起源：做数据处理时候需要制造一张如下的图片：

示例图

恰逢最近在学Python，然后就想试一下用python去实现,因为稍微接触过matplotlib这个库，然后就想着用它去实现

首先通过查资料，才知道这种图的名字叫做“水平堆叠条状图”，然后使用Matplotlib.plot.barh()就可以实现水平堆叠的效果；

水平或者垂直堆叠的效果，网上有挺多教程的了，这里就不再进行描述，主要是为了记录一下怎么去实现渐变色

一开始找资料，并没有找到这种堆叠图的渐变色怎么做出来
如果有大哥找到了简便方法，还请告知一下!然后就尝试着自己去写一些语句去实现；现在就将研究的流程做个记录

首先是绘图函数的认识

barh函数的参数很多，但是我们只关注几个参数：
X表示是上图中的 E1 E2 E3这样的坐标（可以理解为刻度值吧）
width表示的是当前堆叠部分的长度，这个值很关键！
left值是当前堆叠部分的起始点，这个值也很关键
color表示的是当前堆叠部分的颜色，遵循RGB顺序，但是它范围（0——0.1），即我们需将实际(R,G,B)值除以255再传入
alpha表示的是当前堆叠部分的颜色透明度，即和上面的color参数一起构成了（RGBA）
label表示的是当前堆叠部分的图形样例，即上图中的"label=二级指标1"那样的图例；该参数为空的时候不创建图例，如果不为空就会根据传入的字符串创建图例，默认是不支持中文的，如果要用中文，需要加以下这两句话在import matplotlib之后

#用来正常显示中文
plt.rcParams['font.sans-serif']=['SimHei','Times New Roman'] 
plt.rcParams['axes.unicode_minus']=False
`

然后讲讲怎么思考的

X的就是数轴上的显示的刻度值（你也可以给他重命名）；
width表示的是堆叠（填充）长度，left是本次填充起始点，那么我们将这两个参数结合以下，就可以将本该一次填充完的长度，分成几次填充，再分别给这几次填充使用临近的RGB值，就会呈现一种渐变的效果

# 一次填充完成
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei','Times New Roman'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False
    # 网上找到的渐变色的RGB配色方案
Color1 = np.array([131, 175, 155])
Color2 = np.array([200, 200, 169])
Color3 = np.array([249, 205, 173])

x = ["E1"]
Y1 = np.array([0.1])
Y2 = np.array([0.3])
plt.barh(x, Y1, align="center", color=Color1 / 255, alpha=1, label="ONE1")
plt.barh(x, Y2, left=Y1, color=Color2 / 255, alpha=1, label="ONE2")
plt.legend()
plt.show()

上述代码运行以后的效果是这样的

然后基于我们上述的分析，我们将对“ONE2”色块运用参数：X，width，left，color进行分次填充实现渐变效果：

首先我们定义一个变量divid，这个变量将会决定了你分多少次填充

#填充次数，值越大渐变效果越好，但是计算量也会相应的增大
divid=20

其次我们将我们原来的填充量、颜色渐变差值分别分别除以divid

Y2_rate=Y2/divid
#用下一个颜色减去当前色快的颜色；这也将会解释了我后来的完整代码里，将会严格要求Color个数大于 Y 的个数 
#实际上Color和Y大多数情况下是行向量，但仍然用“个数”来表述，为了更方便理解
Color_rate=（Color3-Color2）/divid

然后我们将会将这两个值在barh函数里进行使用

for i in range(divid):
    if i==int( divid /2 ): #这里是去原先整个色块的中心RGB作为图例色
        plt.barh(x,Y_rate,left=Y1+Y_rate*i,color=(Color1+i*Color_rate) / 255, alpha=1.0,label='ONE2')
    else:
        plt.barh(x,Y_rate,left=Y1+Y_rate*i,color=(Color1+i*Color_rate) / 255, alpha=1.0)

运行之后的效果为

而为了说明divid在这里影响渐变效果我们将分辨用几个递增的divid值来进行演示
divid=2时候，出现了明显的分界线

divid=8时候，分界线被淡化了，但还是隐约可见

divid=50的时候，几乎看不到分界线了

以上效果仅仅是基于一个X 一个Y的色快渐变进行演示，是为了更好地演示方法和思路；但是实际应用中，X,Y都将会是较长的行向量，因此，需要斟酌一下divid的选择；

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• Python数据类型的简单练习示例有哪些

  题目[1]：格式输出练习。在交互式状态下完成以下练习。运行结果截图：题目[2]：格式输出练习。在.py的文件中完成以下练习代码：num=100print('%dtohexis%x'%(

• 如何理解Python3序列，序列切片和相加操作是什么

  在编程语言中，将以某种方式（比如通过编号）组合起来的数据元素（如数字，字符串乃至其他数据结构）集合称为数据结构。在python中，最基本的数据结构为序列（sequence，简写为seq）。 所谓序列，指的是一块可存放多个值的连续内存空间，这些值按一定顺序排列，可通过每个值所在位置的编号（称为索引）访问它们。 为了更形象的认识序列，可以将它看做是一家旅店，那么店中的每个房间就如同序列存储数据的一个个内存空间，每个房间所特有的房间号就相当于索引值。也就是说，通过房间号（索引）我们可以找到这家旅店（序列）中_来自Python3 教程，w3cschool编程狮。

• Python循环语句有几种，用法是怎样

  大家好，本篇文章主要讲的是Python循环语句介绍，感兴趣的同学赶快来看一看吧，对你有帮助的话记得收藏一下，方便下次浏览

• 在matplotlib中画简单的混淆矩阵的方法及代码是什么

  混淆矩阵(Confusion Matrix)是机器学习中用来总结分类模型预测结果的一个分析表，是模式识别领域中的一种常用的表达形式。它以矩阵的形式描绘样本数据的真实属性和分类预测结果类型之间的关系，是用来评价分类器性能的一种常用方法。

• python实现截取字符串的简单实例是什么样的

  python中对字符串进行分割，可以用split()方法，其语法表达式为str.split(s, num)[n]。s：表示指定的分隔符，不写的话，默认是空格(’ ‘)。如果字符串中没有给定的分隔符时，则把整个字符串作为列表的一个元素返回。