使用pandas.Dataframe.plot將條形圖的顏色調整為紅色（負色）和綠色（正色）

Question

我正在使用pd.DataFrame.plot（）可視化多個品牌之間的％YoY變化。 我不確定如何訪問每個子圖並將> = 0的值設置為綠色，<0的值設置為紅色。 我想避免不得不在無花果，斧頭中拆分代碼。 想知道是否有一種方法可以將其包含在df.plot（）的參數中。

data= {'A': [np.nan, -0.5, 0.5], 
       'B': [np.nan, 0.3, -0.3],
       'C': [np.nan, -0.7, 0.7],
       'D': [np.nan, -0.1, 1]}
df = pd.DataFrame(data=data, index=['2016', '2017', '2018'])`
df.plot(kind='bar', subplots=True, sharey=True, layout=(2,2), legend=False,
        grid=False, colormap='RdBu')

我嘗試使用顏色圖，但是它不會將各個條設置為不同的顏色，而是將每個子圖設置為不同的顏色。 我確定我想念什么。 任何幫助表示贊賞。

2x2子圖的示例

Answer 1

您可以使用以下策略：

• 使用sharey=True使用matplotlib創建具有子圖的圖形對象
• 循環遍歷DataFrame列，並將綠色/紅色分配給該值， 如此答案所示
• 傳遞給定的子圖以使用ax=ax繪制特定列

---

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

fig, axes = plt.subplots(ncols=3, sharey=True)

data= {'A': [np.nan, -0.5, 0.5], 
       'B': [np.nan, 0.3, -0.3],
       'C': [np.nan, -0.7, 0.7]}
df = pd.DataFrame(data=data, index=['2016', '2017', '2018'])

for ax, col in zip(axes, df.columns):
    df[col].plot(kind='bar', color=(df[col] > 0).map({True: 'g', False: 'r'}), ax=ax)
    ax.set_title(col)
plt.show()

Answer 2

解決如下

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

fig, axes = plt.subplots(nrows=2, ncols=2, sharey=True)

data= {'A': [np.nan, -0.5, 0.5], 
       'B': [np.nan, 0.3, -0.3],
       'C': [np.nan, -0.7, 0.7],
       'D': [np.nan, -1, 1]}
df = pd.DataFrame(data=data, index=['2016', '2017', '2018'])

for i, col in enumerate(df.columns):
     df[col].plot(kind='bar', color=(df[col] > 0).map({True: 'g', False: 'r'}), 
     ax=axes[i // 2][i % 2], sharex=True, sharey=True, grid=False)
axes[i // 2][i % 2].set_title(col)
plt.show()

解決方案示例