使用hvplot时，如何移除Bokeh图表中的空分类？

我需要绘制包含**分类（category）和子分类（subcategory）**的非堆叠条形图，要求当分类对应数值（value）不存在时，不显示该分类。但当前生成的图表里，B分类的X子分类、C分类的Y子分类位置是空的（无数据却保留了分类标签占位），示例代码和问题如下：

示例代码 #

import pandas as pd
import hvplot.pandas

df = pd.DataFrame({
    'category': ['A', 'A', 'B', 'B', 'C', 'C'],
    'subcategory': ['X', 'Y', 'X', 'Y', 'X', 'Y'],
    'value': [10, 20, 0, 30, 40, 0]
})

df_filtered = df[df['value'] != 0]

grouped = df_filtered.groupby(['category', 'subcategory']).sum()

grouped.hvplot.bar(stacked=False, by='category')

问题原因 #

原代码中groupby生成的多级索引会让hvplot默认对齐所有原始子分类的组合，即便某些组合已被过滤掉，仍会保留空占位。

解决方法 #

直接使用过滤后的DataFrame，明确指定x轴为子分类，按分类分组绘图，这样只有存在有效数据的分类-子分类组合才会被展示：

import pandas as pd
import hvplot.pandas

df = pd.DataFrame({
    'category': ['A', 'A', 'B', 'B', 'C', 'C'],
    'subcategory': ['X', 'Y', 'X', 'Y', 'X', 'Y'],
    'value': [10, 20, 0, 30, 40, 0]
})

# 过滤value为0的行并重置索引
df_filtered = df[df['value'] != 0].reset_index(drop=True)

# 指定x轴为子分类，按分类分组绘制非堆叠条形图
df_filtered.hvplot.bar(
    x='subcategory',
    y='value',
    by='category',
    stacked=False,
    rot=0  # 可选，让x轴标签横向显示，更易读
)

这样处理后，B分类只会显示Y子分类的条形，C分类只会显示X子分类的条形，不会再出现空分类占位。

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