如何從寬數據框中的單個圖形中創建分組條形圖

Question

我有以下 df：

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

我想繪制（理想情況下，在一個圖表中）數據，因此我可以分別比較每行（每個名稱）的 res1 和 res2 。

我試圖實現類似的東西，但我想有一個更簡單、更優雅的解決方案，它也可以讓我將所有內容都放在一個圖表中，名稱為 x 軸上的一個組。

    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

數據可以更容易地格式化，但可以通過將數據格式轉換為垂直格式並指定條形圖來將其表示為單個圖形。

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)

	類別	名稱	價值觀
0	資源 1	一種	1
1	資源 1	乙	2
2	資源 1	C	3
3	資源2	一種	4
4	資源2	乙	5
5	資源2	C	6

Answer 2

• 這可以通過seaborn.barplot或僅使用pandas.DataFrame.plot來pandas.DataFrame.plot ，這避免了額外的導入。
• 如如何繪制和注釋分組條形圖所示進行注釋
  • 添加帶有.bar_label注釋，可用於matplotlib 3.4.2 。
  • 該鏈接還顯示了如何在使用以前版本的matplotlib添加注釋。
• 使用pandas 1.3.0 、 matplotlib 3.4.2和seaborn 0.11.1

使用pandas.DataFrame.plot

• 此選項需要將name作為索引值，或res1和res2作為索引。

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

• 從廣泛的轉換數據幀與長格式pandas.DataFrame.melt ，然后使用hue參數。

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')

• 隨着x='variable', hue='name'

• 隨着x='name', hue='variable'