条形图中颜色一致

Question

我有一个数据集，其中每一列是一个国家，每一行是一年，我想显示，以便以后建立条形图竞赛，每年排名前 5 的国家以及它们如何随时间变化。

为了做到这一点，我希望每个国家/地区每年都有相同的条形颜色，即使它们在年份之间改变位置。这就是为什么我对数据进行排名并将它们的排名用于 y 位置，而不是对其进行排序。

当我运行以下代码时，前 3 个条形图（1996 年到 1998 年）中的国家颜色是一致的，即使其中一个改变了位置，但从 1999 年到 2001 年，每个国家/地区都会改变颜色，直到 2001 年保持一致。

# Plotting several time periods, with ranking
dates = [1996, 1997, 1998, 1999, 2000, 2001]

# How many elements to show in each graph...
topN = 5

# Plot grid
fig, ax_array = plt.subplots(nrows = 1, ncols = 6, figsize = (10, 2.5), dpi = 144, tight_layout = True)

for ax, date in zip(ax_array, dates):

    # Series with desired date
    s = exp_data_wide.loc[date]
    # Rank every country, then drop NaN values
    s_rank = s.rank(method = 'first').dropna()

    # X and Y values for the graphic
    # Since I've got a large list of countries, and I must avoid sorting the data, I work with the last N values of the rank
    y = s_rank[s_rank >= len(s_rank) - topN]
    x = s[y.index]

    ax.barh (y = y, width = x.values, color = colors, tick_label = x.index)
    ax.set_title(date, fontsize = 'smaller')
    prettify(ax)

例如，我不知道为什么法国条在前三年被绘制为粉红色，然后在 1999 年变为绿色，并在接下来的几年中保持不变。

我需要的是每年用相同的条形颜色绘制每个国家/地区。

你能帮我解决这个问题吗？

Answer 1

更正排名系列条形图中的 Y 值

这里的问题是如何定义和绘制 x 和 y 变量。

y = s_rank[s_rank >= len(s_rank) - topN]

c1    3.0
c2    6.0
c3    2.0
c4    5.0
c5    4.0
c6    1.0
Name: 1996, dtype: float64

x = s[y.index]
c1    3168
c2    6369
c3    2408
c4    5441
c5    5430
c6    1440
Name: 1996, dtype: int64

在本例中，矩形的绘制顺序为 c1, c2,...,c6。所以颜色也按该顺序应用。你想要的是按照你的排名顺序绘制。只需对 y 值进行排序即可解决此问题。

y = s_rank[s_rank >= len(s_rank) - topN].sort_values()

这是一个示例，我设置了 rects[0].set_color('r') 来演示绘图顺序发生了什么。

以下是该解决方案的实施示例。

#generate data
rng = np.random.default_rng(12345)
idx = ['c1','c2','c3','c4','c5','c6']
rng = np.random.default_rng()
exp_data_wide = pd.DataFrame({
    1996: rng.integers(low=500, high=10000, size=6),
    1997: rng.integers(low=500, high=10000, size=6),
    1998: rng.integers(low=500, high=10000, size=6),
    1999: rng.integers(low=500, high=10000, size=6),
    2000: rng.integers(low=500, high=10000, size=6),
    2001: rng.integers(low=500, high=10000, size=6),
}, index=idx)

#set dates, topN, colors
dates = [1996, 1997, 1998, 1999, 2000, 2001]
topN = 5
colors = ['#aaf542','#5c0794','#ae63e0','#a6a2a8','#97b814','#b86314']

fig, ax_array = plt.subplots(nrows = 1, ncols = 6, figsize = (10, 2.5), dpi = 144, tight_layout = True)
for ax, date in zip(ax_array, dates):
    #Apply rank
    s = exp_data_wide[date]
    s_rank = s.rank(method = 'first').dropna()
    #define x/y
    y = s_rank[s_rank >= len(s_rank) - topN].sort_values()
    x = s[y.index]
    #plot
    rects = ax.barh (y = y, width = x.values, color=colors, tick_label = x.index)
    ax.set_title(date, fontsize = 'smaller')
    rects[0].set_color('r')
    #style
    [ax.spines[s].set_visible(False) for s in ['top','right','bottom','left']]
    ax.grid(axis='x', dashes=(8,3), alpha=0.3)
    ax.tick_params(axis='both', left=False, bottom=False)
    ax.set_xlim(0,10000)