如何点击堆叠条形图区块打印对应数据集子集？

核心思路是给每个子图的堆叠元素绑定对应的筛选规则，在mplcursors的回调里区分点击的子图和堆叠层，再结合x轴标签筛选原始数据。

实现步骤与代码示例 #

1. 先准备示例数据并绘制两个堆叠条形子图，同时保存每个子图的x轴标签、堆叠层对象及对应类别：

import pandas as pd
import matplotlib.pyplot as plt
import mplcursors

# 构造示例数据集
data = pd.DataFrame({
    'month': ['January', 'January', 'February', 'February', 'March', 'March'],
    'year': [2022, 2023, 2022, 2023, 2022, 2023],
    'problem_code': ['A', 'B', 'A', 'B', 'A', 'B'],
    'count': [10, 15, 8, 12, 5, 9]
})

# 创建双列子图
fig, (ax_month, ax_year) = plt.subplots(1, 2, figsize=(12, 6))

# ---------------------- 第一个子图：月份-问题代码堆叠图 ----------------------
month_pivot = data.pivot(index='month', columns='problem_code', values='count').fillna(0)
month_x_labels = month_pivot.index
# 绘制各堆叠层并保存bars对象
bars_month_A = ax_month.bar(month_x_labels, month_pivot['A'], label='Problem A')
bottom = month_pivot['A']
bars_month_B = ax_month.bar(month_x_labels, month_pivot['B'], bottom=bottom, label='Problem B')
ax_month.set_title('Month vs Problem Code')
ax_month.legend()

# ---------------------- 第二个子图：年份-问题代码堆叠图 ----------------------
year_pivot = data.pivot(index='year', columns='problem_code', values='count').fillna(0)
year_x_labels = year_pivot.index
bars_year_A = ax_year.bar(year_x_labels, year_pivot['A'], label='Problem A')
bottom = year_pivot['A']
bars_year_B = ax_year.bar(year_x_labels, year_pivot['B'], bottom=bottom, label='Problem B')
ax_year.set_title('Year vs Problem Code')
ax_year.legend()

2. 定义回调函数，通过sel.artist.axes区分子图，sel.artist判断堆叠层，sel.target.index获取x轴索引，最终筛选数据：

# 用字典存储子图对应的筛选信息，方便扩展
plot_configs = {
    ax_month: {
        'x_labels': month_x_labels,
        'bar_to_category': {bars_month_A: 'A', bars_month_B: 'B'},
        'filter_column': 'month'
    },
    ax_year: {
        'x_labels': year_x_labels,
        'bar_to_category': {bars_year_A: 'A', bars_year_B: 'B'},
        'filter_column': 'year'
    }
}

def handle_click(sel):
    current_ax = sel.artist.axes
    config = plot_configs.get(current_ax)
    if not config:
        return
    
    # 获取x轴对应的筛选值
    x_index = sel.target.index
    filter_value = config['x_labels'][x_index]
    # 获取堆叠层对应的问题代码
    problem_code = config['bar_to_category'][sel.artist]
    
    # 筛选原始数据集
    subset = data[(data[config['filter_column']] == filter_value) & (data['problem_code'] == problem_code)]
    print("\n=== 选中的数据集子集 ===")
    print(subset)

# 绑定所有堆叠条到光标，关闭hover仅响应点击
cursor = mplcursors.cursor([bars_month_A, bars_month_B, bars_year_A, bars_year_B], hover=False)
cursor.connect("add", handle_click)

plt.tight_layout()
plt.show()

关键说明 #

• 每个子图的堆叠层对象（bars_month_A等）和对应的类别、筛选字段都存在plot_configs字典中，避免硬编码判断，方便后续添加更多堆叠层或子图。
• 通过sel.artist直接定位点击的堆叠条，结合sel.target.index拿到x轴的位置，就能准确匹配到原始数据的筛选条件。
• 关闭hover模式确保只有点击时才触发筛选，避免误操作。

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