基于Python中pandas groupby实现按位置分组的多柱状图绘制

当然可以！用Pandas的groupby配合Matplotlib或者Seaborn，几行代码就能搞定按location生成三个柱状图的需求，完全符合你要的「每个日期对应一个柱子」的要求。下面给你两种实用的实现方式：

方法一：Matplotlib + Pandas Groupby（灵活可控） #

这种方式手动创建子图并遍历分组，能更细致地控制图表样式：

import pandas as pd
import matplotlib.pyplot as plt

# 初始化并预处理数据
data = {"location": ["USA", "USA", "USA", "UK", "UK", "UK", "World", "World", "World"], 
        "date": ["21-06-2021", "22-06-2021", "23-06-2021", "21-06-2021", "22-06-2021", "23-06-2021", "21-06-2021", "22-06-2021", "23-06-2021"], 
        "number": [456, 543, 675, 543, 765, 345, 654, 345, 654]}
df = pd.DataFrame(data, columns=['location','date','number'])
df["date"] = pd.to_datetime(df["date"], format="%d-%m-%Y")  # 指定日期格式避免解析错误

# 创建1行3列的子图布局，设置合适尺寸
fig, axes = plt.subplots(nrows=1, ncols=3, figsize=(15, 5))

# 遍历每个location分组，在对应子图绘制柱状图
for (location, group), ax in zip(df.groupby('location'), axes.flatten()):
    ax.bar(group['date'], group['number'], color='skyblue')
    ax.set_title(f'Number by Date - {location}')
    ax.set_xlabel('Date')
    ax.set_ylabel('Number')
    ax.tick_params(axis='x', rotation=45)  # 旋转日期标签，避免重叠
    
plt.tight_layout()  # 自动调整子图间距，优化显示效果
plt.show()

关键说明： #

• df.groupby('location')自动将数据按位置拆分成3个分组，无需手动筛选每个location
• axes.flatten()把子图数组转换成一维，方便和分组一一对应
• 旋转X轴标签、设置标题等细节让图表更易读

方法二：Seaborn Catplot（极简高效） #

如果你想少写代码，Seaborn的catplot能一键生成符合要求的图表，代码更简洁：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 数据预处理同上
data = {"location": ["USA", "USA", "USA", "UK", "UK", "UK", "World", "World", "World"], 
        "date": ["21-06-2021", "22-06-2021", "23-06-2021", "21-06-2021", "22-06-2021", "23-06-2021", "21-06-2021", "22-06-2021", "23-06-2021"], 
        "number": [456, 543, 675, 543, 765, 345, 654, 345, 654]}
df = pd.DataFrame(data, columns=['location','date','number'])
df["date"] = pd.to_datetime(df["date"], format="%d-%m-%Y")

# 一行代码生成三个柱状图
sns.catplot(data=df, x='date', y='number', col='location', kind='bar', height=4, aspect=1.2)
plt.tick_params(axis='x', rotation=45)
plt.tight_layout()
plt.show()

关键说明： #

• col='location'直接告诉Seaborn按location拆分图表，自动生成子图
• kind='bar'指定绘制柱状图，完美匹配你的需求
• height和aspect参数可以快速调整每个子图的大小

两种方法都能高效实现你的需求，Matplotlib适合需要自定义样式的场景，Seaborn适合快速出图。

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