如何基于数值为Pandas多列条形图的每个柱子设置不同颜色

核心思路 #

pandas调用plot()方法生成条形图后，所有柱子对象都会存储在返回的Axes对象的patches属性中，只需遍历所有柱子，根据柱子高度（即对应销售额数值）判断修改填充色即可，无需单独适配多列逻辑，支持任意列数的数据集。

完整实现代码 #

步骤1：导入依赖与构造示例数据 #

import pandas as pd
import matplotlib.pyplot as plt

# 构造示例数据：行为地区，列为季度，可替换为你的14列DataFrame
data = {
    "Q1": [52000, 63000, 48000, 71000],
    "Q2": [58000, 59000, 65000, 49000],
    "Q3": [61000, 47000, 72000, 56000],
    "Q4": [75000, 62000, 54000, 68000]
}
df = pd.DataFrame(data, index=["华东", "华北", "华南", "西南"])

步骤2：绘图与颜色修改 #

# 生成分组条形图，拿到Axes对象
ax = df.plot(kind="bar", figsize=(10, 6), edgecolor="black")

threshold = 60000 # 销售额阈值：高于6万标红
# 遍历所有柱子修改颜色
for patch in ax.patches:
    sale_value = patch.get_height()
    if sale_value > threshold:
        patch.set_facecolor("red")
    else:
        patch.set_facecolor("#1f77b4") # 基础蓝色，可替换为其他蓝色系色值

# 图表样式优化
plt.title("各地区季度销售额统计", fontsize=12)
plt.xlabel("地区", fontsize=10)
plt.ylabel("销售额（元）", fontsize=10)
plt.xticks(rotation=0)
plt.legend(title="季度")
plt.tight_layout()
plt.show()

扩展：蓝色系渐变效果 #

如果需要低于阈值的柱子按数值高低显示深浅不同的蓝色，可引入matplotlib的颜色映射实现：

from matplotlib.colors import Normalize
from matplotlib.cm import Blues

ax = df.plot(kind="bar", figsize=(10, 6), edgecolor="black")
threshold = 60000

# 归一化低于阈值的数值范围，映射蓝色系
norm = Normalize(vmin=df.min().min(), vmax=threshold)
cmap = Blues

for patch in ax.patches:
    sale_value = patch.get_height()
    if sale_value > threshold:
        patch.set_facecolor("red")
    else:
        patch.set_facecolor(cmap(norm(sale_value)))

# 其余样式优化代码同上

内容的提问来源于stack exchange，提问作者SRA