本人写论文时画的图，总结一下方法： 安心看下去，你应该就可以画出一个好看的柱状图，基本上需要的设置都有哦！！！

目录

1 首先引入画图所需要的包Matplotlib

Matplotlib 是 Python 的绘图库，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。

Matplotlib 可以绘制线图、散点图、等高线图、条形图、柱状图、3D 图形、甚至是图形动画等等。

Matplotlib 通常与 NumPy 和 SciPy（Scientific Python）一起使用

2 Matplotlib Pyplot

Pyplot 是 Matplotlib 的子库，提供了和 MATLAB 类似的绘图 API。

Pyplot 是常用的绘图模块，能很方便让用户绘制 2D 图表。

使用 import 导入 pyplot 库，并设置一个别名 plt：

import matplotlib.pyplot as plt

3 画柱状图

这里我画的柱状图有以下设置：（应该包含了对柱状图画图的所有基本设置）

• 图的边框要设置成黑色，边框线宽为2；
• 图内部要包含网格线；
• 柱状图中柱子也要包含边框，边框颜色为黑色；
• 网格线要位于柱子的下方；
• 图片字体要设置成‘Times New Roman’，要对图片所有字体的大小进行设置；
• y轴域值也要进行设置，不是从0开始；
• 图片的标签（图标）要横着排列（不是竖着排列）；
• 柱子上方要显示具体数值；
• 一个标签对应多个柱子（为了做对比）

画出的图片展示：

（1） 首先，设置X轴标签，以及X轴标签对应的y值。

import matplotlib.pyplot as plt

# X轴标签
x = ['Data-15','Data-17','Data-18']

# 这里是一个标签对应两个柱子，所以有两个数组（这实际上是不同模型在同一数据集上的的f1值对比）
f1_1 = [93.70,92.17,84.89]
f1_2 = [95.76,93.35,89.20]

（2）要定位好柱子的开始位置（因为上述设置了3个X轴标签，所以这里要定位3个柱子的开始位置）

x_len = np.arange(len(x))
total_width, n = 0.9, 3
width = total_width/n
# xticks 就是三个柱子的开始位置
xticks = x_len - (total_width - width) / 2

可以看一下 x_len 和 xticks具体对应的值：

x_len
Out[1]: array([0, 1, 2])
xticks
Out[2]: array([-0.3,  0.7,  1.7])

（3）定义图片大小，为图片画上网格

        具体的解释，代码里有写；

plt.figure(figsize=(15, 12), dpi=200)
# 这里定义ax，是为了后面画图的边框所用
ax = plt.axes()
# axis取值可以为'both','x','y'， both是网格，x是只有垂直于x轴的线，y是只有垂直于yz轴的线
# c是设置线的颜色，linestyle 是画出的线的类型， zorder 是让线位于柱子下面而设置的，其值越小，线越靠下
plt.grid(axis="y", c='#d2c9eb', linestyle = '--',zorder=0)

（4）开始画柱子，并设置画柱子所需要的属性

        因为每个X轴标签都对应了两个柱子，所以这里要调用两个plt.bar；

        也就是说调用几个plt.bar，每个x轴标签就画几个柱子；

        具体属性的解释，看下面代码中的注释；

# 画第一个柱子，是批量画的，X轴的每个标签都开始画第一个柱子
# f1_1就是X轴所有标签对应的第一个柱子的y值
# width是设置柱子的宽度
# label就是图例
# color设置颜色
# edgecolor是设置柱子框的颜色
# linewidth是设置柱子框的线宽
# zorder 是保证柱子位于网格线的上方

plt.bar(xticks, f1_1, width=0.9*width, label="Attention weights", color="#7e728c",edgecolor='black',linewidth = 2,  zorder=10)

# xticks + width，表示的是X轴所有标签第二个柱子的起始位置
plt.bar(xticks + width, f1_2, width=0.9*width, label="Official", color="#46513c",edgecolor='black',linewidth = 2, zorder=10)

（4）为柱子上方添加数值

        顺便设置数字的字体；

# 这是为X轴所有标签的第一个柱子写上值
# f1_1[0] + 0.3 表示写的值要距离柱子0.3个单位
# f1_1[0]是具体要写的值
# ha='center' 表示值要居中写
# fontproperties 是设置字体类型
# fontsize 设置字体大小
# zorder=10 表示位于网格线上方

plt.text(xticks[0], f1_1[0] + 0.3, f1_1[0], ha='center',fontproperties='Times New Roman',  fontsize=35,  zorder=10)
plt.text(xticks[1], f1_1[1] + 0.3, f1_1[1], ha='center', fontproperties='Times New Roman', fontsize=35,  zorder=10)
plt.text(xticks[2], f1_1[2] + 0.3, f1_1[2], ha='center', fontproperties='Times New Roman', fontsize=35,  zorder=10)

# 这是为X轴所有标签的第二个柱子写上值

plt.text(xticks[0] + width, f1_2[0] + 0.3, f1_2[0], ha='center',fontproperties='Times New Roman', fontsize=35,  zorder=10)
plt.text(xticks[1] + width, f1_2[1] + 0.3, f1_2[1], ha='center',fontproperties='Times New Roman', fontsize=35,  zorder=10)
plt.text(xticks[2] + width, f1_2[2] + 0.3, f1_2[2], ha='center', fontproperties='Times New Roman',fontsize=35,  zorder=10)

（5）设置图例的字体

# ncol = 2 表示图例要放两列
plt.legend(prop={'family' : 'Times New Roman', 'size': 35}, ncol = 2)

（6）设置X轴，Y轴标签的字体及大小

# x_len表示X轴的标签写在哪个坐标位置，有事可能x_len有变差，需要手动调一下他的值，不过偏差不会很大
plt.xticks(x_len, x, fontproperties='Times New Roman',fontsize = 40)
plt.yticks(fontproperties='Times New Roman',fontsize = 40)

（7）控制Y轴的值

plt.ylim(75，90)
# 或者只设置最小值
plt.ylim(ymin=75)

（8）设置对柱状图X轴的说明和Y轴的说明

plt.xlabel("Datasets", fontproperties='Times New Roman',fontsize=45)
plt.ylabel("Accuracy (%)",fontproperties='Times New Roman', fontsize=45)

（9）为柱状图画黑色的框

# 底部线
ax.spines['bottom'].set_linewidth('2.0')#设置边框线宽为2.0
ax.spines['bottom'].set_color('black')
# 顶部线
ax.spines['top'].set_linewidth('2.0')#设置边框线宽为2.0
ax.spines['top'].set_color('black')
# 右侧线
ax.spines['right'].set_linewidth('2.0')#设置边框线宽为2.0
ax.spines['right'].set_color('black')
# 左侧线
ax.spines['left'].set_linewidth('2.0')#设置边框线宽为2.0
ax.spines['left'].set_color('black')

（10）显示图

plt.show()

4 整体代码

大家可以在这里复制全部代码，跑出上面的柱状图。

import json
import torch
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

f1_1 = [93.70,92.17,84.89]
f1_2 = [95.76,93.35,89.20]

x = ['Data-15','Data-17','Data-18']
x_len = np.arange(len(x))
total_width, n = 0.9, 3
width = 0.3
xticks = x_len - (total_width - width) / 2
plt.figure(figsize=(15, 12), dpi=200)

ax = plt.axes()
plt.grid(axis="y", c='#d2c9eb', linestyle = '--',zorder=0)
plt.bar(xticks, f1_1, width=0.9*width, label="Attention weights", color="#92a6be",edgecolor='black',linewidth = 2,  zorder=10)
plt.bar(xticks + width, f1_2, width=0.9*width, label="Official", color="#c48d60",edgecolor='black',linewidth = 2, zorder=10)
plt.text(xticks[0], f1_1[0] + 0.3, f1_1[0], ha='center',fontproperties='Times New Roman',  fontsize=35,  zorder=10)
plt.text(xticks[1], f1_1[1] + 0.3, f1_1[1], ha='center', fontproperties='Times New Roman', fontsize=35,  zorder=10)
plt.text(xticks[2], f1_1[2] + 0.3, f1_1[2], ha='center', fontproperties='Times New Roman', fontsize=35,  zorder=10)

plt.text(xticks[0] + width, f1_2[0] + 0.3, f1_2[0], ha='center',fontproperties='Times New Roman', fontsize=35,  zorder=10)
plt.text(xticks[1] + width, f1_2[1] + 0.3, f1_2[1], ha='center',fontproperties='Times New Roman', fontsize=35,  zorder=10)
plt.text(xticks[2] + width, f1_2[2] + 0.3, f1_2[2], ha='center', fontproperties='Times New Roman',fontsize=35,  zorder=10)

plt.legend(prop={'family' : 'Times New Roman', 'size': 35}, ncol = 2)
x_len = [-0.1,0.9,1.9]
x_len = np.array(x_len)
plt.xticks(x_len, x, fontproperties='Times New Roman',fontsize = 40)
plt.yticks(fontproperties='Times New Roman',fontsize = 40)
plt.ylim(ymin=75)
plt.xlabel("Datasets", fontproperties='Times New Roman',fontsize=45)
plt.ylabel("Accuracy (%)",fontproperties='Times New Roman', fontsize=45)
ax.spines['bottom'].set_linewidth('2.0')#设置边框线宽为2.0
ax.spines['bottom'].set_color('black')
ax.spines['top'].set_linewidth('2.0')#设置边框线宽为2.0
ax.spines['top'].set_color('black')
ax.spines['right'].set_linewidth('2.0')#设置边框线宽为2.0
ax.spines['right'].set_color('black')
ax.spines['left'].set_linewidth('2.0')#设置边框线宽为2.0
ax.spines['left'].set_color('black')

plt.show()