如何基于月度活跃/逾期统计DataFrame生成无小数占比的100%堆叠条形图？

嘿，这事儿用Python的pandas+可视化工具就能快速搞定，分两步走就行，完全不用复杂操作！我给你捋捋具体步骤：

第一步：生成每月活跃/逾期统计DataFrame #

首先得把原始数据按月份聚合出活跃数和逾期数。假设你的原始数据集有日期列（比如date）、活跃标记（比如is_active，1代表活跃，0代表不活跃）、逾期标记（比如is_overdue，1代表逾期）。用pandas的resample或者groupby就能一键统计：

import pandas as pd

# 先把日期列转成datetime格式（如果还没转的话）
df['date'] = pd.to_datetime(df['date'])

# 按月份分组，统计每月活跃数和逾期数
monthly_stats = df.resample('M', on='date').agg(
    每月活跃数=('is_active', 'sum'),  # sum就是统计活跃用户的数量
    每月逾期数=('is_overdue', 'sum')
).reset_index()

# 把日期转成「年-月」格式，x轴显示更友好
monthly_stats['月份'] = monthly_stats['date'].dt.strftime('%Y-%m')

要是你的活跃/逾期判断逻辑不一样（比如是从状态字段判断），只需要调整agg里的函数就行，比如用lambda x: (x['user_status'] == 'active').sum()这种，灵活得很。

第二步：生成带整数标注的100%堆叠条形图 #

这里给你两种方案，选你顺手的来：

方案1：用Matplotlib（基础通用） #

手动计算占比，然后堆叠绘图，还能精准控制标注显示整数：

import matplotlib.pyplot as plt

# 提取需要的数据
months = monthly_stats['月份']
active_counts = monthly_stats['每月活跃数']
overdue_counts = monthly_stats['每月逾期数']
total_counts = active_counts + overdue_counts  # 每月总用户数

# 转成整数百分比（避免小数）
active_pct = (active_counts / total_counts * 100).astype(int)
overdue_pct = (overdue_counts / total_counts * 100).astype(int)

# 开始画图
plt.figure(figsize=(10, 6))

# 先画活跃用户占比，再画逾期的叠在上面
bar_active = plt.bar(months, active_pct, label='活跃用户占比')
bar_overdue = plt.bar(months, overdue_pct, bottom=active_pct, label='逾期用户占比')

# 给每个条形加整数标注（占比）
for rect in bar_active:
    height = rect.get_height()
    plt.text(rect.get_x() + rect.get_width()/2., height/2,
             f'{height}%', ha='center', va='center', fontsize=10)
for rect in bar_overdue:
    height = rect.get_height()
    bottom_pos = rect.get_y()
    plt.text(rect.get_x() + rect.get_width()/2., bottom_pos + height/2,
             f'{height}%', ha='center', va='center', fontsize=10)

# 要是你想标注数量而不是占比，换成这段代码就行：
# for idx, (a, o) in enumerate(zip(active_counts, overdue_counts)):
#     plt.text(idx, a/2, f'{a}', ha='center', va='center', fontsize=10)
#     plt.text(idx, a + o/2, f'{o}', ha='center', va='center', fontsize=10)

plt.title('每月活跃/逾期用户100%堆叠占比图', fontsize=12)
plt.xlabel('月份', fontsize=10)
plt.ylabel('占比（%）', fontsize=10)
plt.legend()
plt.xticks(rotation=45)
plt.tight_layout()  # 自动调整布局，避免标签被截断
plt.show()

方案2：用Plotly Express（更快捷，带交互） #

不想手动算占比？用Plotly一键生成，还能自动加标注，交互性拉满：

import plotly.express as px

# 把宽表转成长表（Plotly更适合这种格式）
monthly_long = monthly_stats.melt(
    id_vars='月份', 
    value_vars=['每月活跃数', '每月逾期数'], 
    var_name='用户类型', 
    value_name='数量'
)

# 生成100%堆叠条形图，直接显示整数数量
fig = px.bar(
    monthly_long, 
    x='月份', 
    y='数量', 
    color='用户类型', 
    text='数量',  # 显示数量，精准整数
    barmode='relative'  # 这个参数就是开启100%堆叠
)

# 要是想显示占比，先提前计算整数占比列：
# monthly_long['占比(%)'] = (
#     monthly_long['数量'] / monthly_long.groupby('月份')['数量'].transform('sum') * 100
# ).astype(int)
# fig = px.bar(monthly_long, x='月份', y='占比(%)', color='用户类型', text='占比(%)', barmode='relative')

# 调整样式，让标注在条形内部
fig.update_layout(
    title='每月活跃/逾期用户100%堆叠图',
    xaxis_title='月份',
    yaxis_title='统计数量'
)
fig.update_traces(textposition='inside')
fig.show()

小提醒 #

• 如果活跃和逾期不是互斥的（比如有些用户既活跃又逾期），那得调整统计逻辑，比如统计「活跃且未逾期」「活跃且逾期」的数量，这样堆叠起来才是100%的总用户数。
• 所有标注都是整数的关键：用astype(int)把占比转成整数，或者直接用原始的整数统计数量，完全不会出现小数~

内容的提问来源于stack exchange，提问作者Agustina