python怎样绘制堆叠条形图

发布时间：2021-12-20 09:02:42 作者：柒染
来源：亿速云阅读：198

# Python怎样绘制堆叠条形图

## 概述

堆叠条形图（Stacked Bar Chart）是一种常见的数据可视化方式，它通过将多个数据系列的条形堆叠在一起，展示各部分占总体的比例以及不同类别间的对比关系。Python中可以使用`matplotlib`、`seaborn`、`plotly`等库实现堆叠条形图的绘制。本文将详细介绍如何使用这些工具创建堆叠条形图。

---

## 1. 基础准备

### 1.1 安装必要库
确保已安装以下库：
```bash
pip install matplotlib pandas seaborn plotly

1.2 导入库

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px

1.3 示例数据

生成示例数据用于演示：

data = {
    'Category': ['A', 'B', 'C', 'D'],
    'Value1': [20, 35, 30, 25],
    'Value2': [15, 25, 20, 30],
    'Value3': [10, 15, 25, 20]
}
df = pd.DataFrame(data)

2. 使用Matplotlib绘制堆叠条形图

2.1 基本堆叠条形图

categories = df['Category']
values1 = df['Value1']
values2 = df['Value2']
values3 = df['Value3']

plt.figure(figsize=(10, 6))
plt.bar(categories, values1, label='Value1')
plt.bar(categories, values2, bottom=values1, label='Value2')
plt.bar(categories, values3, bottom=values1+values2, label='Value3')

plt.xlabel('Categories')
plt.ylabel('Values')
plt.title('Stacked Bar Chart with Matplotlib')
plt.legend()
plt.show()

2.2 自定义样式

plt.figure(figsize=(10, 6))
colors = ['#FF9999', '#66B2FF', '#99FF99']
plt.bar(categories, values1, color=colors[0], edgecolor='black', label='Value1')
plt.bar(categories, values2, bottom=values1, color=colors[1], edgecolor='black', label='Value2')
plt.bar(categories, values3, bottom=values1+values2, color=colors[2], edgecolor='black', label='Value3')

plt.xlabel('Categories', fontsize=12)
plt.ylabel('Values', fontsize=12)
plt.title('Customized Stacked Bar Chart', fontsize=14)
plt.legend(loc='upper right')
plt.grid(axis='y', alpha=0.5)
plt.show()

3. 使用Pandas直接绘图

Pandas的DataFrame.plot()方法可以快速生成堆叠条形图：

df.set_index('Category').plot(kind='bar', stacked=True, figsize=(10, 6))
plt.title('Stacked Bar Chart with Pandas')
plt.ylabel('Values')
plt.xticks(rotation=0)
plt.show()

4. 使用Seaborn绘制堆叠条形图

Seaborn本身不直接支持堆叠条形图，但可以通过以下方式实现：

4.1 数据重塑

df_melted = df.melt(id_vars='Category', var_name='Variable', value_name='Value')

4.2 使用`barplot`叠加

plt.figure(figsize=(10, 6))
sns.barplot(x='Category', y='Value', hue='Variable', data=df_melted, dodge=False)
plt.title('Stacked Bar Chart with Seaborn')
plt.show()

注意：此方法实际是透明叠加，如需真正堆叠需手动计算位置。

5. 使用Plotly绘制交互式堆叠条形图

5.1 基础交互图

fig = px.bar(df, x='Category', y=['Value1', 'Value2', 'Value3'], 
             title='Interactive Stacked Bar Chart')
fig.update_layout(barmode='stack')
fig.show()

5.2 高级自定义

fig = px.bar(df, x='Category', y=['Value1', 'Value2', 'Value3'],
             color_discrete_sequence=['#636EFA', '#EF553B', '#00CC96'],
             title='Advanced Stacked Bar Chart',
             labels={'value': 'Total Value'})
fig.update_layout(
    barmode='stack',
    hovermode='x unified',
    legend_title_text='Variables'
)
fig.show()

6. 横向堆叠条形图

只需将bar改为barh：

plt.figure(figsize=(10, 6))
plt.barh(categories, values1, label='Value1')
plt.barh(categories, values2, left=values1, label='Value2')
plt.barh(categories, values3, left=values1+values2, label='Value3')
plt.title('Horizontal Stacked Bar Chart')
plt.legend()
plt.show()

7. 百分比堆叠条形图

7.1 数据预处理

df_percent = df.set_index('Category')
df_percent = df_percent.div(df_percent.sum(axis=1), axis=0) * 100

7.2 绘制图表

df_percent.plot(kind='bar', stacked=True, figsize=(10, 6))
plt.title('100% Stacked Bar Chart')
plt.ylabel('Percentage (%)')
plt.ylim(0, 100)
plt.show()

8. 常见问题与解决方案

8.1 标签重叠

解决方法：调整figsize或使用旋转标签：
```
plt.xticks(rotation=45)
```

8.2 图例覆盖

解决方法：调整图例位置或图表边距：
```
plt.legend(bbox_to_anchor=(1.05, 1))
```

8.3 大数据集性能

对于超过1000条目的数据，建议：
- 使用plotly的WebGL渲染
- 聚合数据后再可视化

9. 应用场景示例

9.1 销售数据可视化

sales_data = pd.DataFrame({
    'Quarter': ['Q1', 'Q2', 'Q3', 'Q4'],
    'Product_A': [230, 145, 180, 210],
    'Product_B': [120, 190, 210, 140],
    'Product_C': [90, 110, 150, 180]
})

sales_data.set_index('Quarter').plot(kind='bar', stacked=True)
plt.title('Quarterly Sales by Product')
plt.ylabel('Revenue (k$)')
plt.show()

9.2 人口结构分析

age_data = pd.DataFrame({
    'Country': ['USA', 'China', 'Japan'],
    '0-14': [18.5, 17.2, 12.4],
    '15-64': [65.3, 70.1, 59.4],
    '65+': [16.2, 12.7, 28.2]
})

fig = px.bar(age_data, x='Country', y=['0-14', '15-64', '65+'],
             title='Population Age Structure')
fig.update_layout(barmode='stack')
fig.show()

10. 总结

本文介绍了多种Python绘制堆叠条形图的方法： 1. Matplotlib：最基础灵活，适合定制化需求 2. Pandas：快速简便，适合DataFrame数据 3. Seaborn：需配合数据重塑，适合统计可视化 4. Plotly：交互式体验，适合网页展示

根据具体需求选择合适工具，堆叠条形图能有效展示构成比例和总量对比，是数据分析中的利器。 “`

该文章包含约1750字，采用Markdown格式编写，覆盖了从基础到高级的堆叠条形图实现方法，并包含代码示例、问题解决和实际应用场景。