Makie.jl 中堆叠条形图的数值标签显示技巧
2025-06-30 08:19:22作者:宣海椒Queenly
在数据可视化中,堆叠条形图(Stacked Bar Plot)是一种常见的展示分类数据组成结构的图表类型。Makie.jl作为Julia生态中强大的可视化工具,提供了灵活的条形图绘制功能。本文将详细介绍如何在Makie.jl中为堆叠条形图的每个部分添加正确的数值标签。
基础堆叠条形图绘制
使用Makie.jl绘制基础堆叠条形图非常简单。以下是一个基本示例:
using CairoMakie
fig, ax, plt = barplot([1,1,2,2], [5,7,3,12];
stack=[1,2,1,2],
color=[1,2,1,2]
)
fig
这段代码会创建一个包含两个主类别(1和2)的堆叠条形图,每个主类别由两个子类别组成。默认情况下,Makie会为每个条形堆叠部分使用不同的颜色。
添加数值标签的挑战
当尝试为堆叠条形图添加数值标签时,初学者可能会遇到一个常见问题:默认的:y标签模式显示的是堆叠后的累计值,而不是每个堆叠部分的实际值。
例如,使用以下代码:
barplot([1,1,2,2], [5,7,3,12];
stack=[1,2,1,2],
color=[1,2,1,2],
bar_labels = :y
)
这种情况下,标签显示的是堆叠后的总高度(第一个条形显示12=5+7,第二个显示15=3+12),而不是每个部分的原始值(5、7、3、12)。
解决方案:自定义标签数组
要显示每个堆叠部分的实际值,我们需要直接传递包含原始值的数组给bar_labels参数:
barplot([1,1,2,2], [5,7,3,12];
stack=[1,2,1,2],
color=[1,2,1,2],
bar_labels = [5,7,3,12]
)
这种方法可以精确控制每个堆叠部分显示的标签内容。
进阶技巧:标签位置控制
Makie.jl还提供了标签位置控制的选项。最新版本中新增了label_position = :center参数,可以将标签放置在堆叠部分的中心位置:
barplot([1,1,2,2], [5,7,3,12];
stack=[1,2,1,2],
color=[1,2,1,2],
bar_labels = [5,7,3,12],
label_position = :center
)
此外,还可以通过label_offset和label_size等参数进一步调整标签的显示样式:
barplot([1,1,2,2], [5,7,3,12];
stack=[1,2,1,2],
color=[1,2,1,2],
bar_labels = [5,7,3,12],
label_offset = -25,
label_size = 20,
label_color = :grey
)
实际应用建议
在实际应用中,建议考虑以下几点:
- 当堆叠部分较小时,可以考虑省略标签或使用更小的字体,避免视觉混乱
- 对于负值数据,需要特别注意标签位置,可能需要单独调整
- 可以结合
dodge参数创建分组条形图,根据数据特点选择最合适的展示方式 - 使用颜色图例说明每个堆叠部分的含义,增强图表的可读性
通过灵活运用这些技巧,可以创建出既美观又信息丰富的堆叠条形图,有效传达数据的组成结构信息。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
473
3.52 K
React Native鸿蒙化仓库
JavaScript
286
338
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
224
91
Ascend Extension for PyTorch
Python
283
316
暂无简介
Dart
722
174
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
10
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
849
438
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.27 K
699
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19