如何实现月度分组下年度子组的PC值堆叠Stacked Bar Plot？

需求可行性：完全可行 #

只要调整分组数据的处理逻辑和绘图细节，就能实现每个月份分组下的年度条形内部堆叠PC值，同时保持原有条形的数量与位置不变。

具体实现步骤（以Matplotlib为例） #

假设你的数据包含month（月份）、year（年度）、pc_category（PC类别）、value（数值）核心字段：

1. 数据预处理

   • 先按month和year做双层分组，确保每个月份下的年度分组完整；再在每个年度分组内拆分出各PC类别的数据。
   • 计算年度条形的位置偏移：因为每个月份要放置多个年度条形，需给每个年度分配一个偏移量（比如条形宽度设为0.2，4个年度的偏移为-0.3, -0.1, 0.1, 0.3，以月份刻度为中心）。

2. 循环绘制堆叠条形

   • 遍历每个月份，再遍历该月份下的每个年度：
     • 提取当前年度下各PC类别的汇总数值，按顺序堆叠。
     • 用bottom参数控制堆叠起始高度，初始值为0，每绘制一个PC类别就更新bottom为当前堆叠的总高度。
     • 调用你的颜色字典为每个PC类别匹配对应颜色。
   • 核心代码片段：

     import matplotlib.pyplot as plt
     import pandas as pd
     
     # 假设数据已加载为df，包含month, year, pc_category, value字段
     color_dict = {"PC1": "#FF5733", "PC2": "#33FF57", "PC3": "#3357FF"}  # 自定义颜色字典
     months = range(1, 13)
     years = df['year'].unique()
     bar_width = 0.2
     # 计算每个年度条形相对于月份刻度的偏移量
     offsets = [bar_width * i - bar_width * (len(years)-1)/2 for i in range(len(years))]
     
     fig, ax = plt.subplots(figsize=(12, 6))
     
     for month_idx, month in enumerate(months):
         month_data = df[df['month'] == month]
         for year_idx, year in enumerate(years):
             year_data = month_data[month_data['year'] == year]
             # 按PC类别汇总数值
             pc_grouped = year_data.groupby('pc_category')['value'].sum()
             bottom = 0
             for pc, val in pc_grouped.items():
                 ax.bar(
                     month_idx + offsets[year_idx], 
                     val, 
                     bar_width, 
                     bottom=bottom, 
                     color=color_dict[pc]
                 )
                 bottom += val
     
     # 设置x轴刻度与标签，避免错位
     ax.set_xticks(range(len(months)))
     ax.set_xticklabels([f"Month {m}" for m in months])
     # 添加图例等元素
     plt.legend(color_dict.keys(), title="PC Category")
     plt.xlabel("Month")
     plt.ylabel("Value")
     plt.show()
     

3. 规避x轴标签错位

   • 手动设置xticks在每个月份的中心位置（即range(len(months))），年度条形通过偏移量分布在中心两侧，彻底解决自动布局导致的标签错位问题。

替代可视化方案（若堆叠条形仍有适配问题） #

如果上述方法仍无法满足需求，可尝试以下方案：

• 分组堆叠热力图：x轴为月份，y轴为年度，每个单元格内用堆叠色块展示PC值占比，搭配颜色深浅表示数值大小，适合对比不同年度-月份的PC分布差异。
• 多子图折线图：为每个PC类别单独创建子图，x轴为月份，不同年度用不同颜色折线表示数值变化，清晰呈现单个PC的月度-年度趋势。
• 百分比堆叠条形图（带绝对值标注）：将每个年度条形的总高度设为100%，堆叠展示各PC的占比，同时在条形旁标注绝对值，兼顾占比分析与数量展示。

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