数据分析（jupyter lab版）：柱状图

柱状图利用柱子的高度，反映数据的差异。肉眼对高度差异很敏感，辨识效果非常好。柱状图的局限在于只适用中小规模的数据集。

柱状图主要分为两种：普通柱状图、横向柱状图，分组柱状图和堆叠柱状图

丰富图表见（数据分析（jupyter lab版：丰富图表））

普通柱状图

横向柱状图

为了将图表显示的更为明显，所以我们可以对横向柱状图的柱体进行排序操作。这项操作可以对各个部分的图表进行使用。

代码进行排序，排序的依据是元素的第二个值（索引为1的值），并且以降序（reverse=True）的方式进行排序。具体来说，lambda函数a: a[1]表示对每个元素a，取其索引为1的值作为排序的依据。在这里，代码的索引是指以第一个print打印的列表为依据，将列表的每一项元素的数字取出进行降序排列。

分组柱状图

分组柱状图，又叫聚合柱状图。当使用者需要在同一个轴上显示各个分类下不同的分组时，需要用到分组柱状图。分组柱状图将单个或多个数据集的柱形彼此并排显示，适合不同类别的数据对比，或者将大类别中各个小类别同时进行对比。

这里我们引用五天时间的水果的售卖情况数据。

在每次进行数据分析时，我们都要先思考哪些数据做x轴，哪些数据做y轴，这样便于我们后面的代码书写。

for money, x in zip(day_money, xs): plt.annotate(money, xy=(x, money), xytext=(x - 0.1, money + 0.1))

这段代码是用来在图表中添加数据标签的。通过将每个数据点的金额和对应的x坐标传入zip()函数，然后使用plt.annotate()函数在图表中添加标签。具体来说，xy参数指定了标签的位置，xytext参数指定了标签文本的位置偏移量，偏移量是指每一根柱子上的数字的位置改变，这样就可以在图表中显示每个数据点的具体数值。

什么是zip（）函数呢？zip函数是Python内置函数之一，用于将多个可迭代对象（如列表、元组等）中对应位置的元素打包成一个元组，并返回一个zip对象。这个zip对象可以进一步转换为列表、元组等数据结构，或者用于迭代操作。

所以，zip(day_money, xs)实际上就是将 day_money 和 xs 中对应位置的元素打包成元组的形式，以（day_money, xs）元组的形式用于后续的操作。

堆叠柱状图

堆叠柱状图非常适合用来对比不同类别数据的数值大小，同时对比每一类别数据中，子类别的构成及大小。

如果需要继续往上堆叠，只需要在以上代码中的继续添加+group3[i]，就可以实现四个堆叠，以此类推即可。