Clustering Stacked Bars in Pandas und Matplotlib
Einführung
Dieser Artikel befasst sich mit dem Problem von Erstellen gestapelter Balkendiagramme mit gruppierten Balken für mehrere Datenrahmen mit demselben Index und denselben Spalten. Ziel ist es, gruppierte gestapelte Balken pro Index zu haben, um Klarheit in der Visualisierung zu gewährleisten.
Verwendung von Pandas und Matplotlib
Die Lösung nutzt die Funktionen der Pandas- und Matplotlib-Bibliotheken. Hier ist der Code:
<code class="python">import pandas as pd
import matplotlib.cm as cm
import matplotlib.pyplot as plt
def plot_clustered_stacked(dfall, labels=None, title="multiple stacked bar plot"):
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)
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("/" * 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="/" * i))
l1 = axe.legend(h[:n_col], l[:n_col])
if labels is not None:
l2 = plt.legend(n, labels)
axe.add_artist(l1)
return axe</code>Um diese Funktion zu verwenden, übergeben Sie einfach eine Liste von Datenrahmen und optionalen Argumenten wie Beschriftungen und Titel. Es werden gruppierte gestapelte Balken mit Schraffuren zur Unterscheidung der Datenrahmen erstellt.
Beispiel
Hier ist ein Beispiel für die Verwendung dieser Funktion:
<code class="python"># 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"])
# plot clustered stacked bar
plot_clustered_stacked([df1, df2, df3], ["df1", "df2", "df3"])</code>Zusätzliche Funktionen
Sie können die Farben der Balken anpassen, indem Sie ein cmap-Argument übergeben:
<code class="python">plot_clustered_stacked([df1, df2, df3], ["df1", "df2", "df3"], cmap=plt.cm.viridis)</code>
Fazit
Diese Lösung bietet eine flexible und bequeme Möglichkeit, gruppierte gestapelte Balkendiagramme zu erstellen. Sie können den Code ganz einfach ändern, um ihn an die spezifischen Anforderungen Ihrer Datenvisualisierung anzupassen.
Das obige ist der detaillierte Inhalt vonWie erstelle ich geclusterte gestapelte Balkendiagramme in Pandas und Matplotlib?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
403verbotene Lösung
Welche Kodierung wird in einem Computer zur Verarbeitung von Daten und Anweisungen verwendet?
Was bedeutet STO in der Blockchain?
Lösung für Ordner-Exe-Viren
So lösen Sie das Problem, dass der Scanf-Rückgabewert ignoriert wird
Verwendung in C-Sprache behoben
So ändern Sie die Hosts-Datei
So löschen Sie Array-Elemente in JavaScript
![[Web-Frontend] Node.js-Schnellstart](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
