python中bar
A. python matplotlib bar圖怎麼畫出這樣的區間
最簡單的柱狀代碼應該是這樣的
# coding: utf-8import matplotlib.pyplot as pltimport numpy as np
x = np.random.randint(0, 10, size=10)
y = np.random.randint(100, 1000, size=10)
plt.bar(x, y)
plt.show()
B. python中怎樣畫條形圖
畫條形圖要用到 pyplot 中的 bar 函數，該函數的基本語法為：
bar(x, height, [width], **kwargs)
import matplotlib.pyplot as plt
# 這兩行代碼解決 plt 中文顯示的問題
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
waters = ('碳酸飲料', '綠茶', '礦泉水', '果汁', '其他')
buy_number = [6, 7, 6, 1, 2]
plt.bar(waters, buy_number)
plt.title('男性購買飲用水情況的調查結果')
plt.show()
C. python中使用plt.bar畫出的圖橫坐標是1-10的，我如何畫出2,4,6,8這樣空兩個的橫坐標
最簡單的柱狀代碼應該是這樣的
# coding: utf-8
import matplotlib.pyplot as plt
import numpy as np
x = np.random.randint(0, 10, size=10)
y = np.random.randint(100, 1000, size=10)
plt.bar(x, y)
plt.show()
D. Python中pygal的bar不能用怎麼處理
提示為 pygal 模塊中沒有 Bar 的成員。
或者你寫錯了成員名稱，或者確實沒有這個成員，自行檢查你導入的pygal模塊
E. 如何理解 Python
簡單例子：
def foo():
print('i am foo')
現在有一個新的需求，希望可以記錄下函數的執行日誌，於是在代碼中添加日誌代碼：
def foo():
print('i am foo')
logging.info("foo is running")
bar()、bar2()也有類似的需求，怎麼做？再寫一個logging在bar函數里？這樣就造成大量雷同的代碼，為了減少重復寫代碼，我們可以這樣做，重新定義一個函數：專門處理日誌 ，日誌處理完之後再執行真正的業務代碼
def use_logging(func):
logging.warn("%s is running" % func.__name__)
func()
def bar():
print('i am bar')
use_logging(bar)
邏輯上不難理解， 但是這樣的話，我們每次都要將一個函數作為參數傳遞給use_logging函數。而且這種方式已經破壞了原有的代碼邏輯結構，之前執行業務邏輯時，執行運行bar()，但是現在不得不改成use_logging(bar)。那麼有沒有更好的方式的呢？當然有，答案就是裝飾器。
簡單裝飾器
def use_logging(func):
def wrapper(*args, **kwargs):
logging.warn("%s is running" % func.__name__)
return func(*args, **kwargs)
return wrapper
def bar():
print('i am bar')
bar = use_logging(bar)
bar()
函數use_logging就是裝飾器，它把執行真正業務方法的func包裹在函數裡面，看起來像bar被use_logging裝飾了。在這個例子中，函數進入和退出時 ，被稱為一個橫切面(Aspect)，這種編程方式被稱為面向切面的編程(Aspect-Oriented Programming)。
@符號是裝飾器的語法糖，在定義函數的時候使用，避免再一次賦值操作
def use_logging(func):
def wrapper(*args, **kwargs):
logging.warn("%s is running" % func.__name__)
return func(*args)
return wrapper
@use_logging
def foo():
print("i am foo")
@use_logging
def bar():
print("i am bar")
bar()
如上所示，這樣我們就可以省去bar = use_logging(bar)這一句了，直接調用bar()即可得到想要的結果。如果我們有其他的類似函數，我們可以繼續調用裝飾器來修飾函數，而不用重復修改函數或者增加新的封裝。這樣，我們就提高了程序的可重復利用性，並增加了程序的可讀性。
裝飾器在Python使用如此方便都要歸因於Python的函數能像普通的對象一樣能作為參數傳遞給其他函數，可以被賦值給其他變數，可以作為返回值，可以被定義在另外一個函數內。
帶參數的裝飾器
裝飾器還有更大的靈活性，例如帶參數的裝飾器：在上面的裝飾器調用中，比如@use_logging，該裝飾器唯一的參數就是執行業務的函數。裝飾器的語法允許我們在調用時，提供其它參數，比如@decorator(a)。這樣，就為裝飾器的編寫和使用提供了更大的靈活性。
def use_logging(level):
def decorator(func):
def wrapper(*args, **kwargs):
if level == "warn":
logging.warn("%s is running" % func.__name__)
return func(*args)
return wrapper
return decorator
@use_logging(level="warn")
def foo(name='foo'):
print("i am %s" % name)
foo()
上面的use_logging是允許帶參數的裝飾器。它實際上是對原有裝飾器的一個函數封裝，並返回一個裝飾器。我們可以將它理解為一個含有參數的閉包。當我 們使用@use_logging(level="warn")調用的時候，Python能夠發現這一層的封裝，並把參數傳遞到裝飾器的環境中。
類裝飾器
再來看看類裝飾器，相比函數裝飾器，類裝飾器具有靈活度大、高內聚、封裝性等優點。使用類裝飾器還可以依靠類內部的\_\_call\_\_方法，當使用 @ 形式將裝飾器附加到函數上時，就會調用此方法。
class Foo(object):
def __init__(self, func):
self._func = func
def __call__(self):
print ('class decorator runing')
self._func()
print ('class decorator ending')
@Foo
def bar():
print ('bar')
bar()
functools.wraps
使用裝飾器極大地復用了代碼，但是他有一個缺點就是原函數的元信息不見了，比如函數的docstring、__name__、參數列表，先看例子：
裝飾器
def logged(func):
def with_logging(*args, **kwargs):
print func.__name__ + " was called"
return func(*args, **kwargs)
return with_logging
函數
@logged
def f(x):
"""does some math"""
return x + x * x
該函數完成等價於：
def f(x):
"""does some math"""
return x + x * x
f = logged(f)
不難發現，函數f被with_logging取代了，當然它的docstring，__name__就是變成了with_logging函數的信息了。
print f.__name__ # prints 'with_logging'
print f.__doc__ # prints None
這個問題就比較嚴重的，好在我們有functools.wraps，wraps本身也是一個裝飾器，它能把原函數的元信息拷貝到裝飾器函數中，這使得裝飾器函數也有和原函數一樣的元信息了。
from functools import wraps
def logged(func):
@wraps(func)
def with_logging(*args, **kwargs):
print func.__name__ + " was called"
return func(*args, **kwargs)
return with_logging
@logged
def f(x):
"""does some math"""
return x + x * x
print f.__name__ # prints 'f'
print f.__doc__ # prints 'does some math'
內置裝飾器
@staticmathod、@classmethod、@property
裝飾器的順序
@a
@b
@c
def f ():
等效於
f = a(b(c(f)))
F. Python中的bar_width是什麼意思
這就是一個變數名，具體作用得看代碼咋寫了
G. python中的**是什麼意思
1、格式符
例如：
a = 'test'
print 'it is a %s' %(a)
列印的結果就是 it is a test
2、單獨看%，是一個運算符號，求余數。
例如：
求模運算，相當於mod，也就是計算除法的余數，比如5%2就得到1。
(7)python中bar擴展閱讀：
python中%常用的操作有%s,%d,%r等
%s,%r,%d分別表示字元串以str（），rper(),以及十進制整數表示，%f表示結果為浮點型。
1、%f 浮點型
importmath
%a.bf，a表示浮點數的列印長度，b表示浮點數小數點後面的精度 ，%f時表示原值，默認是小數點後5位數 。
print"PI=%f"%math.pi
output:PI=3.141593
只是%9f時，表示列印長度9位數，小數點也佔一位，不夠左側補空格
print"PI=%9f"%math.pi
output:PI=_3.141593
2、%d 整型
[python]view plain
num=14
#%d列印時結果是14
3、%s 字元串
[python]view plain
string="hello"
%s列印時結果是hello
H. python中關於tkinter的Scrollbar與canvas組合時，只顯示滑塊，卻無法時頁面拖動，求教python大神!!急！
scrollbar要定義到cus上，改成scrollbar = tk.Scrollbar(cus,orient = 'vertical')
I. Python的 matplotlib畫圖，怎麼把子圖的每個橫坐標顯示出來
ax = subplots(nrows,ncols,sharex,sharey,squeeze,subplot_kw,gridspec_kw,**fig_kw)
創建畫布和子圖。
nrows和ncols表示將畫布分割成幾行幾列 ，
sharex和sharey表是共用xy軸的設置。
squeeze bool
a.默認參數為True：額外的維度從返回的Axes(軸)對象中擠出，對於N*1或1*N個子圖，返回一個1維數組，對於N*M，N>1和M>1返回一個2維數組。
b.為False，不進行擠壓操作：返回一個元素為Axes實例的2維數組，即使它最終是1x1。
subplot_kw:字典類型，可選參數。把字典的關鍵字傳遞給add_subplot()來創建每個子圖。
subplot_kw:字典類型，可選參數。把字典的關鍵字傳遞給add_subplot()來創建每個子圖。
gridspec_kw:字典類型，可選參數。把字典的關鍵字傳遞給GridSpec構造函數創建子圖放在網格里(grid)。
**fig_kw：把所有詳細的關鍵字參數傳給figure()函數。
可見你沒有辦法單獨設置某個子圖的ax的。