如何用Python为大规模语音数据集创建堆叠条形图

问题本质 #

你用seaborn.barplot+dodge=False的方式是让同x轴位置的不同组件条重叠，而非堆叠。seaborn的barplot默认对每组数据计算统计量（默认均值），大样本下的置信区间渲染加上重叠效果，就出现了灰色块。要做堆叠条形图，必须先按x轴和组件分组聚合总时长，再基于聚合后的数据绘图。

解决步骤 #

1. 先聚合数据 #

原始数据有6200行，同一ps_med_frequency+component组合下存在多条hours记录，必须先求和得到每组的总时长：

# 分组求和并转宽格式，方便堆叠绘图
agg_df = meta_dataframe.groupby(['ps_med_frequency', 'component'])['hours'].sum().unstack(fill_value=0)

2. 用Pandas快速生成堆叠图 #

Pandas自带的plot方法支持直接生成堆叠条形图，代码简洁：

import matplotlib.pyplot as plt

# 绘制堆叠图
ax = agg_df.plot(kind='bar', stacked=True, figsize=(12, 6))

# 配置轴和标题
ax.set(xlabel='ps_med_frequency', ylabel='Total Hours', title='Speech Duration by Frequency & Component')

# 调整图例位置，避免遮挡
ax.legend(title='Component', bbox_to_anchor=(1.02, 1), loc='upper left')

plt.tight_layout()
plt.show()

3. Matplotlib手动绘制（更灵活） #

如果需要自定义样式，用Matplotlib手动堆叠：

import matplotlib.pyplot as plt

x_vals = agg_df.index
x_pos = range(len(x_vals))
bottom = [0]*len(x_pos)

# 逐个绘制每个组件的条形，堆叠在之前的条形上方
for comp in agg_df.columns:
    plt.bar(x_pos, agg_df[comp], bottom=bottom, label=comp)
    bottom = [b + val for b, val in zip(bottom, agg_df[comp])]

# 配置轴和标签
plt.xlabel('ps_med_frequency')
plt.ylabel('Total Hours')
plt.title('Speech Duration by Frequency & Component')
plt.xticks(x_pos, x_vals, rotation=45)

plt.legend(title='Component', bbox_to_anchor=(1.02, 1), loc='upper left')
plt.tight_layout()
plt.show()

重要提示 #

• 聚合是关键：不先聚合的话，原始数据的重复条目会导致绘图逻辑混乱，出现异常色块。
• 交互式缩放：只要你的Matplotlib用的是交互式后端（比如TkAgg、Qt5Agg），绘图后直接用鼠标滚轮或工具栏的缩放按钮即可操作。

内容的提问来源于stack exchange，提问作者Senne Van den Broeck