利用python绘制带有误差分析的柱状图：1.检查原始数据；2.导入数据库；3.导入文件数据；4.绘图

1.检查原始数据

原始数据展示如下：

2.导入数据库

<code>import pandas as pd

import matplotlib.pyplot as plt

import numpy as np

plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签显示错误代码

plt.rcParams['axes.unicode_minus']=False # 显示负号

小提示：

pandas为python提供了高效的数据处理、数据清洗与整理的工具；

matplotlib是利用python实现的绘图套件；

numpy是一个运行速度非常快的数学库，可以对从数据库中检索出的数据进行高效的数值计算和分析。

3.导入文件数据

path=r'文件路径\数据.xlsx'

data=pd.read_excel(path,sheet_name='python数据',index_col=0).T code>

data

输出结果展示：

发现没有这里输出的数据表格和原始数据做了转置，并且△DF-1，△DF-2和△UP的工况5数据发生了变化，解释一下：

1.数据展示代码中对原始数据表格做了转置，这里为了展示该功能，实际操作中要灵活处理；

2.原始数据中的“/”会报错，而且不能有空值，可以将0数据设置成0.0001这种无限小的数字。

4.绘图

<code>width = 0.2 #设置柱子的宽度

labels=['工况1', '工况2', '工况3', '工况4', '工况5'] #设置x轴标签

#设置柱子的数据与误差线的数据，此处注意：不能有空值，否则报错，可以将0数据设置成0.0001这种无限小的数字

x=np.arange(len(labels))

bar1=data['M'].tolist()

bar1_err=[0,0,0,0,0]

bar2=data['DF-1'].tolist()

bar2_err=data['△DF-1'].tolist()

bar3=data['DF-2'].tolist()

bar3_err=data['△DF-2'].tolist()

bar4=data['UP'].tolist()

bar4_err=data['△UP'].tolist()

#绘图

fig,ax=plt.subplots()

p1=ax.bar(x-0.3, bar1, width,color='royalblue',yerr=bar1_err,alpha=0.5,label='M')code>

p2=ax.bar(x-0.1, bar2, width,color='grey',yerr=bar2_err,alpha=0.3,label='DF-1')code>

p3=ax.bar(x+0.1, bar3, width,color='royalblue',yerr=bar3_err,alpha=0.9,label='DF-2')code>

p4=ax.bar(x+0.3, bar4, width,color='grey', yerr=bar4_err,alpha=0.6, label='UP')code>

ax.set_xticks(x) #此处设置的x刻度个数与xlabel要一致，否则会报错

ax.set_xticklabels(labels)

ax.set_ylabel('声压级（dBA）',fontsize=10)

ax.tick_params(labelsize=10)

ax.legend(fontsize=10)

ax.axis([-0.5,4.5,50,100]) #设置x轴的显示范围

#ax.set_title('测试结果对比',fontsize=30)

#设置柱子的标签

k=[p1,p2,p3,p4]

for p in k:

for i in range(0,len(p)):

a=p[i].get_x()+p[i].get_width()/2 #设置标签的x坐标，此处为x位置+柱子的1/2宽度

b=p[i].get_height() #获取柱子的高度，设置标签的时候按照柱子高度比例来

ax.text(a,0.87*b,'{}'.format(int(round(b,0))),alpha=0.9,fontsize=9,ha='center',va='bottom')code>

#利用zip组合来设置误差的标签，此处设置误差标签时将不想显示的设置为空值

bar2_err[4]=np.nan

for t,q,w in zip(x-0.1,bar2,bar2_err):

ax.text(t,q+w*1.1,'%.1f'%w,alpha=0.9,ha='center',va='bottom',fontsize=9)code>

bar3_err[4]=np.nan

for t,q,w in zip(x+0.1,bar3,bar3_err):

ax.text(t,q+w*1.1,'%.1f'%w,alpha=0.9,ha='center',va='bottom',fontsize=9) code>

bar4_err[4]=np.nan

for t,q,w in zip(x+0.3,bar4,bar4_err):

ax.text(t,q+w*1.1,'%.1f'%w,alpha=0.9,ha='center',va='bottom',fontsize=9) code>

输出结果展示：