如何用Matplotlib绘制基于Pandas DataFrame的双值蜡烛状柱状图

用Matplotlib原生实现 #

步骤1：准备数据 #

先创建示例DataFrame（替换成你的实际数据即可）：

import pandas as pd
import matplotlib.pyplot as plt

# 示例数据
data = {
    'Title': ['A', 'B', 'C', 'D'],
    'Value_A': [0.1, 0.5, 0.2, 0.7],
    'Value_B': [0.3, 0.6, 0.4, 0.9]
}
df = pd.DataFrame(data)

步骤2：绘制蜡烛状竖线+标记点 #

这种方式直接展示每个类别下两个值的范围，用竖线连接，两端用不同颜色标记：

plt.figure(figsize=(8, 5))

# 设置x轴位置（对应每个Title）
x_pos = range(len(df))

# 绘制连接Value_A和Value_B的竖线
for idx in x_pos:
    plt.plot([idx, idx], [df['Value_A'][idx], df['Value_B'][idx]], color='black', linewidth=2)

# 标记两个值的点
plt.scatter(x_pos, df['Value_A'], color='#1f77b4', s=60, label='Value_A')
plt.scatter(x_pos, df['Value_B'], color='#ff7f0e', s=60, label='Value_B')

# 配置图表属性
plt.xticks(x_pos, df['Title'])
plt.xlabel('类别')
plt.ylabel('数值')
plt.title('双值蜡烛状图表')
plt.legend()
plt.tight_layout()
plt.show()

简化版：用errorbar快速实现 #

如果觉得循环画竖线麻烦，可以用errorbar函数自动生成范围线：

plt.figure(figsize=(8, 5))
x_pos = range(len(df))
# 计算中间值和上下误差
mid_values = (df['Value_A'] + df['Value_B']) / 2
error = (df['Value_B'] - df['Value_A']) / 2

plt.errorbar(x_pos, mid_values, yerr=[error, error],
             fmt='o', color='black', capsize=5, label='数值范围')
plt.scatter(x_pos, df['Value_A'], color='#1f77b4', s=60, label='Value_A')
plt.scatter(x_pos, df['Value_B'], color='#ff7f0e', s=60, label='Value_B')

plt.xticks(x_pos, df['Title'])
plt.xlabel('类别')
plt.ylabel('数值')
plt.title('双值蜡烛状图表')
plt.legend()
plt.tight_layout()
plt.show()

用Plotly实现（交互版） #

如果想要交互式图表，Plotly代码更简洁，还支持鼠标悬停查看数值：

import plotly.graph_objects as go

fig = go.Figure()

# 添加Value_A的标记点
fig.add_trace(go.Scatter(
    x=df['Title'], y=df['Value_A'],
    mode='markers', marker=dict(color='#1f77b4', size=10),
    name='Value_A'
))

# 添加Value_B的标记点+连接竖线
fig.add_trace(go.Scatter(
    x=df['Title'], y=df['Value_B'],
    mode='markers+lines', line=dict(color='black', width=2),
    marker=dict(color='#ff7f0e', size=10),
    name='Value_B'
))

# 配置布局
fig.update_layout(
    title='双值蜡烛状图表',
    xaxis_title='类别',
    yaxis_title='数值',
    showlegend=True
)

fig.show()

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