Python用matplotlib画2013-2023年新闻月平均数量情况条形图的代码

以下是Python用matplotlib画2013-2023年新闻月平均数量情况条形图的代码：

import matplotlib.pyplot as plt
import numpy as np

# 年月列表
years = list(range(2013, 2024))
months = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"]
year_months = [f"{year}-{month}" for year in years for month in months]

# 模拟数据，每个月随机一个数量
news_count = np.random.randint(0, 300, size=len(year_months))

# 计算每年每个月的平均数量
year_month_count = {}
for year in years:
    for i, month in enumerate(months):
        count = np.mean(news_count[(year - 2013) * 12 + i:(year - 2013) * 12 + i + 1])
        year_month_count[f"{year}-{month}"] = count

# x轴和y轴数据
x = np.arange(len(year_months))
y = np.array([year_month_count[ym] for ym in year_months])

# 绘制条形图
plt.bar(x, y)

# 设置x轴标签
plt.xticks(x[::12], years, rotation=45)

# 设置y轴标签
plt.ylabel("Average Number of News")

# 设置标题
plt.title("Average Number of News per Month from 2013 to 2023")

# 显示图形
plt.show()

解释一下代码：

1. 首先定义了年月列表 `years` 和 `months`，以及年月字符串的列表 `year_months`，用于后面生成每个月的数据。

2. 接着使用 `numpy.random.randint()` 生成了模拟数据，每个月随机一个数量。

3. 然后计算了每年每个月的平均数量，存储在字典 `year_month_count` 中。

4. 接着生成了x轴和y轴的数据，其中x轴是年月的序号，y轴是对应的平均新闻数量。

5. 使用 `matplotlib.pyplot.bar()` 函数绘制了条形图，并设置了x轴标签、y轴标签和标题。

6. 最后使用 `matplotlib.pyplot.show()` 函数显示图形。