python之横条形图实例

**数据：

**

代码功能概述

该代码实现以下功能：

1. 读取并清洗房屋数据（处理单价格式）
2. 统计各户型出现频次，筛选Top5户型
3. 计算这些户型的平均单价
4. 绘制横向条形图展示价格分布

---

代码分步解析

1. 库导入与中文设置

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib

# 解决中文显示问题
matplotlib.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体
matplotlib.rcParams['axes.unicode_minus'] = False    # 解决负号显示异常

• matplotlib.rcParams：全局配置绘图参数
  • 示例：设置字号 plt.rcParams['font.size'] = 12

---

2. 数据清洗函数

def clean_data():
    data = pd.read_csv("第一次清洗后数据.csv")
    data['单价'] = data['单价'].str.replace("[,元/平]", "", regex=True).astype(int)
    return data

• str.replace：正则表达式替换

df['价格'] = df['价格'].str.replace('美元', '')  # 将"100美元"转为"100"

- 示例：清理带单位的数据

• astype(int)：转换数据类型
  • 示例：字符串转浮点数 df['列名'].astype(float)

---

3. 数据分析流程

# 统计各户型出现次数
a = data.groupby('户型').size()
# 排序并取前5
sorted_data = a.sort_values(ascending=False)
b = sorted_data.head(5)
# 获取户型名称
y = b.index
# 计算均价
c = data.groupby('户型')['单价'].mean().round(2)
x = c[y].values

• groupby().size()：分组计数（包含空值）

city_counts = df.groupby('城市').size()

- 示例：统计城市出现次数

• sort_values(ascending=False)：降序排序
  • 示例：按销售额排序 df.sort_values('销售额', ascending=False)
• head(5)：取前5条数据
• groupby().mean()：分组求均值
  • 示例：计算各科平均分 df.groupby('科目')['分数'].mean()

---

4. 数据可视化函数

def fang_bar(x, y):
    plt.figure()
    plt.barh(y, x, color='blue', height=0.5, alpha=0.6)
    plt.xlabel('均价')
    plt.ylabel('户型')
    plt.title('均价-户型分布图')
    # 添加数据标签（存在变量名冲突问题）
    for y, x in enumerate(x):
        plt.text(x+0.05, y, str(x)+'元', va='center')
    plt.show()

• plt.barh()：绘制横向条形图

plt.barh(cities, prices, color='red', height=0.7)

- 参数说明：
    * `y`：条形的y轴位置（户型名称）
    * `x`：条形的长度（均价数值）
    * `height`：条形高度
    * `alpha`：透明度
- 示例：绘制红色条形图

• enumerate()：带索引遍历

for index, value in enumerate(['A','B','C']):
    print(f"索引{index}对应值{value}")

- 示例：同时获取索引和值

---

代码优化建议

1. 修复变量名冲突

原代码中的循环变量覆盖了函数参数：

# 错误写法（y覆盖了传入的y）
for y, x in enumerate(x):  # 此处x也被覆盖

# 修正后
for idx, price in enumerate(x):
    plt.text(price+0.05, idx, f'{price}元', va='center')

2. 增强可视化效果

def fang_bar(x, y):
    plt.figure(figsize=(10,6))  # 增大画布
    bars = plt.barh(y, x, color='steelblue', height=0.6, alpha=0.8)
    plt.xlabel('均价（元/平）', fontsize=12)
    plt.ylabel('户型', fontsize=12)
    plt.title('Top5 户型价格分布', fontsize=14, pad=20)
    plt.grid(axis='x', linestyle='--', alpha=0.5)  # 添加网格线
    
    # 优化标签位置
    max_price = max(x)
    for bar, price in zip(bars, x):
        plt.text(bar.get_width() + max_price*0.02,
                 bar.get_y() + bar.get_height()/2,
                 f'{price}元',
                 va='center',
                 fontsize=10)
    plt.tight_layout()
    plt.show()

---

核心命令独立示例

1. groupby().size() 示例

import pandas as pd

data = pd.DataFrame({
    '城市': ['北京', '上海', '北京', '广州', '上海'],
    '销量': [100, 200, 150, 80, 220]
})

# 统计各城市订单数
city_counts = data.groupby('城市').size()
print(city_counts)

输出：

城市
上海    2
北京    2
广州    1
dtype: int64

2. enumerate() 示例

fruits = ['Apple', 'Banana', 'Orange']

# 带索引遍历
for index, fruit in enumerate(fruits):
    print(f"索引 {index}: {fruit}")

输出：

索引 0: Apple
索引 1: Banana
索引 2: Orange

---

执行流程图示

读取CSV数据 清洗单价列 统计户型频次 取Top5户型 计算对应均价 绘制横向条形图

通过以上解析，您应该能够全面理解代码的工作流程和各个组件的功能。建议在Jupyter Notebook中分步运行代码片段以加深理解。