情节堆积条形图熊猫数据框

Posted 2023-03-12

技术标签:

【中文标题】情节堆积条形图熊猫数据框【英文标题】：Plotly stacked bar chart pandas dataframe 【发布时间】：2019-08-03 22:07:19 【问题描述】：

我有一个包含不同列数的数据框。具有正值和负值。是否可以在数据框中制作包含所有这些列的堆叠条形图？

    A    B     C
0   34   34    -12
1   34   223   -12
2  34    56    -12
3   34   86    -12
4   56   86    -12
5   56   43    -12
6   78   34    -12

【问题讨论】：

【参考方案1】：

现在可以通过using plotly as plotting backend 直接使用 pandas 制作堆积条形图。

pd.options.plotting.backend = 'plotly'
fig = df.plot(kind='bar')

【讨论】：

【参考方案2】：

（更新了 plotly 版本的答案）

使用px.bar 将直接为您提供堆积条形图。如果您的条形图由于某种原因没有堆叠，请尝试：

fig.update_layout(barmode='stack')

完整代码：

import pandas as pd
import plotly.express as px

# data
df = pd.DataFrame('A': 0: 34, 1: 34, 2: 34, 3: 34, 4: 56, 5: 56, 6: 78,
                     'B': 0: 34, 1: 223, 2: 56, 3: 86, 4: 86, 5: 43, 6: 34,
                     'C': 0: -12, 1: -12, 2: -12, 3: -12, 4: -12, 5: -12, 6: -12)

colors = px.colors.qualitative.T10

# plotly
fig = px.bar(df, 
             x = df.index,
             y = [c for c in df.columns],
             template = 'plotly_dark',
             color_discrete_sequence = colors,
             title = 'Stacked bar chart using px.bar()', 
             )

fig.show()

旧答案：

这是在 Jupyter Notebook 中离线使用 plotly 的堆积条形图。只需确保您已安装imports 下列出的软件包。 df = cf.datagen.lines() 使用来自袖扣的样本数据生成 pandas 数据框。

情节堆积条形图：

可重现的 sn-p：

# imports
import plotly
import cufflinks as cf
from plotly.offline import download_plotlyjs, init_notebook_mode, plot, iplot
import pandas as pd
import numpy as np

# setup
init_notebook_mode(connected=True)
np.random.seed(123)
cf.set_config_file(theme='pearl')

# qtconsole for debugging
#%qtconsole --style vim #src# https://qtconsole.readthedocs.io/en/stable/

# Random data using cufflinks
df = cf.datagen.lines()
df = df[['UUN.XY', 'MJF.XV', 'XBB.AO']].head(50)
df=np.abs(df)

# make figure
fig = df.iplot(asFigure=True, kind='bar', barmode = 'stack',
               xTitle='Dates',yTitle='Returns',title='Returns')

# plot figure
iplot(fig)

编辑 - 用负值测试

没有df=np.abs(df)这一行运行同样的事情

【讨论】：

【参考方案3】：

这里也可以使用 Pandas DataFrame 的plot。