Matplotlib柱状图缺失X轴类别及误差条不显示问题求助

问题原因 #

1. 仅显示2个柱状条 #

从你给出的前10行数据来看，smoking-number只有1.0和3.0两类，完全没有2.0的样本。执行groupby('smoking-number').mean()后，只会生成这两类的统计结果，所以绘图时自然只有2个柱子。

2. 标准误差条（sem）未显示 #

你给plot.bar的yerr参数传了整个sem数据框，但pandas的柱状图要求yerr必须是对应y轴列的标准误差值序列，不是完整的DataFrame。另外你设置的xlim(0.5,3.5)会偏移柱子的位置，也可能导致误差条被隐藏。

额外问题：你给newdata的smoking-number做了字符串映射，但sem里的smoking-number还是原始数值，虽然当前分组后行顺序一致，但后续数据变化可能导致误差条和柱子不匹配。

修复方案 #

1. 补全缺失的类别（解决柱子数量问题） #

如果你的数据集里确实没有smoking-number=2的样本，手动补全该行，保证X轴能显示三个标签：

# 定义需要的所有类别
required_cats = [1,2,3]
# 重新生成统计结果，补全缺失类别
newdata = newdf.groupby('smoking-number').mean().reindex(required_cats).reset_index()
sem = newdf.groupby('smoking-number').sem().reindex(required_cats).reset_index()
# 填充缺失值（无样本的类别均值和sem会是NaN，这里用0填充，可根据需求调整）
newdata.fillna(0, inplace=True)
sem.fillna(0, inplace=True)
# 映射类别名称
newdata['smoking-number'] = newdata['smoking-number'].map({1: 'never', 2: 'former', 3: 'current'})

如果数据集里其实有smoking-number=2的样本，先检查newdf['smoking-number'].unique()确认类别是否完整，可能是预处理时丢失了数据。

2. 修正误差条参数（解决sem不显示问题） #

绘图时给yerr传对应列的sem值，而不是整个DataFrame：

# 绘制distance柱状图，用sem['distance']作为误差值
newdata.plot.bar(x='smoking-number', y='distance', yerr=sem['distance'], ax=axes[0], legend=False)
# 绘制duration柱状图，用sem['duration']作为误差值
newdata.plot.bar(x='smoking-number', y='duration', yerr=sem['duration'], ax=axes[1], legend=False)

3. 调整X轴范围 #

现在有3个柱子，X轴刻度索引是0、1、2，把xlim改成适配的范围：

axes[0].set_xlim(-0.5, 2.5)
axes[1].set_xlim(-0.5, 2.5)

完整修正代码 #

import matplotlib.pyplot as plt
import pandas as pd

fig, axes = plt.subplots(nrows=2)
fig.tight_layout(pad=3.2)

# 补全缺失的smoking-number类别
required_cats = [1,2,3]
newdata = newdf.groupby('smoking-number').mean().reindex(required_cats).reset_index()
sem = newdf.groupby('smoking-number').sem().reindex(required_cats).reset_index()
newdata.fillna(0, inplace=True)
sem.fillna(0, inplace=True)

# 映射类别名称
newdata['smoking-number'] = newdata['smoking-number'].map({1: 'never', 2: 'former', 3: 'current'})
print(newdata)

# 修正误差条参数
newdata.plot.bar(x='smoking-number', y='distance', yerr=sem['distance'], ax=axes[0], legend=False)
newdata.plot.bar(x='smoking-number', y='duration', yerr=sem['duration'], ax=axes[1], legend=False)

# 修正Y轴范围计算（用对应列的最值，逻辑更合理）
upper_dist = newdata['distance'].max() + sem['distance'].max()
lower_dist = newdata['distance'].min() - sem['distance'].max()
upper_dur = newdata['duration'].max() + sem['duration'].max()
lower_dur = newdata['duration'].min() - sem['duration'].max()

axes[0].set_ylim(lower_dist, upper_dist)
axes[0].set_xlim(-0.5, 2.5)
axes[1].set_ylim(lower_dur, upper_dur)
axes[1].set_xlim(-0.5, 2.5)

axes[0].set_ylabel("Wayfinding distance")
axes[0].set_xlabel("Smoking frequency")
axes[1].set_ylabel("Wayfinding duration")
axes[1].set_xlabel("Smoking frequency")

plt.show()

内容的提问来源于stack exchange，提问作者Caledonian26