Вивчайте Суміщені Стовпчикові Діаграми | Створення Поширених Типів Графіків

Стовпчасті діаграми з накопиченням дозволяють порівнювати кілька категорій у межах кожної групи по осі x. Наприклад, замість відображення лише загального ВВП кожної країни, вони можуть показувати внесок окремих економічних секторів у загальну суму.


              1234567891011
            
import matplotlib.pyplot as plt
import numpy as np
countries = ['USA', 'China', 'Japan']
primary_sector = np.array([1.4, 4.8, 0.4])
secondary_sector = np.array([11.3, 6.2, 0.8])
tertiary_sector = np.array([14.2, 8.4, 3.2])
# Calling the bar() function multiple times for each category (sector)
plt.bar(countries, primary_sector)
plt.bar(countries, secondary_sector, bottom=primary_sector)
plt.bar(countries, tertiary_sector, bottom=primary_sector + secondary_sector)
plt.show()

Для створення стовпців з накопиченням функцію bar() викликають кілька разів — по одному разу для кожного сектора. У кожному виклику для осі x використовується той самий список countries, а параметр bottom забезпечує розміщення кожного нового сегмента поверх попереднього.

Дізнатися більше

Параметр bottom визначає y-координату(и) нижньої сторони стовпчиків. Ось bar() документація.

Завдання

Swipe to start coding

Використання відповідної функції для створення стовпчикових діаграм.
Побудова нижніх стовпчиків для yes_answers.
Побудова стовпчиків для no_answers поверх стовпчиків для yes_answers із зазначенням відповідного ключового аргументу.

Рішення

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 2. Розділ 5

single

Запитати АІ

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

Suggested prompts:

Can you explain what the `bottom` parameter does in more detail?

How can I add labels or a legend to this stacked bar chart?

What do the numbers in the sector arrays represent?

Свайпніть щоб показати меню


              1234567891011
            
import matplotlib.pyplot as plt
import numpy as np
countries = ['USA', 'China', 'Japan']
primary_sector = np.array([1.4, 4.8, 0.4])
secondary_sector = np.array([11.3, 6.2, 0.8])
tertiary_sector = np.array([14.2, 8.4, 3.2])
# Calling the bar() function multiple times for each category (sector)
plt.bar(countries, primary_sector)
plt.bar(countries, secondary_sector, bottom=primary_sector)
plt.bar(countries, tertiary_sector, bottom=primary_sector + secondary_sector)
plt.show()