Plotly:如何对条形图上显示的“文本”值求和?
Posted
技术标签:
【中文标题】Plotly:如何对条形图上显示的“文本”值求和?【英文标题】:Plotly: how to sum the "text" values displayed on a bar chart? 【发布时间】:2020-09-28 20:33:00 【问题描述】:我正在Plotly Express
中创建一个条形图,并想对图中显示的“文本”值求和。
我的数据如下:
import plotly.express as px
import pandas as pd
df = pd.DataFrame('Make':['Mercedes', 'BMW', 'Mercedes', 'Mercedes', 'Chrysler', 'Chrysler', 'Chrysler', 'Chrysler', 'BMW', 'Chrysler', 'BMW', 'Mercedes', 'BMW', 'Mercedes'],
'Dimension':['Styling', 'Styling', 'Price', 'Styling', 'MPG', 'MPG', 'Styling', 'Styling', 'MPG', 'MPG', 'Price', 'Price', 'Styling', 'MPG'],
'Country':['USA', 'USA', 'USA', 'Germany', 'USA', 'USA', 'USA', 'England', 'Germany', 'USA', 'Germany', 'Poland', 'Italy', 'USA'],
'LowValue':['64', '61', '70', '65', '59', '68', '63', '57', '58', '55', '69', '63', '69', '61'],
'HighValue':['82', '95', '93', '95', '87', '93', '85', '85', '95', '92', '83', '87', '80', '80'])
我使用以下方法在Plotly Express
中绘制这些数据:
px.bar(df, x='Make', y='LowValue', color='Dimension',
barmode='group', text='LowValue')
如您所见,Mercedes 的 Styling
条显示两个值:65 和 64(因为它们是基础数据点)。
问题:有没有办法将基础数据合并为单个值并仅显示该单个总和值?
例如,在梅赛德斯的Styling
栏顶部显示 129(基础数据点的总和)(而不是显示 65 和 64)。
谢谢!
【问题讨论】:
只是为了澄清你想在顶部显示 64、65 和 129 吗? 不,我不想显示 64 和 65。我只想在条形顶部显示总和值。 在我看来,没有一种简单的方法可以做到这一点,您应该为每个“偏移组”使用注释和偏移量 【参考方案1】:在创建条形图之前,您可以使用 pandas groupby()
通过 Make
和 Dimension
计算 LowValue
的总数:
import plotly.express as px
import pandas as pd
df = pd.DataFrame('Make': ['Mercedes', 'BMW', 'Mercedes', 'Mercedes', 'Chrysler', 'Chrysler', 'Chrysler', 'Chrysler', 'BMW', 'Chrysler', 'BMW', 'Mercedes', 'BMW', 'Mercedes'],
'Dimension': ['Styling', 'Styling', 'Price', 'Styling', 'MPG', 'MPG', 'Styling', 'Styling', 'MPG', 'MPG', 'Price', 'Price', 'Styling', 'MPG'],
'Country': ['USA', 'USA', 'USA', 'Germany', 'USA', 'USA', 'USA', 'England', 'Germany', 'USA', 'Germany', 'Poland', 'Italy', 'USA'],
'LowValue': ['64', '61', '70', '65', '59', '68', '63', '57', '58', '55', '69', '63', '69', '61'],
'HighValue': ['82', '95', '93', '95', '87', '93', '85', '85', '95', '92', '83', '87', '80', '80'])
df['LowValue'] = df['LowValue'].astype(int)
df1 = pd.DataFrame(df.groupby(by=['Make', 'Dimension'])['LowValue'].sum())
df1.reset_index(inplace=True)
fig = px.bar(df1, x='Make', y='LowValue', color='Dimension', barmode='group', text='LowValue')
fig.show()
【讨论】:
但是这样你就错过了堆叠的条形图。 @rpanai - 不需要堆叠条。事实上,底层数据包含每个条形图的数百个数据点,绘制时会造成混乱。 谢谢你,@gflavia。使用 groupby() 效果非常好。 @equanimity 在这种情况下,您应该编辑您的问题。从实际问题来看,您希望更改注释以保持您使用的绘图格式。【参考方案2】:我想有办法只要你愿意修改你原来的df
数据样本
import plotly.express as px
import numpy as np
import pandas as pd
df = pd.DataFrame('Make':['Mercedes', 'BMW', 'Mercedes', 'Mercedes', 'Chrysler', 'Chrysler', 'Chrysler', 'Chrysler', 'BMW', 'Chrysler', 'BMW', 'Mercedes', 'BMW', 'Mercedes'],
'Dimension':['Styling', 'Styling', 'Price', 'Styling', 'MPG', 'MPG', 'Styling', 'Styling', 'MPG', 'MPG', 'Price', 'Price', 'Styling', 'MPG'],
'Country':['USA', 'USA', 'USA', 'Germany', 'USA', 'USA', 'USA', 'England', 'Germany', 'USA', 'Germany', 'Poland', 'Italy', 'USA'],
'LowValue':['64', '61', '70', '65', '59', '68', '63', '57', '58', '55', '69', '63', '69', '61'],
'HighValue':['82', '95', '93', '95', '87', '93', '85', '85', '95', '92', '83', '87', '80', '80'])
# we better use int here
df[["LowValue", "HighValue"]] = df[["LowValue", "HighValue"]].astype(int)
排列数据
现在你想得到 LowValue
的总和,但因为你只想显示一个你需要玩一点
df["LowValueSum"] = df.groupby(["Make", "Dimension"])["LowValue"]\
.transform(sum)
# Here we consider the latest index within the goupby only
df["idx_max"] = df.groupby(["Make", "Dimension"])["LowValueSum"]\
.transform(lambda x: x.index.max())
df.loc[df["idx_max"] != df.index, "LowValueSum"] = np.nan
# now you can eventually drop the previous colums
# df = df.drop("idx_max", axis=1)
情节
fig = px.bar(df,
x='Make',
y='LowValue',
color='Dimension',
barmode='group',
text='LowValueSum',
hover_data="Country":True,
"Dimension":False,
"Make":False,
hover_name="Dimension")
fig.update_traces(textposition="outside")
更新鉴于182
看起来非常接近上限,您最终可以添加这一行
fig.update_yaxes(range=[0, df["LowValueSum"].max() * 1.2])
【讨论】:
以上是关于Plotly:如何对条形图上显示的“文本”值求和?的主要内容,如果未能解决你的问题,请参考以下文章