如何使用 Pandas 和 Matplotlib 在 Python 中创建聚类堆积条形图？

使用 Pandas 和 Matplotlib 创建聚类堆叠条形图

在本文中，我们将探索一种使用 Pandas 创建聚类堆叠条形图的方法和 Matplotlib。通过此技术，您可以可视化并排具有相同列和索引的多个数据集，条形堆叠在一起。

理解问题

考虑以下内容场景：您有三个数据框，每个数据框都包含具有相同索引的“I”和“J”列的值。您想要为每个数据帧创建堆叠条形图，但以特定方式排列：

• 索引 A 处数据帧 1 的条形图
• 索引 A 处数据帧 2 的条形图
• 索引 B 处数据帧 1 的条形图
• 索引 B 处数据帧 2 的条形图

实现解决方案

以下代码片段演示了此问题的有效解决方案：

<code class="python">import pandas as pd
import matplotlib.cm as cm
import numpy as np
import matplotlib.pyplot as plt

def plot_clustered_stacked(dfall, labels=None, title="multiple stacked bar plot",  H="/", **kwargs):
    """Given a list of dataframes, with identical columns and index, create a clustered stacked bar plot.
    labels is a list of the names of the dataframe, used for the legend
    title is a string for the title of the plot
    H is the hatch used for identification of the different dataframe"""

    n_df = len(dfall)
    n_col = len(dfall[0].columns) 
    n_ind = len(dfall[0].index)
    axe = plt.subplot(111)

    for df in dfall : # for each data frame
        axe = df.plot(kind="bar",
                      linewidth=0,
                      stacked=True,
                      ax=axe,
                      legend=False,
                      grid=False,
                      **kwargs)  # make bar plots

    h,l = axe.get_legend_handles_labels() # get the handles we want to modify
    for i in range(0, n_df * n_col, n_col): # len(h) = n_col * n_df
        for j, pa in enumerate(h[i:i+n_col]):
            for rect in pa.patches: # for each index
                rect.set_x(rect.get_x() + 1 / float(n_df + 1) * i / float(n_col))
                rect.set_hatch(H * int(i / n_col)) #edited part     
                rect.set_width(1 / float(n_df + 1))

    axe.set_xticks((np.arange(0, 2 * n_ind, 2) + 1 / float(n_df + 1)) / 2.)
    axe.set_xticklabels(df.index, rotation = 0)
    axe.set_title(title)

    # Add invisible data to add another legend
    n=[]
    for i in range(n_df):
        n.append(axe.bar(0, 0, color="gray", hatch=H * i))

    l1 = axe.legend(h[:n_col], l[:n_col], loc=[1.01, 0.5])
    if labels is not None:
        l2 = plt.legend(n, labels, loc=[1.01, 0.1]) 
    axe.add_artist(l1)
    return axe

# create fake dataframes
df1 = pd.DataFrame(np.random.rand(4, 5),
                   index=["A", "B", "C", "D"],
                   columns=["I", "J", "K", "L", "M"])
df2 = pd.DataFrame(np.random.rand(4, 5),
                   index=["A", "B", "C", "D"],
                   columns=["I", "J", "K", "L", "M"])
df3 = pd.DataFrame(np.random.rand(4, 5),
                   index=["A", "B", "C", "D"],
                   columns=["I", "J", "K", "L", "M"])

# Then, just call :
plot_clustered_stacked([df1, df2, df3],[“df1”, “df2”, “df3”])</code>

使用函数

要使用此函数，请传递数据帧列表作为第一个参数。下一个参数可以是图例的标签列表。 title 参数指定绘图的标题。最后，H 表示用于区分每个数据帧的填充图案。

输出

结果图将显示每个数据帧的并排排列的聚集堆叠条。每个索引的条形图将堆叠在一起，不同的阴影线表示不同的数据帧。

其他功能

自定义颜色：

您可以通过将 cmap 参数传递给plot_clustered_stacked 函数来自定义条形的颜色，该函数采用 matplotlib 颜色图的实例。下面是一个示例：

<code class="python">plot_clustered_stacked([df1, df2, df3], ["df1", "df2", "df3"], cmap=plt.cm.viridis)</code>

结论

这种方法提供了一种简单有效的方法来使用 Pandas 和 Matplotlib 创建聚类堆叠条形图。它允许您以清晰且信息丰富的方式并排可视化多个数据集。通过调整填充图案和颜色，您可以进一步自定义绘图以满足您的特定要求。

以上是如何使用 Pandas 和 Matplotlib 在 Python 中创建聚类堆积条形图？的详细内容。更多信息请关注PHP中文网其他相关文章！