如何在Matplotlib中展示DataFrame的前5行、后5行及自定义指定行的条形图

当然可以实现这个需求！而且完全能避开全量750行数据带来的冗余问题——核心思路是精准筛选出你需要的三类数据，拼接成一个小型DataFrame后再绘图，这样就不会出现额外空白条目了。

具体步骤&代码示例 #

假设你的原始DataFrame包含Name（条目名称）和Score（分数，1为最高）两列，咱们可以按以下步骤操作：

1. 定义需要展示的条目集合：直接用你给出的明确条目名称，避免排序可能带来的并列值干扰
2. 分别筛选三类数据：前5高分、指定条目Beetle、后5低分
3. 拼接并清理数据：确保没有NaN值（你已经处理过NaN问题，这里可以再加一层保障）
4. 绘制条形图：给不同类别的条形设置区分颜色，添加数值标签让结果更清晰

import pandas as pd
import matplotlib.pyplot as plt

# 假设你的原始DataFrame名为df
# 定义需要展示的三类条目
top_high_score = ['Dog', 'Pig', 'Chicken', 'Cat', 'Fox']
specified_entry = ['Beetle']
top_low_score = ['Tiger', 'Lion', 'Zebra', 'Gorilla', 'Seahorse']

# 精准筛选对应数据
df_top = df[df['Name'].isin(top_high_score)]
df_specified = df[df['Name'].isin(specified_entry)]
df_bottom = df[df['Name'].isin(top_low_score)]

# 拼接成新的DataFrame，重置索引避免混乱
combined_df = pd.concat([df_top, df_specified, df_bottom]).reset_index(drop=True)

# 再次确保没有NaN值（防止遗漏）
combined_df = combined_df.dropna(subset=['Name', 'Score'])

# 绘制条形图
plt.figure(figsize=(12, 6))
# 给三类数据设置不同颜色：前5绿色，指定条目橙色，后5红色
bar_colors = ['#2ecc71']*5 + ['#f39c12'] + ['#e74c3c']*5
bars = plt.bar(combined_df['Name'], combined_df['Score'], color=bar_colors)

# 给每个条形添加数值标签
for bar in bars:
    bar_height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2, bar_height,
             f'{bar_height:.2f}',
             ha='center', va='bottom', fontsize=10)

# 设置图表样式
plt.title('Selected Entries Score Comparison', fontsize=14, pad=15)
plt.xlabel('Entry Name', fontsize=12)
plt.ylabel('Score (1 = Highest)', fontsize=12)
plt.xticks(rotation=45, ha='right')
plt.tight_layout()  # 自动调整布局，避免标签被截断
plt.show()

关于之前的额外条目问题 #

你提到的图表右侧出现空白条目，确实大概率是因为拼接时带入了含NaN值的行——全量DataFrame里的NaN行在concat时会被保留，导致绘图时出现无内容的空白条形。现在用isin()精准筛选需要的条目，再加上dropna()的双重保障，就完全能避免这个问题了。

内容的提问来源于stack exchange，提问作者Aemonar