编写人口金字塔绘制函数时如何区分两个同名参数

核心解决思路：不用重名参数，按男性/女性两个分组维度拆分语义独立的形参，从命名上直接区分两个图例、两类人口数据的传参入口，从根源避免同名参数冲突。

函数参数说明 #

• df: 绘图用的源数据DataFrame
• age_col: 年龄字段的列名，默认值为'Age'
• male_col: 男性人口统计值的列名，默认值为'Unmarried_Men'
• female_col: 女性人口统计值的列名，默认值为'Unmarried_Women'
• male_legend: 男性分组的图例名称，默认值为'Unmarried Men'
• female_legend: 女性分组的图例名称，默认值为'Unmarried Women'
• plot_title: 图表主标题，默认值为'Compare unmarried Men and Women'
• x_axis_title: X轴的标题文本，默认值为'Population in thousands'
• x_tick_range: X轴单侧最大刻度值，默认值为3000，函数会自动生成正负对称的刻度与标签

完整函数代码 #

import plotly.graph_objects as gp
import numpy as np

def plot_population_pyramid(
    df,
    age_col='Age',
    male_col='Unmarried_Men',
    female_col='Unmarried_Women',
    male_legend='Unmarried Men',
    female_legend='Unmarried Women',
    plot_title='Compare unmarried Men and Women',
    x_axis_title='Population in thousands',
    x_tick_range=3000
):
    fig = gp.Figure()
    # 添加男性侧横向柱形
    fig.add_trace(
        gp.Bar(
            y=df[age_col],
            x=df[male_col],
            name=male_legend,
            orientation='h'
        )
    )
    # 添加女性侧横向柱形，数值取负实现左右对称效果
    fig.add_trace(
        gp.Bar(
            y=df[age_col],
            x=df[female_col] * -1,
            name=female_legend,
            orientation='h'
        )
    )
    # 自动生成对称X轴刻度
    tick_step = 1000
    tick_vals = np.arange(-x_tick_range, x_tick_range + tick_step, tick_step).tolist()
    tick_texts = [str(abs(val)) for val in tick_vals]
    # 更新布局配置
    fig.update_layout(
        title=plot_title,
        barmode='overlay',
        bargroupgap=0,
        xaxis=dict(
            tickvals=tick_vals,
            ticktext=tick_texts,
            title=x_axis_title
        )
    )
    fig.show()

调用示例 #

直接使用默认参数绘图时，和参考代码效果完全一致：

plot_population_pyramid(df)

如果需要自定义图例、标题，直接传入对应参数即可，不会出现同名参数冲突的问题：

plot_population_pyramid(
    df,
    male_legend='已婚男性',
    female_legend='已婚女性',
    plot_title='已婚男女人口结构对比',
    x_axis_title='人口数（千人）'
)

注：函数自动生成对称X轴刻度，不需要手动写死刻度值，适配不同量级的人口数据。

内容的提问来源于stack exchange，提问作者Phan