您现在的位置是：亿华云 > 数据库

用Python绘制棒棒糖图表，真的好看！

亿华云2025-10-03 13:54:54【数据库】3人已围观

简介本文转载自微信公众号「法纳斯特」，作者小F。转载本文请联系法纳斯特公众号。大家好，我是小F～条形图在数据可视化里，是一个经常被使用到的图表。虽然很好用，也还是存在着缺陷呢。比如条形图条目太多时，会显得

本文转载自微信公众号「法纳斯特」，绘好作者小F。制棒转载本文请联系法纳斯特公众号。棒糖

大家好，图表我是绘好小F～

条形图在数据可视化里，是制棒一个经常被使用到的图表。

虽然很好用，棒糖也还是图表存在着缺陷呢。比如条形图条目太多时，绘好会显得臃肿，制棒不够直观。棒糖

棒棒糖图表则是图表对条形图的改进，以一种小清新的绘好设计，清晰明了表达了我们的制棒数据。

下面小F就给大家介绍一下，棒糖如何使用Python绘制棒棒糖图表。

使用到的是我国1949到2019年，历年的出生人口数据，数据来源国家统计局。

首先读取一下数据。

import pandas as pd import matplotlib.pyplot as plt # 读取数据 df = pd.read_csv(data.csv) print(df)

结果如下。站群服务器

数据集很简单，每行都只有一个年份和一个值。

先绘制一个带有每年数值的条形图。

# 绘制柱状图 plt.bar(df.Year, df.value) plt.show()

两行代码，即可得到一张条形图图表，看起来确实是有点拥挤。

下面将最后一年，即2019年的数据区分出来。

给2019年的条形着色为黑色，其他年份为浅灰色。

并且在图表中添加散点图，可在条形图的顶部绘制圆形。

# 新建画布 fig, ax = plt.subplots(1, figsize=(12, 8)) # 年份数 n = len(df) # 颜色设置 colors = [black] + ((n-1)*[lightgrey]) plt.bar(df.Year, df.value, color=colors) plt.scatter(df.Year, df.value, color=colors) plt.show()

得到结果如下。

颜色已经修改成功，还需要调整一下条形图的宽度以及顶部圆圈的大小。

# width: 条形图宽度 s: 散点图圆圈大小 plt.bar(df.Year, df.value, color=colors, width=0.2) plt.scatter(df.Year, df.value, color=colors, s=10) plt.show()

结果如下。

比起先前的蓝色条形图图表，棒棒糖图表确实是好看了不少。

除了用条形图来绘制棒棒糖图表，还可以使用线条，这样整体的宽度会更加一致。服务器托管

X将Year(年份)数据作为起点和终点，Y以-20和各年份数据作为起点和终点。

import pandas as pd import matplotlib.pyplot as plt # 读取数据 df = pd.read_csv(data.csv) print(df) # 新建画布 fig, ax = plt.subplots(1, figsize=(12, 8)) # 年份数 n = len(df) # 颜色设置 colors = [black] + ((n-1)*[lightgrey]) # 使用线条 for idx, val in df.iterrows(): plt.plot([val.Year, val.Year], [-20, val.value], color=colors[idx]) plt.show()

得到结果如下。

可以使用参数标记在两端绘制圆，而不是只在顶部生成散点图。

然后可以通过更改y-limit参数来隐藏最底端的圆。

# 新建画布 fig, ax = plt.subplots(1, figsize=(12, 8)) # 年份数 n = len(df) # 颜色设置 colors = [black] + ((n-1)*[lightgrey]) # 使用线条, markersize设置标记点大小 for idx, val in df.iterrows(): plt.plot([val.Year, val.Year], [-20, val.value], color=colors[idx], marker=o, markersize=3) # 设置y轴最低值 plt.ylim(0,) plt.show()

结果如下。

此外还可以调整lw、markersize参数，定义线条的粗细及标记的大小，甚至可以绘制两次线条以创建轮廓效果。

# 新建画布 fig, ax = plt.subplots(1, figsize=(12, 8)) color = b # 年份数 n = len(df) # 颜色设置 colors = [black] + ((n-1)*[lightgrey]) # 使用线条 for idx, val in df.iterrows(): plt.plot([val.Year, val.Year], [-20, val.value], color=black, marker=o, lw=4, markersize=6) plt.plot([val.Year, val.Year], [-20, val.value], color=colors[idx], marker=o, markersize=4) # 移除上边框、右边框 ax.spines[right].set_visible(False) ax.spines[top].set_visible(False) # 设置x、y轴范围 plt.xlim(1948, 2020) plt.ylim(0,) # 中文显示 plt.rcParams[font.sans-serif] = [Songti SC] plt.title(中国历年出生人口数据(万), loc=left, fontsize=16) plt.text(2019, -220, 来源：国家统计局, ha=right) # 2019年出生人口数(显示) value_2019 = df[df[Year] == 2019].value.values[0] plt.text(2019, value_2019+80, value_2019, ha=center) # 保存图片 plt.savefig(chart.png)

得到结果如下。

黑色不是特别好看，改个颜色看看。

# 新建画布 fig, ax = plt.subplots(1, figsize=(12, 8)) # 年份数 n = len(df) # 颜色设置 color = b colors = [#E74C3C] + ((len(df)-1)*[#F5B7B1]) # 使用线条 for idx, val in df.iterrows(): plt.plot([val.Year, val.Year], [-20, val.value], color=colors[idx], marker=o, lw=4, markersize=6, markerfacecolor=#E74C3C) # 移除上边框、右边框 ax.spines[right].set_visible(False) ax.spines[top].set_visible(False) # 设置x、y轴范围 plt.xlim(1948, 2020) plt.ylim(0,) # 中文显示 plt.rcParams[font.sans-serif] = [Songti SC] plt.title(中国历年出生人口数据(万), loc=left, fontsize=16) plt.text(2019, -220, 来源：国家统计局, ha=right) # 2019年出生人口数(显示) value_2019 = df[df[Year] == 2019].value.values[0] plt.text(2019, value_2019+80, value_2019, ha=center) # 保存图片 plt.savefig(chart.png)

得到结果如下。