随时间变化的聚集堆积条形图python答案

【问题标题】：Clustered Stacked bar plot over time python随时间变化的聚集堆积条形图python
【发布时间】：2021-10-04 02:11:32
【问题描述】：

我有一个如下的数据框：

   time       type      category   count
2021/01/01   regular       A         2
2021/01/02   new           B         3
2021/01/02   regular       A         5
2021/01/03   new           A         1
... and so on

我想要的是一个聚集的堆积条形图，这样时间在 x 轴上并且是有序的，在 y 轴上的计数，并且该图应该能够讲述特定日期的信息有多少常规类型的 A 类访问（计数）当天的总常客数量和新类型的相同。

为此我假设我们首先需要以某种方式转换数据，以便我们拥有所有计数为零的组合，因此上表中的第一个条目将被转换为四个条目，例如：

   time       type      category   count
2021/01/01   regular       A         2
2021/01/01   regular       B         0
2021/01/01   new           A         0
2021/01/01   new           B         0
... and so on

请指导我如何实现我想要的。我是这个可视化的新手

编辑我可以使用以下方法填写缺失值：

pd.DataFrame({'count' :df.groupby(['time','type','category']).size().unstack(fill_value=0).stack()}).reset_index()

仍然不确定如何在堆叠的多条图中绘制它。如果有比这个情节更好的选择，请提出建议。

【问题讨论】：

标签： python pandas matplotlib seaborn data-visualization

【解决方案1】：

您的期望并不完全清楚（请提供示例，即使只是示意图），但这里有一些示例。

首先，您需要使用pivot 修改一些数据框：

df_pivot = df.pivot(index='time', columns=['type', 'category']).fillna(0)['count']
df_pivot

输出：

type       regular  new     
category         A    B    A
time                        
2021/01/01     2.0  0.0  0.0
2021/01/02     5.0  3.0  0.0
2021/01/03     0.0  0.0  1.0

然后你可以用：

df_pivot.plot.bar(stacked=True)

如果你想确保你拥有所有类别，你需要reindex：

import itertools
idx = itertools.product(df['type'].unique(), df['category'].unique())
df_pivot = df_pivot.reindex(idx, axis=1).fillna(0)
df_pivot.plot.bar(stacked=True)

【讨论】：