在 python 中使用 matplotlib 绘制多个分组条形图

Question

这是我的 10 万行 df 中的几行： data.head()

我的目标是有 4 个分组的条形图（1 行；4 列），其中：

• 每个图表对应一个“产品系列”（我知道我有 4 个，所以我可以制作 4 个 sub-df）
• x轴上的“站点”和“年份” ，
• y 轴中的“总吨数”，我正在尝试获取的条形图示例

我得到的最接近的是有 4 个地块，但一个在另一个之下。 并且代码并不像我想要的那样优雅。

我是初学者，所以这对你来说可能看起来太容易了。 和我一起裸体:)

这是我的代码：

data_A=data_no_dp.loc[data_no_dp['Product family']=='A'][['id','Site','Tonnage','Année']].drop_duplicates('id')
data_B=data_no_dp.loc[data_no_dp['Product family']=='B'][['id','Site','Tonnage','Année']].drop_duplicates('id')
data_C=data_no_dp.loc[(data_no_dp['Product family']=='C') ][['id','Site','Tonnage','Année']].drop_duplicates('id')
data_D=data_no_dp.loc[(data_no_dp['Product family']=='D') ][['id','Site','Tonnage','Année','Product family']].drop_duplicates('id')

data_A_pivot=data_A.groupby(['Site','Année']).sum().unstack()
data_A_pivot=data_A_pivot['Tonnage'].replace(np.nan,0)

data_B_pivot=data_B.groupby(['Site','Année']).sum().unstack()
data_B_pivot=data_B_pivot['Tonnage'].replace(np.nan,0)

data_C_pivot=data_C.groupby(['Site','Année']).sum().unstack()
data_C_pivot=data_C_pivot['Tonnage'].replace(np.nan,0)

data_D_pivot=data_D.groupby(['Site','Année']).sum().unstack()
data_D_pivot=data_D_pivot['Tonnage'].replace(np.nan,0)


#plt.subplots(1,4, sharey=True, figsize= (20,4))

plt.subplot(2,2,1)
ax1=data_A_pivot.plot(kind='bar')
ax2=data_B_pivot.plot(kind='bar')
ax3=data_C_pivot.plot(kind='bar')
ax4=data_D_pivot.plot(kind='bar')

plt.show()

Answer 1

由于没有提供数据，我使用来自seaborn的测试数据绘制了多个图表。 可以使用以下技术解决熊猫图和子图。

import matplotlib.pyplot as plt
# for sample data
import seaborn as sns
tips = sns.load_dataset("tips")
data_A = tips[tips['day'] == 'Sun']
data_B = tips[tips['day'] == 'Sat']
data_C = tips[tips['day'] == 'Thur']
data_D = tips[tips['day'] == 'Fri']
data_A_pivot=data_A.groupby(['time','sex']).sum().unstack().fillna(0)
data_B_pivot=data_B.groupby(['time','sex']).sum().unstack().fillna(0)
data_C_pivot=data_C.groupby(['time','sex']).sum().unstack().fillna(0)
data_D_pivot=data_D.groupby(['time','sex']).sum().unstack().fillna(0)

fig, [ax1,ax2,ax3,ax4] = plt.subplots(nrows=1, ncols=4, figsize=(20,4))

data_A_pivot.plot(kind='bar', ax=ax1)
data_B_pivot.plot(kind='bar', ax=ax2)
data_C_pivot.plot(kind='bar', ax=ax3)
data_D_pivot.plot(kind='bar', ax=ax4)

plt.show()