如何从宽数据框中在单个图中创建分组条形图

Question

我有以下df：

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

我想绘制（理想情况下，在一个图表中）数据，因此我可以针对每一行（每个名称）分别比较 res1 和 res2。

我已经尝试实现类似的目标，但我想有一个更简单、更优雅的解决方案，它还可以让我将所有内容放在一个图表中，并将名称作为 x 轴上的一个组。

    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

• 这可以使用seaborn.barplot 来完成，或者只使用pandas.DataFrame.plot，这样可以避免额外的导入。
• 注解如How to plot and annotate a grouped bar chart所示
  • 使用.bar_label 添加注释，matplotlib 3.4.2 提供。
  • 该链接还显示了如果使用先前版本的 matplotlib，如何添加注释。
• 使用pandas 1.3.0、matplotlib 3.4.2 和seaborn 0.11.1

与pandas.DataFrame.plot

• 此选项要求将name 作为索引值，或者将res1 和res2 作为索引。

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')

与seaborn.barplot

• 使用pandas.DataFrame.melt 将数据帧从宽格式转换为长格式，然后使用hue 参数。

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')

• 与x='variable', hue='name'

• 与x='name', hue='variable'

Answer 2

数据可以更容易地格式化，但可以通过将数据格式转换为垂直格式并指定条形图来表示为单个图形。

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)

	categ	name	values
0	res1	a	1
1	res1	b	2
2	res1	c	3
3	res2	a	4
4	res2	b	5
5	res2	c	6