使用Plotly/Seaborn实现按month、event_name分组的多重直方图绘制

首先导入依赖并构造示例DataFrame：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import plotly.express as px

# 构造示例数据
data_example = {'event_name': ['verification_1', 'verification_2', 'verification_1', 'verification_2','verification_3'],'working_time_in_hours': [10,300,50,100,50],'month':['April','April','May','May','May']}
df = pd.DataFrame(data_example)

Seaborn 实现（静态图） #

提供两种常用布局，按需选择：

• 分面布局：每个月份对应独立子图，子图内区分不同事件的工时分布

sns.set_theme(style="whitegrid")
# 按月份分面，hue参数区分事件类型，multiple="dodge"设置柱子并排展示
g = sns.FacetGrid(df, col="month", height=4, aspect=1)
g.map_dataframe(sns.histplot, x="working_time_in_hours", hue="event_name", multiple="dodge", binwidth=20)
g.add_legend()
g.set_axis_labels("工时（小时）", "计数")
plt.show()

• 单图布局：所有维度在同一画布展示，适合快速对比

plt.figure(figsize=(8, 4))
# 若需展示每月各事件的总工时，可将x改为month，添加weights参数绑定工时字段
sns.histplot(data=df, x="month", weights="working_time_in_hours", hue="event_name", multiple="dodge", shrink=0.8)
plt.ylabel("总工时（小时）")
plt.show()

参数调整说明：将multiple="dodge"改为multiple="stack"可实现堆叠直方图效果

Plotly 实现（交互图） #

生成的图表支持悬停查看数值、放大缩小、筛选指定类别等操作：

• 分面交互直方图

fig = px.histogram(
    df, 
    x="working_time_in_hours", 
    color="event_name", 
    facet_col="month", 
    barmode="group", 
    nbins=10, 
    labels={"working_time_in_hours":"工时（小时）"}
)
fig.show()

• 单图分组交互直方图

fig = px.histogram(
    df, 
    x="month", 
    y="working_time_in_hours", 
    color="event_name", 
    barmode="group", 
    labels={"working_time_in_hours":"总工时（小时）"}
)
fig.show()

内容的提问来源于stack exchange，提问作者sebikooo