如何从宽数据框中的单个图形中创建分组条形图

Question

我有以下 df：

test_df = pd.DataFrame({'name': ['a', 'b', 'c'], 'res1': [1,2,3], 'res2': [4,5,6]})

我想绘制（理想情况下，在一个图表中）数据，因此我可以分别比较每行（每个名称）的 res1 和 res2 。

我试图实现类似的东西，但我想有一个更简单、更优雅的解决方案，它也可以让我将所有内容都放在一个图表中，名称为 x 轴上的一个组。

    plt.subplot(1, 3, i+1)
    sns.barplot(x=test_df.iloc[i,1:].index.tolist(), y=test_df.iloc[i,1:].values.tolist())
    plt.title(test_df.iloc[i,0])

Answer 1

数据可以更容易地格式化，但可以通过将数据格式转换为垂直格式并指定条形图来将其表示为单个图形。

import pandas as pd
import seaborn as sns

test_df = pd.DataFrame({'name': ['a', 'b', 'c'], 'res1': [1,2,3], 'res2': [4,5,6]})
df = test_df.set_index('name').unstack().to_frame(name='values')
df.reset_index(inplace=True)
df.rename(columns={'level_0':'categ'}, inplace=True)
sns.barplot(x='name', y='values', hue='categ', data=df)

	类别	名称	价值观
0	资源 1	一种	1
1	资源 1	乙	2
2	资源 1	C	3
3	资源2	一种	4
4	资源2	乙	5
5	资源2	C	6

Answer 2

• 这可以通过seaborn.barplot或仅使用pandas.DataFrame.plot来pandas.DataFrame.plot ，这避免了额外的导入。
• 如如何绘制和注释分组条形图所示进行注释
  • 添加带有.bar_label注释，可用于matplotlib 3.4.2 。
  • 该链接还显示了如何在使用以前版本的matplotlib添加注释。
• 使用pandas 1.3.0 、 matplotlib 3.4.2和seaborn 0.11.1

使用pandas.DataFrame.plot

• 此选项需要将name作为索引值，或res1和res2作为索引。

import pandas as pd

test_df = pd.DataFrame({'name': ['a', 'b', 'c'], 'res1': [1,2,3], 'res2': [4,5,6]})

# display(test_df)
  name  res1  res2
0    a     1     4
1    b     2     5
2    c     3     6

# set name as the index
test_df.set_index('name', inplace=True)

# display(test_df)
      res1  res2
name            
a        1     4
b        2     5
c        3     6

# plot and annotate
p1 = test_df.plot(kind='bar', rot=0)

for p in p1.containers:
    p1.bar_label(p, fmt='%.1f', label_type='edge')

import pandas as pd

test_df = pd.DataFrame({'name': ['a', 'b', 'c'], 'res1': [1,2,3], 'res2': [4,5,6]})

# set name as the index and then Transpose the dataframe
test_df = test_df.set_index('name').T

# display(test_df)
name  a  b  c
res1  1  2  3
res2  4  5  6

# plot and annotate
p1 = test_df.plot(kind='bar', rot=0)

for p in p1.containers:
    p1.bar_label(p, fmt='%.1f', label_type='edge')

使用seaborn.barplot

• 从广泛的转换数据帧与长格式pandas.DataFrame.melt ，然后使用hue参数。

import pandas as pd
import seaborn as sns

test_df = pd.DataFrame({'name': ['a', 'b', 'c'], 'res1': [1,2,3], 'res2': [4,5,6]})

# melt the dataframe into a long form
test_df = test_df.melt(id_vars='name')

# display(test_df.head())
  name variable  value
0    a     res1      1
1    b     res1      2
2    c     res1      3
3    a     res2      4
4    b     res2      5

# plot the barplot using hue; switch the columns assigned to x and hue if you want a, b, and c on the x-axis.
p1 = sns.barplot(data=test_df, x='variable', y='value', hue='name')

# add annotations
for p in p1.containers:
    p1.bar_label(p, fmt='%.1f', label_type='edge')

• 随着x='variable', hue='name'

• 随着x='name', hue='variable'