论文分组柱状图怎么画：matplotlib 完整代码 + 用 CSV 一步生成

分组柱状图（也叫簇状柱形图）是论文里比较“多个方法 × 多个数据集”的标准画法：每个数据集一组，每个方法一根柱子。几乎每篇论文的实验部分都会用到它，但它也特别容易出小毛病：标签挤在一起、误差线把数字挡住、图例盖住柱子，或者导出的 PDF 过不了会议的字体检查。

这篇文章给出一段可以直接复制运行的 matplotlib 脚本，讲清楚其中对论文真正重要的设置，并列出最常见问题的修法。文末还有一个更省事的办法：直接用 CSV 加一句话描述生成。

什么时候适合用分组柱状图

适合的情况：

• 比较少量方法（通常 2–5 个）在少量类别（数据集、任务、模型规模）上的表现。
• 类别是离散的。如果横轴是连续量（训练步数、噪声强度），折线图更清楚。
• 读者更关心组内的相对差异，而不是精确数值。如果精确数值最重要，用表格可能更合适，或者像下文那样加上数值标签。

如果每组超过 5 根柱子，或者超过 6 组，可以考虑拆成两张图、改成横向柱状图，或者干脆用表格。

第一步：把数据整理成长格式

每次测量一行。这种“长格式”从实验日志里导出很方便，后续也容易变形：

method,dataset,accuracy,std
Baseline,CIFAR-10,91.2,0.3
Ours,CIFAR-10,94.7,0.2
Ours+Aug,CIFAR-10,95.3,0.2
Baseline,CIFAR-100,68.4,0.5
Ours,CIFAR-100,74.9,0.4
Ours+Aug,CIFAR-100,76.8,0.3
Baseline,Tiny-ImageNet,55.1,0.6
Ours,Tiny-ImageNet,61.8,0.5
Ours+Aug,Tiny-ImageNet,63.5,0.4

以上数字只是本教程的示例数据，不是真实的基准测试结果。

第二步：完整的 matplotlib 脚本

脚本在 matplotlib 3.11 + pandas 下测试通过，会同时输出 LaTeX 用的矢量 PDF 和 300 DPI 的 PNG。

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

df = pd.read_csv("results.csv")
datasets = ["CIFAR-10", "CIFAR-100", "Tiny-ImageNet"]  # x-axis order
methods = ["Baseline", "Ours", "Ours+Aug"]              # bar order in each group

mean = df.pivot(index="dataset", columns="method", values="accuracy").loc[datasets, methods]
std = df.pivot(index="dataset", columns="method", values="std").loc[datasets, methods]

plt.rcParams.update({
    "font.family": "serif",
    "font.size": 9,
    "axes.spines.top": False,
    "axes.spines.right": False,
    "pdf.fonttype": 42,   # embed TrueType fonts (many venues require this)
    "ps.fonttype": 42,
})

colors = ["#0072B2", "#E69F00", "#009E73"]  # Okabe-Ito, colorblind-safe
hatches = ["", "//", "xx"]                  # still readable in grayscale

x = np.arange(len(datasets))
n = len(methods)
width = 0.8 / n

fig, ax = plt.subplots(figsize=(3.5, 2.6))  # single-column width in inches
for i, method in enumerate(methods):
    offset = (i - (n - 1) / 2) * width
    ax.bar(
        x + offset, mean[method], width,
        yerr=std[method], capsize=2, error_kw={"elinewidth": 0.8},
        label=method, color=colors[i], hatch=hatches[i],
        edgecolor="black", linewidth=0.5,
    )
    # Put value labels above the error bar, not on top of it.
    for xi, m, s in zip(x + offset, mean[method], std[method]):
        ax.text(xi, m + s + 1.5, f"{m:.1f}", ha="center", va="bottom", fontsize=5.5)

ax.set_xticks(x, ["CIFAR-10", "CIFAR-100", "Tiny-\nImageNet"])  # wrap long names
ax.set_ylabel("Top-1 accuracy (%)")
ax.set_ylim(0, 105)
ax.yaxis.grid(True, linestyle=":", linewidth=0.5)
ax.set_axisbelow(True)
ax.legend(loc="upper center", bbox_to_anchor=(0.5, -0.24), ncol=n, frameon=False)

fig.tight_layout()
fig.savefig("grouped_bar.pdf", bbox_inches="tight")            # vector, for LaTeX
fig.savefig("grouped_bar.png", dpi=300, bbox_inches="tight")   # raster, 300 DPI

运行结果（300 DPI）：

关键设置说明

偏移公式。 每个方法的柱子平移 (i - (n - 1) / 2) * width，不管有几个方法，整组柱子都会以刻度为中心。配合 width = 0.8 / n，一组柱子占刻度间距的 80%，组与组之间留出空隙。

显式指定顺序。 pivot(...).loc[datasets, methods] 固定了组和柱子的顺序。不写的话 pandas 会按字母排序，你自己的方法往往会排到奇怪的位置。

颜色和纹理。 三种颜色取自 Okabe–Ito 配色，对最常见的几类色觉障碍都能区分；纹理（hatch）保证黑白打印时也分得清。

用英寸而不是像素定尺寸。 figsize=(3.5, 2.6) 对应大多数双栏模板的单栏宽度（约 3.3–3.5 英寸）。按最终尺寸作图，matplotlib 里的 9 pt 字号在 PDF 里也是 9 pt，和正文字号接近。通栏图用约 7 英寸宽。

嵌入字体。 pdf.fonttype: 42 让 matplotlib 嵌入 TrueType 字体而不是 Type 3 字体。很多会议的投稿检查会标记 Type 3 字体，这一行可以避免这个问题。

优先用矢量图。 在 LaTeX 里用 \includegraphics[width=\columnwidth]{grouped_bar.pdf} 插入 PDF；300 DPI 的 PNG 留给幻灯片、Word 或要求位图的期刊。

常见问题及修法

下面是同一份脚本修复排版之前的第一版：

能看到三个问题，也是大家最常遇到的：

1. 横轴标签重叠。 单栏宽度下，长类别名会挤在一起。可以用 \n 换行、缩写（在图注里说明），或者旋转：ax.set_xticks(x, labels, rotation=20, ha="right")。
2. 数值标签挡住误差线。 ax.bar_label 把文字放在柱顶，而误差线正好从柱顶开始。像最终脚本那样把标签放到 mean + std 再往上一点，或者不加数值标签、改在表格里给数字。
3. 数字太挤。 相邻标签贴在一起时，缩小字号、只保留一位小数，或者每组只标最好的结果。

其他值得检查的地方：

• 图例盖住柱子。 像上面那样用 bbox_to_anchor 移到坐标轴下方，或者放到图上方：loc="lower center", bbox_to_anchor=(0.5, 1.0)。
• 纵轴不从 0 开始。 柱子的长度代表数值，截断纵轴会夸大差异。如果差异很小但很重要，用点图或表格展示，不要截断坐标轴。
• 误差线没有说明。 在图注里写清楚误差线表示标准差、标准误还是 95% 置信区间，以及基于几次运行。
• PDF 里的图发糊。 通常是把低分辨率 PNG 放大了。用矢量 PDF，或者按最终打印尺寸、至少 300 DPI 导出 PNG。

投稿前检查清单

• 组和柱子的顺序是有意安排的（读者能一眼找到你的方法）。
• 配色对色盲友好，黑白打印也能区分。
• 按最终打印宽度，图中字号和图注字号接近。
• 坐标轴标签带单位，纵轴从 0 开始。
• 图注说明了误差线的含义和运行次数。
• 字体已嵌入（PDF 中没有 Type 3 字体）。
• 同一个方法在论文所有图里都用同一种颜色。

想用 seaborn？

如果数据已经是长格式，seaborn 一行就能画出同样的分组：

import seaborn as sns

ax = sns.barplot(data=df, x="dataset", y="accuracy", hue="method",
                 palette=["#0072B2", "#E69F00", "#009E73"], errorbar=None)

每个测量只有一行、没有重复运行时，设 errorbar=None。如果 CSV 里每次运行一行，seaborn 可以自己算误差线（例如 errorbar="sd"）。尺寸、字体和导出设置仍然建议沿用上面的脚本。

更省事的办法：用 PaperBanana 从 CSV 直接出图

如果不想自己写和调试画图代码，PaperBanana Paper Visualizer 的数据图模式就是为这种场景做的：

1. 粘贴 CSV 或 JSON 数据。
2. 用一句话描述想要的图，例如：“按数据集画准确率的分组柱状图，每个方法一根柱子，柱顶标数值，图例放在横轴下方。”
3. PaperBanana 会生成 matplotlib 代码，在隔离沙箱里运行，以 300 DPI 渲染出图，再由评审 agent 检查一轮或多轮。

图片可以直接下载，生成的代码也可以一键复制，所以你可以在本地重新运行、导出矢量 PDF、按需修改。下面是用本文同一份数据实际生成的结果：

数据图模式不使用图像模型，图里的数字直接来自你的数据。每轮评审 10 积分，用不到的轮次会自动退回。详见价格页。

常见问答

用分组柱状图还是表格？ 想传达的是一种规律时用图，比如“我们的方法在所有数据集上都更好”“数据集越难差距越大”；读者需要精确数值时用表格。很多论文两者都用：正文放图，附录放完整表格。

每组几根柱子算太多？ 单栏宽度下，每组超过 5 根就不好读了。可以拆成两张图，或者把次要的基线放到附录。

用标准差还是标准误？ 都可以，关键是写明用的是哪个。标准差反映多次运行之间的波动；标准误和置信区间反映均值估计得有多准。一定要写运行次数。

能画成横向的吗？ 可以。把 ax.bar 换成 ax.barh，交换横纵轴，用 ax.set_yticks。类别名很长时，横向柱状图更好读。

论文配图的通用建议，可以看如何为研究论文制作出版级配图，以及 TikZ、matplotlib 与 AI 工具的对比。