如何基于指定DataFrame绘制带两级X轴的柱状图（支持Matplotlib/Seaborn）

下面用Matplotlib实现你要的两级X轴柱状图，完全匹配需求：

步骤1：导入库并准备数据 #

先导入依赖库，再加载你的DataFrame数据：

import pandas as pd
import matplotlib.pyplot as plt

# 你的DataFrame数据
data = {
    'SP1-SP2': ['AFR-AMR', 'AFR-AMR', 'AFR-AMR', 'AFR-EAS', 'AFR-EUR', 'AFR-EUR', 'AFR-EUR', 'AFR-EUR', 'AFR-SAS', 'AMR-AMR', 'AMR-EAS'],
    'P1-P2': ['ACB-CLM', 'CLM-LWK', 'ESN-MXL', 'KHV-MSL', 'CEU-ACB', 'FIN-LWK', 'GWD-GBR', 'LWK-IBS', 'YRI-PJL', 'PEL-CLM', 'CHS-MXL'],
    'gmm Fowlkes Mallows': [0.883981, 0.630063, 0.944129, 0.916021, 0.892367, 0.875518, 0.934915, 0.943654, 0.646557, 0.993127, 0.886552],
    'kmeans Fowlkes Mallows': [0.973784, 0.649272, 0.974126, 0.960642, 0.911122, 0.886502, 0.963250, 0.974227, 0.517052, 0.996963, 0.924213]
}
df = pd.DataFrame(data)

步骤2：处理分组与位置参数 #

按SP1-SP2分组，计算每个分组的子项数量，用来确定柱子和主X轴标签的位置：

# 按SP1-SP2分组，获取分组名称和每个分组的子项数
groups = df.groupby('SP1-SP2')
group_names = list(groups.groups.keys())
group_sizes = [len(groups.get_group(name)) for name in group_names]

# 计算每个柱子的位置（每个子项对应gmm和kmeans两个柱子）
bar_width = 0.35
total_positions = []
current_pos = 0
for size in group_sizes:
    # 每个子项占bar_width*2的宽度，给两个柱子留空间
    positions = [current_pos + i*(bar_width*2) + j*bar_width for i in range(size) for j in range(2)]
    total_positions.extend(positions)
    current_pos += size*(bar_width*2) + bar_width  # 分组之间留间隙

# 计算主X轴标签的位置（每个分组的中间位置）
group_mid_positions = []
current_mid = (group_sizes[0]*(bar_width*2))/2 - bar_width/2
group_mid_positions.append(current_mid)
for i in range(1, len(group_sizes)):
    current_mid += group_sizes[i-1]*(bar_width*2) + bar_width + (group_sizes[i]*(bar_width*2))/2
    group_mid_positions.append(current_mid)

步骤3：绘制柱状图并设置两级X轴 #

plt.figure(figsize=(12, 6))

# 绘制gmm和kmeans的柱子
gmm_bars = plt.bar([pos for pos in total_positions[::2]], df['gmm Fowlkes Mallows'], width=bar_width, label='gmm Fowlkes Mallows', color='#1f77b4')
kmeans_bars = plt.bar([pos for pos in total_positions[1::2]], df['kmeans Fowlkes Mallows'], width=bar_width, label='kmeans Fowlkes Mallows', color='#ff7f0e')

# 设置次级X轴（下方显示P1-P2标签）
plt.xticks([(total_positions[2*i] + total_positions[2*i+1])/2 for i in range(len(df))], df['P1-P2'], rotation=45, ha='right')

# 添加主X轴（上方显示SP1-SP2分组）
ax = plt.gca()
ax2 = ax.twiny()
ax2.set_xlim(ax.get_xlim())
ax2.set_xticks(group_mid_positions)
ax2.set_xticklabels(group_names)
# 调整主X轴标签位置，避免和次级标签重叠
ax2.tick_params(axis='x', pad=25)

# 添加图表元素
plt.ylabel('Fowlkes Mallows Score')
plt.title('GMM vs KMeans Fowlkes Mallows Scores Comparison')
plt.legend()
plt.tight_layout()
plt.show()

效果说明 #

• 下方次级X轴显示每个柱子对应的P1-P2子标签
• 上方主X轴显示SP1-SP2分组名称，每个分组对应一组柱子
• 两种颜色分别区分gmm和kmeans的指标值，直观对比两组数据

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