Excel里的分组柱状图怎么画？Python代码搞定

大家好，我是楠少，用通俗易懂的方式，教小白学python。

今天，我们开始学习《30讲Python+Excel数据分析》课程的第11讲。

这一讲是介绍如何用Python代码画出Excel中的分组柱状图的功能。

你们可以想象这样一个场景，有一个表格，需要更直观地显示数据，这在Excel中很好操作，只需要插入图表即可，但是如果数据量很大的话，那在Python中该如何实现效率最高呢？

答案是，用Python支持的pandas和matplotlib库来实现。

所以，基于这个场景需求，我们团队就开发了用Python代码就能实现绘制excel分组柱状图然后对其进行操作的功能。

怎么样，是不是很好奇我们这个代码是如何写的呢？

别急，下面我们会给你娓娓道来。

01

虽然，我们这个功能的需求很好理解，就是实现绘制excel图表并对其进行操作的功能，但是关键是我们如何用Python代码来实现。

好吧，这里就不给大家卖关子了，我们直接看代码吧。

代码演示：

# 导入 pandas 模块并简称为 pd，pandas 是一个强大的数据分析工具

import pandas as pd

# 导入 matplotlib.pyplot 模块并简称为 plt，用于绘制图形

import matplotlib.pyplot as plt

# 使用 pandas 的 read_excel 函数读取 Excel 文件中的数据

# 文件路径是 "C:\Users\zzqyy\Desktop\Pandas玩转Excel\10分组柱图深度优化\example.xlsx"

# 这里的 r 是告诉 Python 这是一个原始字符串，避免路径中的反斜杠被误解为转义字符

example = pd.read_excel(r"C:\Users\zzqyy\Desktop\Pandas玩转Excel\10分组柱图深度优化\程序员晚枫.xlsx")

# 对读取的数据按照 "2024Y" 列的值进行降序排序

# inplace=True 表示直接在原数据上修改，ascending=False 表示降序排序

example.sort_values(by="2024Y", inplace=True, ascending=False)

# 打印排序后的数据，方便查看

print(example)

# 使用 pandas 的 plot.bar 方法绘制柱状图

# x 参数指定 "Field" 列作为 x 轴标签

# y 参数指定 ["2023Y", "2024Y"] 列作为 y 轴的值

# color 参数分别指定 2023 年和 2024 年的柱子颜色为橙色和红色

example.plot.bar(x="Field", y=["2023Y", "2024Y"], color=["orange", "red"])

# 设置图形的标题为 "Students by Field"

# fontsize=15 设置字体大小为 15，fontweight="bold" 设置字体为加粗

plt.title("Students by Field", fontsize=15, fontweight="bold")

# 设置 x 轴的标签为 "Field"，并加粗

plt.xlabel("Field", fontweight="bold")

# 设置 y 轴的标签为 "Number"，并加粗

plt.ylabel("Number", fontweight="bold")

# 获取当前的图形坐标轴对象

ax = plt.gca()

# 设置 x 轴的标签旋转 45 度，水平对齐方式为右对齐

# 这样可以让标签更清晰地显示，避免重叠

ax.set_xticklabels(example["Field"], rotation=45, ha="right")

# 获取当前的图形对象

f = plt.gcf()

# 调整图形的布局，设置左侧和底部的空白区域

# left=0.2 和 bottom=0.4 分别表示左侧和底部留出 20% 和 40% 的空间

# 这样可以让图形的标签和标题有足够的空间显示

f.subplots_adjust(left=0.2, bottom=0.4)

# 显示图形

plt.show()

好的，通过代码演示和代码注释，我相信你一定已经学会了该如何使用我们这个脚本。

如果你还没有学会，那就照着我们的代码去手动敲一遍，感受一下敲代码的美妙，等你敲个几遍，相信你就一定能记住这几行代码了。

但是，这里我还是要提醒一下：

要想让这几行代码正常运行，你们需要把运行代码的环境给安装配置好。

不知道如何配置环境的可以看《30讲Python+Excel数据分析》的前面1讲内容，我们真的是手把手地教你如何配置环境的，相信我，一点都不难哈。

02

OK，到这里我要告诉大家的是，今天这篇文章教给大家的代码的视频讲解都在《30讲Python+Excel数据分析》这套课程的第11讲内容中了，对讲解视频感兴趣的可以去本套课程中学习一下。

这里不得不说的一点是，我们这个课程每一讲都是独立的案例场景讲解。

所以，你们完全可以根据自己的兴趣找到自己感兴趣的内容优先学习，这个不会影响学习效果的。

当然了，我们这门课程的每一节课都包含：视频、文档、代码、软件和答疑群。

所以你们完全不用担心学不会的问题，可以说，只要你认真跟着学习，认真练习敲代码，没有学不会的可能。

写在最后：

我们这套《30讲Python+Excel数据分析》课程具备以下2个特点：

第一，适合小白不需要学习复杂的编程知识，拿来就用。

第二，内容丰富，涵盖热门的数据分析的需求。

所以，如果你对这门《30讲PythonExcel数据分析》感兴趣，可以点击左边蓝字报名咨询。

如果你对这门课程还有想了解的，或者购买后有问题，可以加我微信咨询，nanshaoshixiong，备注888。

image.png

Pandas创建excel，1行代码就行

如何用Python读取Excel文件

如何用Python自动生成数据？