如何用pandas dataframe.plot从长数据绘制分组柱状图

没问题！要替代Seaborn的sns.barplot实现你要的分组柱状图，核心是先把长格式数据转换为宽格式——因为pandas的plot方法默认是按列来生成分组柱子的，而你当前的grouped_dataframe是长格式（每行对应一个日期+交易类型的组合）。

步骤1：将长格式数据转为宽格式 #

用pivot方法来重塑数据，把Transaction type转成列，Date作为索引，Amount (EUR)作为值：

# 转换为宽格式
wide_df = grouped_dataframe.pivot(
    index='Date',
    columns='Transaction type',
    values='Amount (EUR)'
)

如果你的数据存在某个日期缺少某类交易的情况（会出现NaN），可以用pivot_table并指定fill_value=0来填充缺失值：

wide_df = grouped_dataframe.pivot_table(
    index='Date',
    columns='Transaction type',
    values='Amount (EUR)',
    aggfunc='sum',  # 因已完成分组求和，此聚合逻辑不影响结果，仅确保数据完整性
    fill_value=0
)

步骤2：生成分组柱状图 #

现在直接调用plot.bar()就能得到和Seaborn效果一致的分组柱状图，还可以按需调整样式（包括指定你之前用到的ax1）：

import matplotlib.pyplot as plt

# 生成柱状图，绑定到指定的ax对象
ax = wide_df.plot(kind='bar', figsize=(12, 6), ax=ax1)

# 调整图表标签与标题
ax.set_ylabel('Amount (EUR)')
ax.set_title('Monthly Transaction Amounts by Type')

# 优化图例位置，避免遮挡图表内容
ax.legend(title='Transaction type', bbox_to_anchor=(1.05, 1), loc='upper left')

# 自动调整布局，防止轴标签被截断
plt.tight_layout()
plt.show()

为什么这样可行？ #

转换后的宽格式数据结构会变成类似这样：

此时pandas会把每一列作为一个分组，在每个x轴（Date）位置上并列显示对应列的柱子，完美对应你之前用Seaborn hue参数实现的分组效果。

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