求助：用Python基于Dataframe绘制特定双分类变量堆叠条形图

1. 数据预处理（适配你的数据结构） #

首先需要计算每个种族/族裔对应的午餐贡献值——即该种族中享受免费/减价午餐的学生占总群体的百分比，公式为：午餐贡献值 = 该分组午餐总百分比 × 种族/族裔占比。

假设你的数据框为df，如果是宽格式（每个种族单独列为一列），处理代码如下：

import pandas as pd
import matplotlib.pyplot as plt

# 模拟你的数据结构（替换成实际数据即可）
data = {
    "edu_group": ["小学", "初中", "高中"],
    "White": [0.4, 0.5, 0.6],
    "Black": [0.3, 0.2, 0.2],
    "Hispanic": [0.3, 0.3, 0.2],
    "free_lunch_pct": [65, 58, 45]
}
df = pd.DataFrame(data)

# 计算每个种族的午餐贡献值
race_cols = ["White", "Black", "Hispanic"]
for col in race_cols:
    df[f"{col}_lunch"] = df["free_lunch_pct"] * df[col]

如果是长格式（每行对应一个教育分组+种族的组合），处理代码如下：

# 模拟长格式数据
data = [
    {"edu_group": "小学", "race": "White", "race_pct": 0.4, "free_lunch_pct": 65},
    {"edu_group": "小学", "race": "Black", "race_pct": 0.3, "free_lunch_pct": 65},
    {"edu_group": "小学", "race": "Hispanic", "race_pct": 0.3, "free_lunch_pct": 65},
    {"edu_group": "初中", "race": "White", "race_pct": 0.5, "free_lunch_pct": 58},
]
df = pd.DataFrame(data)

# 计算贡献值并转成宽格式用于绘图
df["lunch_contribution"] = df["free_lunch_pct"] * df["race_pct"]
pivot_df = df.pivot(index="edu_group", columns="race", values="lunch_contribution")
race_cols = pivot_df.columns.tolist()

2. 绘制堆叠条形图 #

# 设置x轴位置与条形宽度
x = range(len(df["edu_group"]) if "edu_group" in df else len(pivot_df.index))
width = 0.7

# 初始化堆叠底部位置
bottom = [0] * len(x)

# 遍历种族绘制堆叠块
colors = ["#1f77b4", "#ff7f0e", "#2ca02c"]
for idx, race in enumerate(race_cols):
    # 根据数据格式选择对应的列
    values = df[f"{race}_lunch"] if f"{race}_lunch" in df else pivot_df[race]
    plt.bar(x, values, width, bottom=bottom, label=race, color=colors[idx])
    # 更新下一层堆叠的底部位置
    bottom = [b + val for b, val in zip(bottom, values)]

# 设置轴标签与标题
plt.xticks(x, df["edu_group"] if "edu_group" in df else pivot_df.index)
plt.ylabel("享受免费/减价午餐学生百分比")
plt.xlabel("教育分组")
plt.title("不同教育分组下各族裔午餐福利占比堆叠图")

# 添加图例
plt.legend(title="种族/族裔")

# 优化布局并显示图表
plt.tight_layout()
plt.show()

3. 效果说明 #

运行代码后会生成你期望的图表：

• X轴为edu_group（教育分组）
• 每个条形总高度对应该分组的午餐福利总百分比
• 条形的堆叠部分对应不同种族/族裔在该午餐福利中的占比

内容的提问来源于stack exchange，提问作者Matthew101