堆叠分组柱状图尺寸异常、标签模糊及空白图问题求助

• 绘制包含所有周数据的堆叠分组柱状图时，所有数据挤在绘图区域，X轴标签难以辨认
• 设置图表尺寸后出现空白图
• 询问是否有更优的堆叠分组柱状图实现方案

import pandas as pd
import matplotlib.pyplot as plt

# 提供的数据
data = {
    'TYPE': ['a', 'b', 'b', 'a', 'a', 'b', 'a'],
    'PRODUCT': ['Helium', 'Silver', 'Copper', 'Hidrogen', 'Helium', 'Silver', 'Silver'],
    'Amount': [62, 15, 70, 4, 3, 4, 25],
    'WEEK': [1, 1, 1, 1, 2, 2, 1]
}

# 创建DataFrame
df_ini = pd.DataFrame(data)

# 按周和TYPE分组，统计各产品总量
df_pivot = df_ini.pivot_table(
    index=['WEEK','TYPE'],
    columns='PRODUCT',
    values='Amount',
    aggfunc='sum',
    fill_value=0
)

# 绘制柱状图
plt.figure(figsize=(10, 6))
ax = df_pivot.plot(kind='bar', stacked=True)

# 自定义X轴标签
new_labels = [f'{week} / {type}' for week, type in df_pivot.index]
ax.set_xticklabels(new_labels,rotation=45,ha='right')

# 添加标签和标题
plt.title('Claims by week')
plt.xlabel('Week')
plt.ylabel('Claims')
plt.legend(title='Product')
plt.tight_layout()
plt.show()

1. 修复空白图问题 #

空白图是因为plt.figure()先创建了空白画布，而df_pivot.plot()默认会新建独立画布，导致第一个画布无内容。解决方法二选一：

• 将figsize参数直接传入plot()方法
• 先创建画布和轴对象，再指定plot()的ax参数

2. 解决标签拥挤问题 #

当周数与TYPE组合较多时，可通过以下方式优化：

• 增加画布宽度，给X轴标签预留足够空间
• 调整标签旋转角度（如60度或垂直）
• 缩小标签字体大小
• 用tight_layout()确保标签不被裁剪

3. 优化后的代码 #

import pandas as pd
import matplotlib.pyplot as plt

data = {
    'TYPE': ['a', 'b', 'b', 'a', 'a', 'b', 'a'],
    'PRODUCT': ['Helium', 'Silver', 'Copper', 'Hidrogen', 'Helium', 'Silver', 'Silver'],
    'Amount': [62, 15, 70, 4, 3, 4, 25],
    'WEEK': [1, 1, 1, 1, 2, 2, 1]
}

df_ini = pd.DataFrame(data)

df_pivot = df_ini.pivot_table(
    index=['WEEK','TYPE'],
    columns='PRODUCT',
    values='Amount',
    aggfunc='sum',
    fill_value=0
)

# 直接在plot中指定尺寸，避免生成空白画布
ax = df_pivot.plot(kind='bar', stacked=True, figsize=(12, 6))

# 自定义标签，调整字体大小与旋转角度
new_labels = [f'{week} / {type}' for week, type in df_pivot.index]
ax.set_xticklabels(new_labels, rotation=60, ha='right', fontsize=9)

ax.set_title('按周统计的索赔量')
ax.set_xlabel('周 / 类型')
ax.set_ylabel('索赔量')
# 将图例移至图外，节省绘图空间
ax.legend(title='产品', bbox_to_anchor=(1.05, 1), loc='upper left')

plt.tight_layout()
plt.show()

4. 更优实现思路 #

如果数据量较大（周数多），可尝试以下方案：

• 分面展示：用seaborn.FacetGrid按周拆分图表，每周单独展示TYPE的堆叠柱状图，避免X轴过度拥挤
• 交互式图表：使用plotly绘制交互式堆叠柱状图，支持缩放、hover查看详情，更适配大数据量可视化
• 合并分组：若TYPE与周的组合过多，可按周聚合，将TYPE作为堆叠维度，X轴仅保留周数，减少标签数量

内容的提问来源于stack exchange，提问作者Burritodeltodo