专栏导读

✍ 作者简介：i阿极，CSDN 数据分析领域优质创作者，专注于分享python数据分析领域知识。

✍ 本文录入于《数据分析之道》，本专栏针对大学生、初级数据分析工程师精心打造，对python基础知识点逐一击破，不断学习，提升自我。
✍ 订阅后，可以阅读《数据分析之道》中全部文章内容，包含python基础语法、数据结构和文件操作，科学计算，实现文件内容操作，实现数据可视化等等。
✍ 其他专栏：《数据分析案例》，《机器学习案例》

😊😊😊如果觉得文章不错或能帮助到你学习，可以点赞👍收藏📁评论📒+关注哦！👍👍👍

📜📜📜如果有小伙伴需要数据集和学习交流，文章下方有交流学习区！一起学习进步！💪

大家好，我是i阿极，本专栏的文章上过👍每日必看榜👍每周必看榜👍每月必看榜。喜欢本专栏的小伙伴们可以订阅

《数据分析之道-Matplotlib》
【数据分析之道-Matplotlib(一)】Matplotlib Pyplot
【数据分析之道-Matplotlib(二)】Matplotlib 绘图标记
【数据分析之道-Matplotlib(三)】Matplotlib 绘制子图
【数据分析之道-Matplotlib(四)】Matplotlib散点图
【数据分析之道-Matplotlib(五)】Matplotlib柱状图
【数据分析之道-Matplotlib(六)】Matplotlib饼图
【数据分析之道-Matplotlib(七)】Matplotlib直方图
【数据分析之道-Matplotlib(八)】Matplotlib箱线图

1、Matplotlib棉棒图stem()基本语法

在Matplotlib中，可以使用stem()来绘制棉棒图。棉棒图是柱状图的变形，可以把它看成特殊的柱状图。
stem()函数用于绘制离散数据的垂直线图，常用于显示离散的数据点以及它们的垂直变化。
stem()函数的基本语法如下：

plt.stem(x, y, linefmt=None, markerfmt=None, basefmt=None, bottom=None, label=None)

常用参数的含义如下：

x：指定每个数据点的 x 坐标，可以是一个数值序列。
y：指定每个数据点的 y 坐标，可以是一个数值序列。
linefmt（可选）：指定连接数据点的线的样式，如颜色、线型等。
markerfmt（可选）：指定数据点的标记的样式，如颜色、形状等。
basefmt（可选）：指定基线（零线）的样式。
bottom（可选）：指定基线（零线）的位置，默认为0。
label（可选）：指定图例中的标签。

下面是一个简单的示例：

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 4, 1, 5, 3]

plt.stem(x, y, linefmt='r-', markerfmt='ro', basefmt='k-', label='data')

plt.xlabel('X')
plt.ylabel('Y')
plt.title('Stem Plot')
plt.legend()

plt.show()

在这里插入图片描述

2、Matplotlib棉棒图stem()定义样式

为了让棉棒图更加美观，stem()提供了很多用于定义样式的参数，常用的有两个：linemt和markerfmt。

2.1linefmt参数

linefmt参数用于指定棉棒图的线条样式：

取值	说明
‘-’	实线
‘–’	虚线
‘-.’	点划线
‘:’	点线

2.2markerfmt参数

markerfmt参数用于指定棉棒图上每个数据点的标记样式：

取值	说明

‘.’	小圆点
‘o’	大圆点
‘s’	正方形
‘d’	菱形
‘p’	五角星
‘h’	六边形
‘v’	倒三角形
‘^’	正三角形
‘<’	左三角形
‘>’	右三角形
‘*’	星形

2.3举例一：直线样式

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 4, 1, 5, 3]

plt.stem(x, y, linefmt='-.', markerfmt='ro', basefmt='k-', label='data')

plt.xlabel('X')
plt.ylabel('Y')
plt.title('Stem Plot')
plt.legend()

plt.show()

在这里插入图片描述

使用stem()函数绘制棉棒图。x和y是数据点的坐标，linefmt指定了棉棒图的线条样式为点划线，markerfmt指定了数据点的标记样式为红色圆形，basefmt指定了棉棒图的基线样式为黑色实线，label指定了图例的标签为"data"。

2.4举例二：圆点样式

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 4, 1, 5, 3]

plt.stem(x, y, markerfmt='ro', label='data')

plt.xlabel('X')
plt.ylabel('Y')
plt.title('Stem Plot')
plt.legend()

plt.show()

在这里插入图片描述

在这个例子中，我们使用markerfmt='ro’来指定圆点的样式为红色的圆点。
除了上述示例中的圆点样式，你还可以使用其他标记字符串来自定义圆点的样式。例如，‘o’表示大圆点，’.'表示小圆点，'s’表示正方形。

3、棉棒图案例实战

3.1绘制每月销量的棉棒图

import pandas as pd
import matplotlib.pyplot as plt

# 设置
plt.rcParams["font.family"] = ["SimHei"] 
plt.rcParams["axes.unicode_minus"] = False

# 读取数据
df = pd.read_csv(r"D:\CSDN\data\product.csv")
# 绘制图表
plt.stem(df["月份"], df["销量"])

# 定义标题
plt.title("每月销量棉棒图")
plt.xlabel("月份", loc="right")
plt.ylabel("销量", loc="top")
# 刻度标签
plt.xticks(range(1, 13))

# 显示
plt.show()

在这里插入图片描述

销量峰值：我们可以看到在3月和5月有两个销量峰值，分别为898和951。这表示在这两个月份，销量达到了最高点。
销量低谷：销量的低谷出现在9月，销量仅为155。这表明在这个月份，销量相对较低。
销售趋势：从图中可以看出，销量在前三个月呈上升趋势，然后在第四个月下降，并在第五个月达到最高点。之后，销量逐渐下降，直到第九个月为止。从第九个月开始，销量开始回升，并在最后一个月达到较高水平。

3.2绘制每月销量与平均销量之差

import matplotlib.pyplot as plt

# 设置
plt.rcParams["font.family"] = ["SimHei"] 
plt.rcParams["axes.unicode_minus"] = False

# 读取数据
df = pd.read_csv(r"data/product.csv")
# 求平均值
mean = df["销量"].mean()
# 求与平均值之差（利用广播机制）
df["差值"] = df["销量"] - mean

# 绘制图表
plt.stem(df["月份"], df["差值"])

# 定义标题
plt.title("每月销量棉棒图")
plt.xlabel("月份", loc="right")
plt.ylabel("销量", loc="top")
# 刻度标签
plt.xticks(range(1, 13))

# 显示
plt.show()

在这里插入图片描述

正值差值：图中的棉棒表示每个月销量与平均销量的差值。如果棉棒在0的上方，则表示该月销量高于平均水平；如果棉棒在0的下方，则表示该月销量低于平均水平。根据图中的棉棒长度和方向，我们可以看到有些月份的销量高于平均值，而有些月份的销量低于平均值。
趋势观察：通过观察棉棒的方向，我们可以得知销量较高的月份和销量较低的月份。如果棉棒向上，则表示销量较高；如果棉棒向下，则表示销量较低。从图中可以看出，前三个月的销量较高，而后面几个月的销量较低。