Python循环绘制多个分组柱状图子图的实现方法

实现逻辑 #

核心逻辑是先计算适配产品总数的子图网格，再在每个子图内通过x轴位置偏移绘制两组并列柱形，全程不需要提前做透视表转换，原始长表DataFrame可直接使用。

完整实现代码 #

首先导入依赖库：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from math import ceil

然后做基础配置与绘图：

# 固定版本排序，避免绘图时版本顺序错乱
df['version'] = pd.Categorical(df['version'], categories=[0, 1, 2, 5], ordered=True)
# 获取所有产品清单
products = df['product'].unique()
product_total = len(products)
# 子图布局配置，列数可和你之前绘制折线图的参数保持一致
n_cols = 4
n_rows = ceil(product_total / n_cols)
bar_width = 0.35  # 分组柱的单柱宽度

# 创建画布与子图网格
fig, axes = plt.subplots(n_rows, n_cols, figsize=(n_cols*4, n_rows*3), sharey=False)
axes = axes.flatten()  # 将二维子图数组转为一维，方便循环遍历

# 遍历每个产品绘制对应子图
for idx, product in enumerate(products):
    ax = axes[idx]
    # 筛选当前产品数据，按版本顺序排序
    prod_data = df[df['product'] == product].sort_values('version')
    version_labels = prod_data['version'].astype(int).values
    x = np.arange(len(version_labels))  # 生成x轴基准位置

    # 绘制两组并列柱形，通过位置偏移实现分组效果
    ax.bar(x - bar_width/2, prod_data['count_before'], width=bar_width, label='count_before', color='#1f77b4')
    ax.bar(x + bar_width/2, prod_data['count_after'], width=bar_width, label='count_after', color='#ff7f0e')

    # 子图基础样式配置
    ax.set_title(product)
    ax.set_xticks(x)
    ax.set_xticklabels(version_labels)
    # 数值量级差异大时开启下一行的对数轴配置
    # ax.set_yscale('log')

# 隐藏没有对应产品的空白子图
for idx in range(product_total, len(axes)):
    axes[idx].axis('off')

# 全局统一添加图例，避免每个子图重复显示图例占用空间
handles, labels = axes[0].get_legend_handles_labels()
fig.legend(handles, labels, loc='upper right', ncol=2)
# 自动调整子图间距，避免标签、标题重叠
plt.tight_layout()
plt.show()

优化提示 #

• 如果不同版本的计数值量级差异过大（比如部分值为百万级、部分值为个位数），取消代码中ax.set_yscale('log')的注释启用对数坐标轴，即可解决小数值柱形被压缩到不可见的问题，大幅提升图表可读性。
• 数据中的缺失值NaN会被matplotlib自动识别跳过，对应位置不会绘制柱形，不需要额外做填充或删除处理。
• 子图列数、画布尺寸、柱宽、配色都可以直接修改参数，和你之前生成的折线图参数对齐即可获得完全一致的布局效果。

内容的提问来源于stack exchange，提问作者Geosphere