如何创建分组和堆叠的条形图

Question

我有一个非常庞大的数据集，其中有很多子公司为不同国家的三个客户群提供服务，如下所示（实际上有更多的子公司和日期）：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame({'subsidiary': ['EU','EU','EU','EU','EU','EU','EU','EU','EU','US','US','US','US','US','US','US','US','US'],'date': ['2019-03','2019-04', '2019-05','2019-03','2019-04', '2019-05','2019-03','2019-04', '2019-05','2019-03','2019-04', '2019-05','2019-03','2019-04', '2019-05','2019-03','2019-04', '2019-05'],'business': ['RETAIL','RETAIL','RETAIL','CORP','CORP','CORP','PUBLIC','PUBLIC','PUBLIC','RETAIL','RETAIL','RETAIL','CORP','CORP','CORP','PUBLIC','PUBLIC','PUBLIC'],'value': [500.36,600.45,700.55,750.66,950.89,1300.13,100.05,120.00,150.01,800.79,900.55,1000,3500.79,5000.36,4500.25,50.17,75.25,90.33]})
print(df)

我想通过生成堆积条形图对每个子公司进行分析。为此，我首先将 x 轴定义为唯一的月份，并在这样的国家/地区为每种业务类型定义一个子集：

x=df['date'].drop_duplicates() 
EUCORP = df[(df['subsidiary']=='EU') & (df['business']=='CORP')] 
EURETAIL = df[(df['subsidiary']=='EU') & (df['business']=='RETAIL')] 
EUPUBLIC = df[(df['subsidiary']=='EU') & (df['business']=='PUBLIC')] 

然后我可以为每种业务类型制作条形图：

plotEUCORP = plt.bar(x=x, height=EUCORP['value'], width=.35)
plotEURETAIL = plt.bar(x=x, height=EURETAIL['value'], width=.35)
plotEUPUBLIC = plt.bar(x=x, height=EUPUBLIC['value'], width=.35)

但是，如果我尝试将所有三个叠加在一个图表中，我总是失败：

plotEURETAIL = plt.bar(x=x, height=EURETAIL['value'], width=.35)
plotEUCORP = plt.bar(x=x, height=EUCORP['value'], width=.35, bottom=EURETAIL)
plotEUPUBLIC = plt.bar(x=x, height=EUPUBLIC['value'], width=.35, bottom=EURETAIL+EUCORP)
plt.show()

我总是收到以下错误消息：

---

ValueError：缺少 StrCategoryConverter 的类别信息；这可能是由于无意中混合了分类数据和数字数据造成的

ConversionError：无法将值转换为轴单位：子公司日期业务价值 0 欧盟 2019-03 零售 500.36 1 欧盟 2019-04 零售 600.45 2 欧盟 2019-05 零售 700.55

---

我尝试将月份转换为日期格式和/或对其进行索引，但它实际上让我更加困惑......

我非常感谢您在以下任何方面的任何帮助/支持，因为我已经花了很多时间来尝试解决这个问题（我仍然是 python 菜鸟，sry）：

1. 如何解决创建堆叠条形图的错误？
2. 假设可以修复错误，这是创建条形图最有效的方法（例如，我真的需要为每个子公司创建三个 sub-dfs，还是有更优雅的方法？）
3. 是否可以编写迭代代码，按国家/地区生成堆积条形图，这样我就不需要为每个子公司创建一个？

Answer 1

• 作为仅供参考，堆叠条形图并不是最佳选择，因为它们会使条形图值的比较变得困难，并且很容易被误解。可视化的目的是以易于理解的格式呈现数据；确保信息清晰。并排栏通常是更好的选择。
• 并排堆叠条形是一个难以手动构建的过程，最好使用像 seaborn.catplot 这样的图形级方法，这将创建一个单一的、易于阅读的数据可视化。
• 条形图刻度位于 0 索引范围（不是日期时间），日期只是标签，因此无需将它们转换为 datetime dtype。
• 在python 3.8.11、pandas 1.3.2、matplotlib 3.4.3、seaborn 0.11.2中测试

seaborn

import seaborn as sns

sns.catplot(kind='bar', data=df, col='subsidiary', x='date', y='value', hue='business')

创建分组和堆叠的条形

• 见Stacked Bar Chart和Grouped bar chart with labels
• 在 OP 中创建堆叠条的问题是 bottom 正在为该组的整个数据框设置，而不仅仅是构成条高度的值。
• 我真的需要为每个子公司创建三个 sub-dfs。是的，每个组都需要一个DataFrame，在这种情况下是 6 个。
  • 可以使用dict-comprehension 将.groupby 对象解压缩到dict 中自动创建数据子集。
    • data = {''.join(k): v for k, v in df.groupby(['subsidiary', 'business'])} 创建 dict 的 DataFrames
    • 访问如下值：data['EUCORP'].value
• 自动化绘图创建更加艰巨，可以看出x 取决于每个刻度有多少条柱线组，bottom 取决于每个后续绘图的值。

import numpy as np
import matplotlib.pyplot as plt

labels=df['date'].drop_duplicates()  # set the dates as labels
x0 = np.arange(len(labels))  # create an array of values for the ticks that can perform arithmetic with width (w)

# create the data groups with a dict comprehension and groupby
data = {''.join(k): v for k, v in df.groupby(['subsidiary', 'business'])}

# build the plots
subs = df.subsidiary.unique()
stacks = len(subs)  # how many stacks in each group for a tick location
business = df.business.unique()

# set the width
w = 0.35

# this needs to be adjusted based on the number of stacks; each location needs to be split into the proper number of locations
x1 = [x0 - w/stacks, x0 + w/stacks]

fig, ax = plt.subplots()
for x, sub in zip(x1, subs):
    bottom = 0
    for bus in business:
        height = data[f'{sub}{bus}'].value.to_numpy()
        ax.bar(x=x, height=height, width=w, bottom=bottom)
        bottom += height
        
ax.set_xticks(x0)
_ = ax.set_xticklabels(labels)

• 如您所见，小值很难辨别，使用 ax.set_yscale('log') 无法像预期的那样处理堆叠条（例如，它不会使小值更具可读性）。

只创建堆叠条形

• 如@r-beginners 所述，使用.pivot 或.pivot_table 将数据框重塑为宽形式，以创建x 轴为元组的堆叠条形（'date'、'subsidiary'）。
  • 如果每个类别没有重复值，请使用 .pivot
  • 如果存在必须与aggfunc 组合的重复值（例如'sum'、'mean' 等），请使用.pivot_table

# reshape the dataframe
dfp = df.pivot(index=['date', 'subsidiary'], columns=['business'], values='value')

# plot stacked bars
dfp.plot(kind='bar', stacked=True, rot=0, figsize=(10, 4))