men_means = (85.5,91.0,72.0,59.0,66.0,55.0) women_means = (94.0,82.0,89.5,62.0,49.0,53.0)绘制堆积柱形图。堆积柱形图的x轴为学科，y轴为平均成绩

以下是使用matplotlib库绘制堆积柱形图的代码：

import matplotlib.pyplot as plt
import numpy as np

# 数据
men_means = (85.5, 91.0, 72.0, 59.0, 66.0, 55.0)
women_means = (94.0, 82.0, 89.5, 62.0, 49.0, 53.0)
subjects = ('Math', 'English', 'History', 'Science', 'Art', 'Music')

# 绘图
fig, ax = plt.subplots()
ax.bar(subjects, men_means, label='Men')
ax.bar(subjects, women_means, bottom=men_means, label='Women')

# 图例
ax.legend()

# 标题和轴标签
ax.set_title('Average scores by subject and gender')
ax.set_xlabel('Subjects')
ax.set_ylabel('Average score')

# 显示图形
plt.show()

绘制出来的堆积柱形图如下所示：


相关问题

import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False men_means = (85.5, 91, 72, 59, 66, 55) women_means = (94, 82, 89.5, 62, 49, 53) ind = np.arange(len(men_means)) width = 0.2 fig = plt.figure() ax = fig.add_subplot(111) ax.bar(ind - width / 2, men_means, width, label='男生平均成绩') ax.bar(ind + 0.2, women_means, width, label='女生平均成绩') ax.set_title('高二男生女生各科平均成绩') ax.set_xticks(ind) ax.set_xticklabels(['语文', '数学', '英语', '物理', '化学', '生物']) plt.ylim(40, 100) ax.legend() plt.show()美化并转为环形图

以下是美化并转为环形图的代码：

import numpy as np 
import matplotlib.pyplot as plt 
from matplotlib.patches import ConnectionPatch

plt.rcParams['font.sans-serif'] = ['SimHei'] 
plt.rcParams['axes.unicode_minus'] = False 

men_means = (85.5, 91, 72, 59, 66, 55) 
women_means = (94, 82, 89.5, 62, 49, 53) 

ind = np.arange(len(men_means)) 
width = 0.2 

fig, ax = plt.subplots(figsize=(8, 8)) 

ax.bar(ind - width / 2, men_means, width, label='男生平均成绩', color='tab:blue') 
ax.bar(ind + 0.2, women_means, width, label='女生平均成绩', color='tab:orange') 

ax.set_title('高二男生女生各科平均成绩', fontsize=20) 
ax.set_xticks(ind) 
ax.set_xticklabels(['语文', '数学', '英语', '物理', '化学', '生物'], fontsize=15) 
ax.set_ylim(40, 100) 
ax.legend(fontsize=15) 

# 环形图部分
theta = np.linspace(0, 2 * np.pi, len(men_means) + 1)
radii = np.repeat(1.5, len(men_means) + 1)

ax1 = plt.subplot(111, projection='polar')
ax1.plot(theta, radii, color='black', linewidth=1)

for i in range(len(men_means)):
    ax1.fill_between([theta[i], theta[i+1]], 0, radii[i+1], color='tab:blue', alpha=0.6)
    ax1.fill_between([theta[i], theta[i+1]], 0, radii[i], color='tab:orange', alpha=0.6)

    posA = ax1.transData.transform((theta[i], radii[i]))
    posB = ax1.transData.transform((theta[i], radii[i+1]))
    coordsA = ax.transData.inverted().transform(posA)
    coordsB = ax.transData.inverted().transform(posB)

    con = ConnectionPatch(xyA=coordsA, xyB=coordsB, coordsA="data", coordsB="data", lw=1, color='black', alpha=0.8)
    fig.add_artist(con)

plt.tight_layout()
plt.show()

这个代码首先绘制了原始的柱状图，然后使用极坐标系绘制了环形图。环形图中，每个扇形的角度与柱状图中每个柱子对应，颜色则代表男女生的成绩。同时，为了使环形图与柱状图对应，我们使用 ConnectionPatch 将两个部分连接起来。最后，使用 tight_layout() 函数调整布局，使得图像更加美观。

import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False data_a = np.array([85.5, 91, 72, 59, 66, 55]) data_b = np.array([94, 82, 89.5, 62, 49, 53]) plt.boxplot([data_a, data_b], labels=('男生各科平均成绩', '女生各科平均成绩'), meanline=True, widths=0.5, vert=False, patch_artist=True) plt.title('高二男生和女生各科平均成绩') plt.xlim(40, 100) plt.show()转为堆积面积图并美化

由于盒图和堆积面积图的图形表达方式不同，不能简单地将盒图转换为堆积面积图。以下是一个堆积面积图的例子，用于对比两组数据的占比情况：

import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

data_a = np.array([85.5, 91, 72, 59, 66, 55])
data_b = np.array([94, 82, 89.5, 62, 49, 53])

fig, ax = plt.subplots()

ax.stackplot(range(len(data_a)), data_a, data_b, labels=('男生各科平均成绩', '女生各科平均成绩'))

ax.set_title('高二男生和女生各科平均成绩')
ax.set_xlim(0, len(data_a)-1)
ax.set_ylim(0, 200)
ax.legend(loc='upper left')

plt.show()

在这个例子中，我们使用了`stackplot()`函数来绘制堆积面积图。函数的第一个参数是X轴数据，第二个和第三个参数是两组数据，用于堆积在一起。我们还使用`labels`参数添加了图例，并使用`set_xlim()`和`set_ylim()`方法来设置X轴和Y轴的范围。

最后，我们可以使用各种美化技巧来增强图形的可读性，例如添加轴标签、调整字体大小和颜色等。