Matplotlib不平衡数据集堆叠柱状图：小堆叠百分比标签优化求助

基于大规模不平衡数据集绘制堆叠柱状图，需要为每个堆叠添加百分比标签，但堆叠区域过小时标签显示杂乱拥挤。数据集为动态数据无法修改，尝试用matplotlib.text调整未解决问题，原实现代码如下：

def plot_stack_bar(plot_df, xlabel, ylabel, title):
    
    plot_df_percent=pd.DataFrame()
    cols = list(plot_df)
    plot_df_percent[cols] = plot_df[cols].div( plot_df[cols].sum(axis=1), axis=0 )
    
    plot_df.plot(kind='bar', stacked=True, figsize=(20, 17))
    plt.xlabel(xlabel)
    plt.ylabel(ylabel)
    plt.title(title)


    for n, x in enumerate([*plot_df.index.values]):
        i=0
        for (proportion, y_loc) in zip(plot_df_percent.loc[x],
                                       plot_df_percent.loc[x].cumsum()):
           
            y_loc = plot_df.iloc[n,I] / 2 + plot_df.iloc[n,:i].sum()
            plt.text(x=n-0.17,
                     y=y_loc,
                     s=f'{np.round(proportion * 100, 1)}%', 
                     color="black",
                     fontsize=12,
                     fontweight="bold")
            i=i+1
    plt.savefig(f'draft/{title}.png')        
    plt.show()

解决思路 #

• 过滤极小占比标签：设置占比阈值（如1%），占比低于阈值的标签直接不显示，从根源避免小区域标签拥挤
• 动态调整字体大小：根据占比大小自动缩小小占比标签的字号，既保留关键信息又减少空间占用
• 修正标签位置计算：修复原代码中变量大小写错误（I改为i），确保标签始终落在堆叠区域的垂直中心
• 可选优化柱子宽度：绘制柱状图时指定width参数缩小柱子宽度，给标签预留更多横向空间

修改后的代码 #

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

def plot_stack_bar(plot_df, xlabel, ylabel, title, label_threshold=1):
    # 计算各堆叠的百分比
    cols = plot_df.columns
    plot_df_percent = plot_df[cols].div(plot_df[cols].sum(axis=1), axis=0)
    
    # 绘制堆叠柱状图，可选调整柱子宽度
    ax = plot_df.plot(kind='bar', stacked=True, figsize=(20, 17), width=0.8)
    plt.xlabel(xlabel)
    plt.ylabel(ylabel)
    plt.title(title)

    # 遍历每个柱子和堆叠层
    for n, x in enumerate(plot_df.index.values):
        cumulative_sum = 0
        for i, (col, proportion) in enumerate(zip(cols, plot_df_percent.loc[x])):
            current_value = plot_df.iloc[n, i]
            # 计算标签垂直位置：当前堆叠的中心
            y_loc = cumulative_sum + current_value / 2
            # 计算百分比数值
            percent = np.round(proportion * 100, 1)
            
            # 仅显示占比超过阈值的标签
            if percent >= label_threshold:
                # 根据占比动态调整字体大小，最小保证8号字可读性
                font_size = max(8, 12 - int((10 - percent) * 0.4))
                plt.text(
                    x=n - 0.17,
                    y=y_loc,
                    s=f'{percent}%', 
                    color="black",
                    fontsize=font_size,
                    fontweight="bold"
                )
            cumulative_sum += current_value

    plt.savefig(f'draft/{title}.png')        
    plt.show()

代码关键说明 #

• label_threshold为可自定义参数，可根据数据集情况调整（比如设为0.5显示更低占比的标签）
• 字体大小随占比动态变化，避免小区域标签过大占用空间
• 用cumulative_sum替代原代码的切片求和，计算更高效且逻辑更清晰

内容的提问来源于stack exchange，提问作者moonwalker7