水平堆积条形图并为每个部分添加标签
- 2025-02-14 09:50:00
- admin 原创
- 49
问题描述：
我正在尝试在 matplotlib 中复制以下图像，这似乎barh是我唯一的选择。不过看起来你不能堆叠barh图表，所以我不知道该怎么做
如果您知道更好的 Python 库来绘制这种东西，请告诉我。
这是我所能想到的开始：
import matplotlib.pyplot as plt; plt.rcdefaults()
import numpy as np
import matplotlib.pyplot as plt
people = ('A','B','C','D','E','F','G','H')
y_pos = np.arange(len(people))
bottomdata = 3 + 10 * np.random.rand(len(people))
topdata = 3 + 10 * np.random.rand(len(people))
fig = plt.figure(figsize=(10,8))
ax = fig.add_subplot(111)
ax.barh(y_pos, bottomdata,color='r',align='center')
ax.barh(y_pos, topdata,color='g',align='center')
ax.set_yticks(y_pos)
ax.set_yticklabels(people)
ax.set_xlabel('Distance')
plt.show()
然后我必须单独添加标签，ax.text这会很繁琐。理想情况下，我只想指定要插入的部分的宽度，然后它会用我选择的字符串更新该部分的中心。外面的标签（例如 3800）我可以稍后自己添加，主要是在条形部分本身上贴标签，并以很好的方式创建这种堆叠方法，我遇到了问题。您甚至可以以任何方式指定“距离”，即颜色跨度吗？
解决方案 1：
编辑 2：针对更多异构数据。（我保留了上述方法，因为我发现使用每个系列相同数量的记录更为常见）
回答问题的两个部分：
a)barh返回一个容器，其中包含它所绘制的所有块的句柄。您可以使用块的坐标来辅助文本位置。
b) 按照我之前提到的问题的这 两个答案（请参阅Matplotlib 中的水平堆积条形图），您可以通过设置“左”输入来水平堆叠条形图。
另外 c) 处理形状不太统一的数据。
下面是处理形状不太均匀的数据的一种方法，即单独处理每个段。
import numpy as np
import matplotlib.pyplot as plt
# some labels for each row
people = ('A','B','C','D','E','F','G','H')
r = len(people)
# how many data points overall (average of 3 per person)
n = r * 3
# which person does each segment belong to?
rows = np.random.randint(0, r, (n,))
# how wide is the segment?
widths = np.random.randint(3,12, n,)
# what label to put on the segment (xrange in py2.7, range for py3)
labels = range(n)
colors ='rgbwmc'
patch_handles = []
fig = plt.figure(figsize=(10,8))
ax = fig.add_subplot(111)
left = np.zeros(r,)
row_counts = np.zeros(r,)
for (r, w, l) in zip(rows, widths, labels):
print r, w, l
patch_handles.append(ax.barh(r, w, align='center', left=left[r],
color=colors[int(row_counts[r]) % len(colors)]))
left[r] += w
row_counts[r] += 1
# we know there is only one patch but could enumerate if expanded
patch = patch_handles[-1][0]
bl = patch.get_xy()
x = 0.5*patch.get_width() + bl[0]
y = 0.5*patch.get_height() + bl[1]
ax.text(x, y, "%d%%" % (l), ha='center',va='center')
y_pos = np.arange(8)
ax.set_yticks(y_pos)
ax.set_yticklabels(people)
ax.set_xlabel('Distance')
plt.show()
这会生成像这样的图表
，其中每个系列中存在不同数量的段。
请注意，由于每个段都使用了对的单独调用，因此这种方法并不是特别有效ax.barh。可能有更有效的方法（例如，通过使用零宽度段或 nan 值填充矩阵），但这可能是特定于问题的，并且是一个独特的问题。
编辑：已更新以回答问题的两个部分。
import numpy as np
import matplotlib.pyplot as plt
people = ('A','B','C','D','E','F','G','H')
segments = 4
# generate some multi-dimensional data & arbitrary labels
data = 3 + 10* np.random.rand(segments, len(people))
percentages = (np.random.randint(5,20, (len(people), segments)))
y_pos = np.arange(len(people))
fig = plt.figure(figsize=(10,8))
ax = fig.add_subplot(111)
colors ='rgbwmc'
patch_handles = []
left = np.zeros(len(people)) # left alignment of data starts at zero
for i, d in enumerate(data):
patch_handles.append(ax.barh(y_pos, d,
color=colors[i%len(colors)], align='center',
left=left))
# accumulate the left-hand offsets
left += d
# go through all of the bar segments and annotate
for j in range(len(patch_handles)):
for i, patch in enumerate(patch_handles[j].get_children()):
bl = patch.get_xy()
x = 0.5*patch.get_width() + bl[0]
y = 0.5*patch.get_height() + bl[1]
ax.text(x,y, "%d%%" % (percentages[i,j]), ha='center')
ax.set_yticks(y_pos)
ax.set_yticklabels(people)
ax.set_xlabel('Distance')
plt.show()
您可以按照以下步骤获得结果（注意：我使用的百分比与条形宽度无关，因为示例中的关系似乎不清楚）：
有关堆叠水平条形图的一些想法，请参阅Matplotlib 中的水平堆叠条形图。
解决方案 2：
导入并测试 DataFrame
已在
python 3.10,pandas 1.4.2,matplotlib 3.5.1,测试seaborn 0.11.2对于垂直堆叠条形图，请参阅带居中标签的堆叠条形图
import pandas as pd
import numpy as np
# create sample data as shown in the OP
np.random.seed(365)
people = ('A','B','C','D','E','F','G','H')
bottomdata = 3 + 10 * np.random.rand(len(people))
topdata = 3 + 10 * np.random.rand(len(people))
# create the dataframe
df = pd.DataFrame({'Female': bottomdata, 'Male': topdata}, index=people)
# display(df)
Female Male
A 12.41 7.42
B 9.42 4.10
C 9.85 7.38
D 8.89 10.53
E 8.44 5.92
F 6.68 11.86
G 10.67 12.97
H 6.05 7.87
更新matplotlib v3.4.2
使用
matplotlib.pyplot.bar_label请参阅如何在条形图上添加值标签以获取更多详细信息和示例
.bar_label。labels = [f'{v.get_width():.2f}%' if v.get_width() > 0 else '' for v in c ]对于 python <3.8，没有赋值表达式 (:=)。
pandas.DataFrame.plot使用绘制kind='barh'
ax = df.plot(kind='barh', stacked=True, figsize=(8, 6))
for c in ax.containers:
# customize the label to account for cases when there might not be a bar section
labels = [f'{w:.2f}%' if (w := v.get_width()) > 0 else '' for v in c ]
# set the bar label
ax.bar_label(c, labels=labels, label_type='center')
# uncomment and use the next line if there are no nan or 0 length sections; just use fmt to add a % (the previous two lines of code are not needed, in this case)
# ax.bar_label(c, fmt='%.2f%%', label_type='center')
# move the legend
ax.legend(bbox_to_anchor=(1.025, 1), loc='upper left', borderaxespad=0.)
# add labels
ax.set_ylabel("People", fontsize=18)
ax.set_xlabel("Percent", fontsize=18)
plt.show()
使用 seaborn
sns.barplot但是，没有堆积条形图的选项，sns.histplot可以sns.displot用来创建水平堆积条形图。seaborn 通常要求数据框采用长格式而不是宽格式，因此使用它
pandas.DataFrame.melt来重塑数据框。
重塑数据框
# convert the dataframe to a long form
df = df.reset_index()
df = df.rename(columns={'index': 'People'})
dfm = df.melt(id_vars='People', var_name='Gender', value_name='Percent')
# display(dfm)
People Gender Percent
0 A Female 12.414557
1 B Female 9.416027
2 C Female 9.846105
3 D Female 8.885621
4 E Female 8.438872
5 F Female 6.680709
6 G Female 10.666258
7 H Female 6.050124
8 A Male 7.420860
9 B Male 4.104433
10 C Male 7.383738
11 D Male 10.526158
12 E Male 5.916262
13 F Male 11.857227
14 G Male 12.966913
15 H Male 7.865684
sns.histplot：轴级图
fig, axe = plt.subplots(figsize=(8, 6))
sns.histplot(data=dfm, y='People', hue='Gender', discrete=True, weights='Percent', multiple='stack', ax=axe)
# iterate through each set of containers
for c in axe.containers:
# add bar annotations
axe.bar_label(c, fmt='%.2f%%', label_type='center')
axe.set_xlabel('Percent')
plt.show()
sns.displot：图形级图
g = sns.displot(data=dfm, y='People', hue='Gender', discrete=True, weights='Percent', multiple='stack', height=6)
# iterate through each facet / supbplot
for axe in g.axes.flat:
# iteate through each set of containers
for c in axe.containers:
# add the bar annotations
axe.bar_label(c, fmt='%.2f%%', label_type='center')
axe.set_xlabel('Percent')
plt.show()
原始答案-之前matplotlib v3.4.2
绘制水平或垂直堆叠条形图的最简单方法是将数据加载到
pandas.DataFrame这将绘制和正确注释，即使所有类别（
'People'）都没有所有段（例如某些值为 0 或NaN）
一旦数据进入数据框：
更容易操纵和分析
可以使用引擎绘制它
matplotlib，使用：pandas.DataFrame.plot.barhlabel_text = f'{width}'用于注释
pandas.DataFrame.plot.barlabel_text = f'{height}'用于注释SO：带居中标签的垂直堆积条形图
这些方法返回其中的一个
matplotlib.axes.Axes或一个。numpy.ndarray使用该
.patches方法解包一个对象列表matplotlib.patches.Rectangle，堆叠条形图的每个部分对应一个对象。每种
.Rectangle方法都有提取定义矩形的各种值的方法。每个
.Rectangle都是从左到右、从下到上的顺序，因此.Rectangle在迭代时，每个级别的所有对象都按顺序出现.patches。
标签使用f 字符串,制作
label_text = f'{width:.2f}%'，因此可以根据需要添加任何其他文本。
绘图和注释
绘制条形图，占 1 条线，其余部分注释矩形
# plot the dataframe with 1 line
ax = df.plot.barh(stacked=True, figsize=(8, 6))
# .patches is everything inside of the chart
for rect in ax.patches:
# Find where everything is located
height = rect.get_height()
width = rect.get_width()
x = rect.get_x()
y = rect.get_y()
# The height of the bar is the data value and can be used as the label
label_text = f'{width:.2f}%' # f'{width:.2f}' to format decimal values
# ax.text(x, y, text)
label_x = x + width / 2
label_y = y + height / 2
# only plot labels greater than given width
if width > 0:
ax.text(label_x, label_y, label_text, ha='center', va='center', fontsize=8)
# move the legend
ax.legend(bbox_to_anchor=(1.05, 1), loc='upper left', borderaxespad=0.)
# add labels
ax.set_ylabel("People", fontsize=18)
ax.set_xlabel("Percent", fontsize=18)
plt.show()
缺失片段的示例
# set one of the dataframe values to 0
df.iloc[4, 1] = 0
请注意，注释全部位于正确的位置
df。
解决方案 3：
对于这种情况，上述答案非常有效。我遇到的问题是，我经常需要在多子图图中绘制堆叠条形图，其中包含许多值，而这些值的振幅往往非常不均匀，我在网上找不到即插即用的解决方案。
（注意：我通常使用 pandas 数据框和 matplotlib。我无法使 matplotlib 的 bar_label() 方法一直起作用。）
因此，我只是给出了一种临时但易于推广的解决方案。在此示例中，我使用的是单行数据框（用于每小时的电力交换监控目的），因此，我的数据框 (df) 只有一行。
（我提供了一个示例图来展示这在非常密集的图中如何有用）
''' 此实现生成一个堆叠的水平条形图。
df --> pandas 数据框。列用作迭代器，并且仅使用每列的第一个值。
瀑布-->布尔值：如果为 True，则除了堆栈方向之外，还会添加垂直偏移。
cyclic_offset_x --> 列表（任意长度）或无：循环遍历这些值以用作 x 偏移像素。
cyclic_offset_y --> 列表（任意长度）或无：循环遍历这些值以用作 y 偏移像素。
ax --> matplotlib Axes，或 None：如果为 None，则创建一个新的轴和图形。'''
def magic_stacked_bar(df, waterfall=False, cyclic_offset_x=None, cyclic_offset_y=None, ax=None):
if isinstance(cyclic_offset_x, type(None)):
cyclic_offset_x = [0, 0]
if isinstance(cyclic_offset_y, type(None)):
cyclic_offset_y = [0, 0]
ax0 = ax
if isinstance(ax, type(None)):
fig, ax = plt.subplots()
fig.set_size_inches(19, 10)
cycler = 0;
prev = 0 # summation variable to make it stacked
for c in df.columns:
if waterfall:
y = c ; label = "" # bidirectional stack
else:
y = 0; label = c # unidirectional stack
ax.barh(y=y, width=df[c].values[0], height=1, left=prev, label = label)
prev += df[c].values[0] # add to sum-stack
offset_x = cyclic_offset_x[divmod(cycler, len(cyclic_offset_x))[1]]
offset_y = cyclic_offset_y[divmod(cycler, len(cyclic_offset_y))[1]]
ax.annotate(text="{}".format(int(df[c].values[0])), xy=(prev - df[c].values / 2, y),
xytext=(offset_x, offset_y), textcoords='offset pixels',
ha='center', va='top', fontsize=8,
arrowprops=dict(facecolor='black', shrink=0.01, width=0.3, headwidth=0.3),
bbox=dict(boxstyle='round', facecolor='grey', alpha=0.5))
cycler += 1
if not waterfall:
ax.legend() # if waterfall, the index annotates the columns. If
# waterfall ==False, the legend annotates the columns
if isinstance(ax0, type(None)):
ax.set_title("Voi la")
ax.set_xlabel("UltraWatts")
plt.show()
else:
return ax
'''（有时，它更加繁琐，需要一些自定义功能才能使标签看起来良好。
'''
A, B = 80,80
n_units = df.shape[1]
cyclic_offset_x = -A*np.cos(2*np.pi / (2*n_units) *np.arange(n_units))
cyclic_offset_y = B*np.sin(2*np.pi / (2*n_units) * np.arange(n_units)) + B/2
