Value', data=df, capsize=0.1, errcolor='gray', errwidth=1.5)

# 设置标题和轴标签
ax.set_title('Bar Chart with Error Bars using Seaborn - how2matplotlib.com', fontsize=16)
ax.set_xlabel('Categories', fontsize=12)
ax.set_ylabel('Values', fontsize=12)

plt.show()

Output:

Matplotlib 绘制带误差条的柱状图：全面指南

在这个例子中，我们首先创建一个 pandas DataFrame 来存储数据。然后，我们使用 Seaborn 的 barplot() 函数来绘制带误差条的柱状图。Seaborn 会自动计算误差条，但我们也可以通过 yerr 参数指定自定义的误差值。

14. 动态更新柱状图

在某些应用中，我们可能需要动态更新柱状图的数据。以下是一个简单的动态更新柱状图的示例：

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

# 准备初始数据
categories = ['A', 'B', 'C', 'D']
values = [3, 7, 5, 9]
errors = [0.5, 1, 0.8, 1.2]

# 创建图表
fig, ax = plt.subplots(figsize=(10, 6))

# 初始化柱状图
bars = ax.bar(categories, values, yerr=errors, capsize=5)

# 设置标题和轴标签
ax.set_title('Dynamic Bar Chart with Error Bars - how2matplotlib.com', fontsize=16)
ax.set_xlabel('Categories', fontsize=12)
ax.set_ylabel('Values', fontsize=12)

# 更新函数
def update(frame):
    # 生成新的随机数据
    new_values = np.random.randint(1, 10, size=len(categories))
    new_errors = np.random.uniform(0.1, 1.5, size=len(categories))

    # 更新柱状图数据
    for bar, h, err in zip(bars, new_values, new_errors):
        bar.set_height(h)

    # 更新误差条
    _, caps, vlines = ax.errorbar(categories, new_values, yerr=new_errors, capsize=5, fmt='none')

    # 调整 y 轴范围
    ax.set_ylim(0, max(new_values) * 1.2)

    return bars + caps + vlines

# 创建动画
anim = FuncAnimation(fig, update, frames=100, interval=500, blit=True)

plt.show()

Output:

Matplotlib 绘制带误差条的柱状图：全面指南

在这个例子中，我们使用 Matplotlib 的 FuncAnimation 类来创建动画。update() 函数在每一帧都会生成新的随机数据，并更新柱状图和误差条。

15. 自定义柱状图的形状

虽然标准的矩形柱子是最常见的，但有时我们可能想要使用不同的形状来表示数据。以下是一个使用自定义形状（这里是三角形）的柱状图示例：

import matplotlib.pyplot as plt
import numpy as np

# 准备数据
categories = ['A', 'B', 'C', 'D']
values = [4, 7, 5, 9]
errors = [0.5, 1, 0.8, 1.2]

# 创建图表
fig, ax = plt.subplots(figsize=(10, 6))

# 自定义三角形形状
def triangle(x, y, width, height):
    return plt.Polygon([[x-width/2, y], [x+width/2, y], [x, y+height]], closed=True)

# 绘制三角形柱状图
for i, (cat, val) in enumerate(zip(categories, values)):
    tri = triangle(i, 0, 0.8, val)
    ax.add_patch(tri)

# 添加误差条
ax.errorbar(range(len(categories)), values, yerr=errors, fmt='none', capsize=5, color='black')

# 设置 x 轴刻度和标签
ax.set_xticks(range(len(categories)))
ax.set_xticklabels(categories)

# 设置标题和轴标签
ax.set_title('Custom Shape Bar Chart with Error Bars - how2matplotlib.com', fontsize=16)
ax.set_xlabel('Categories', fontsize=12)
ax.set_ylabel('Values', fontsize=12)

# 调整 y 轴范围
ax.set_ylim(0, max(values) * 1.2)

plt.show()

Output:

Matplotlib 绘制带误差条的柱状图：全面指南

在这个例子中，我们定义了一个 triangle() 函数来创建三角形形状。然后，我们使用循环为每个数据点创建一个三角形，并使用 ax.add_patch() 方法将其添加到图表中。最后，我们单独添加误差条，因为自定义形状不支持内置的误差条功能。

结论

本文详细介绍了如何使用 Matplotlib 绘制带误差条的柱状图，涵盖了从基础到高级的多种技巧和方法。我们探讨了基本的柱状图绘制、自定义外观、分组柱状图、水平柱状图、添加数值标签、自定义误差条样式、使用不同的误差上下限、添加网格线、设置颜色映射、添加图例和注释、处理大量类别、创建堆叠柱状图、使用 Seaborn 绘图、动态更新柱状图以及自定义柱状图形状等多个方面。

通过这些示例，我们可以看到 Matplotlib 提供了丰富的功能和灵活的定制选项，使我们能够创建各种复杂和信息丰富的柱状图。带误差条的柱状图不仅能展示数据的主要趋势，还能反映数据的不确定性或变异性，这在科学研究、数据分析和结果展示中都是非常有价值的。

在实际应用中，选择合适的图表类型和样式对于有效传达信息至关重要。带误差条的柱状图特别适用于以下场景：

  1. 比较不同组或类别之间的数值差异
  2. 展示实验结果及其不确定性
  3. 显示多个时间点或条件下的测量结果
  4. 呈现调查数据及其置信区间

在使用这些图表时，需要注意以下几点：

  1. 确保误差条的含义明确（如标准误差、标准差或置信区间）
  2. 适当选择误差条的大小，以避免视觉混乱
  3. 考虑使用颜色编码或图案来区分不同的组或类别
  4. 当类别较多时，考虑使用水平柱状图或旋转标签以提高可读性
  5. 添加清晰的标题、轴标签和图例，以帮助读者理解图表

最后，虽然本文主要关注 Matplotlib，但值得一提的是，还有其他一些 Python 数据可视化库也提供了绘制带误差条柱状图的功能，如 Seaborn、Plotly 和 Bokeh 等。这些库各有特色，可以根据具体需求和个人偏好选择使用。

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