基于Pandas DataFrame绘制目标Matplotlib柱状图的技术求助

数据集信息 #

我的电影数据集Pandas DataFrame示例（count字段代表单部电影计数）：

此前该数据集为Spark DataFrame，通过以下代码转换为Pandas DataFrame：

pandasDF = movies_DF.toPandas()
pandasDF.head()

图表对比 #

• 当前生成的柱状图：
• 目标柱状图样式：

当前代码 #

x = list(pandasDF[pandasDF['yearOfRelease'] >= '1990']['yearOfRelease'])
import matplotlib.pyplot as plt
plt.figure()
pd.value_counts(x).plot.bar(title="number of movies by year of release ")

plt.xlabel("yearOfRelease")
plt.ylabel("numOfMovies")
plt.show()

需求 #

请指导如何调整代码以生成目标样式的柱状图。

直接修改代码如下，即可匹配目标图表样式：

import matplotlib.pyplot as plt
import pandas as pd

# 筛选1990年及以后的数据，保留原count字段
filtered_df = pandasDF[pandasDF['yearOfRelease'] >= '1990']

plt.figure()
# 基于原数据的年份和count绘制柱状图，保证年份顺序正确
plt.bar(filtered_df['yearOfRelease'], filtered_df['count'], color='#1f77b4')

# 配置标题和坐标轴标签，对齐目标图格式
plt.title('Number of Movies by Year of Release', pad=20, fontsize=12)
plt.xlabel('Year of Release', fontsize=10)
plt.ylabel('Number of Movies', fontsize=10)

# 给每个柱子添加顶部数值标签
for idx, val in enumerate(filtered_df['count']):
    plt.text(idx, val + 0.05, str(val), ha='center')

plt.tight_layout()
plt.show()

关键调整说明 #

• 放弃pd.value_counts()：原数据已自带count统计字段，直接使用可避免打乱年份排序
• 改用plt.bar()原生绘制：比DataFrame内置的plot方法更灵活，便于自定义样式
• 添加柱子顶部数值标签：匹配目标图的显示细节
• 优化标题、标签的间距和字体，让图表布局更整洁

内容的提问来源于stack exchange，提问作者pang sai