如何按行计算百分比并注释 100% 堆叠条

Posted 2023-03-27

【中文标题】如何按行计算百分比并注释 100% 堆叠条

【英文标题】：How to calculate percent by row and annotate 100 percent stacked bars

【发布时间】：2022-01-14 11:09:56

【问题描述】：

我需要帮助在从数据框中的交叉表创建的 pandas 堆积条形图的每个部分中添加总数的百分比分布（无小数）。

这里是示例数据：

data = 
    'Name':['Alisa','Bobby','Bobby','Alisa','Bobby','Alisa',
            'Alisa','Bobby','Bobby','Alisa','Bobby','Alisa'],
    'Exam':['Semester 1','Semester 1','Semester 1','Semester 1','Semester 1','Semester 1',
            'Semester 2','Semester 2','Semester 2','Semester 2','Semester 2','Semester 2'],
     
    'Subject':['Mathematics','Mathematics','English','English','Science','Science',
               'Mathematics','Mathematics','English','English','Science','Science'],
   'Result':['Pass','Pass','Fail','Pass','Fail','Pass','Pass','Fail','Fail','Pass','Pass','Fail']
df = pd.DataFrame(data)

# display(df)
     Name        Exam      Subject Result
0   Alisa  Semester 1  Mathematics   Pass
1   Bobby  Semester 1  Mathematics   Pass
2   Bobby  Semester 1      English   Fail
3   Alisa  Semester 1      English   Pass
4   Bobby  Semester 1      Science   Fail
5   Alisa  Semester 1      Science   Pass
6   Alisa  Semester 2  Mathematics   Pass
7   Bobby  Semester 2  Mathematics   Fail
8   Bobby  Semester 2      English   Fail
9   Alisa  Semester 2      English   Pass
10  Bobby  Semester 2      Science   Pass
11  Alisa  Semester 2      Science   Fail

这是我的代码：

#crosstab
pal = ["royalblue", "dodgerblue", "lightskyblue", "lightblue"]
ax= pd.crosstab(df['Name'], df['Subject']).apply(lambda r: r/r.sum()*100, axis=1)
ax.plot.bar(figsize=(10,10),stacked=True, rot=0, color=pal)
display(ax)
    
plt.legend(loc='best', bbox_to_anchor=(0.1, 1.0),title="Subject",)

plt.xlabel('Name')
plt.ylabel('Percent Distribution')

plt.show()

我知道我需要添加 plt.text 一些方法，但无法弄清楚。我希望将总数的百分比嵌入堆叠的条形图中。

【问题讨论】：

这个问题实际上不是重复的，因为它特别询问堆叠

【参考方案1】：

让我们试试吧：

# crosstab
pal = ["royalblue", "dodgerblue", "lightskyblue", "lightblue"]
ax= pd.crosstab(df['Name'], df['Subject']).apply(lambda r: r/r.sum()*100, axis=1)
ax_1 = ax.plot.bar(figsize=(10,10), stacked=True, rot=0, color=pal)
display(ax)

plt.legend(loc='upper center', bbox_to_anchor=(0.1, 1.0), title="Subject")

plt.xlabel('Name')
plt.ylabel('Percent Distribution')

for rec in ax_1.patches:
    height = rec.get_height()
    ax_1.text(rec.get_x() + rec.get_width() / 2, 
              rec.get_y() + height / 2,
              ":.0f%".format(height),
              ha='center', 
              va='bottom')
    
plt.show()

输出：

Subject English Mathematics Science
Name            
Alisa   33.333333   33.333333   33.333333
Bobby   33.333333   33.333333   33.333333

【讨论】：

这部分“f'height:.0f%',”对我来说是一个无效的语法错误。你能帮忙吗？

是的，这是 Python 3.6+ f-string 格式。

试试这个":.0f%".format(height)

成功了！ ":.0f%".format(height) 返回 33%。感谢 Scott 的所有帮助！

【参考方案2】：

来自matplotlib 3.4.2 使用matplotlib.pyplot.bar_label 请参阅此answer，了解有关使用该方法的详细说明以及其他示例。 使用label_type='center'会标注每个段的值，label_type='edge'会标注段的累计总和。 使用pandas.DataFrame.plot 和kind='bar' 和stacked=True 最容易绘制堆叠条形图

以矢量化方式获取百分比

（不带.apply）：

使用pd.crosstab获取频率计数 将ct 与axis=0 除以ct.sum(axis=1) 使用.div 和.sum 指定正确的轴很重要。 乘以 100，然后四舍五入。

最好使用.crosstab 完成此操作，因为它会生成具有正确形状的数据框以绘制堆叠条形图。 .groupby 需要进一步重塑数据框。

在python 3.10、pandas 1.3.4、matplotlib 3.5.0 测试

import pandas as pd
import matplotlib.pyplot as plt

# get a frequency count using crosstab
ct = pd.crosstab(df['Name'], df['Subject'])

# vectorized calculation of the percent per row 
ct = ct.div(ct.sum(axis=1), axis=0).mul(100).round(2)

# display(ct)
Subject  English  Mathematics  Science
Name                                  
Alisa      33.33        33.33    33.33
Bobby      33.33        33.33    33.33

# specify custom colors
pal = ["royalblue", "dodgerblue", "lightskyblue", "lightblue"]

# plot
ax = ct.plot(kind='bar', figsize=(10, 10), stacked=True, rot=0, color=pal, xlabel='Name', ylabel='Percent Distribution')

# move the legend
ax.legend(title='Subject', bbox_to_anchor=(1, 1.02), loc='upper left')

# iterate through each bar container
for c in ax.containers:

    # add the annotations
    ax.bar_label(c, fmt='%0.0f%%', label_type='center')

plt.show()

使用label_type='edge'注解累计和