如何基于Pandas DataFrame按某列分组结果绘制另一列的堆叠直方图

你使用pd.hist(by='Column A', column='Column B', stacked=True)无法得到预期效果的原因是：by参数的作用是将数据集按指定列的唯一值拆分，为每个分组单独生成子图，和你需要的「同一画布内按分组堆叠展示直方图」的需求不符。

可行实现方案 #

两种常用实现方法如下，可根据自定义需求选择：
首先导入依赖：

import pandas as pd
import matplotlib.pyplot as plt

方法1：转宽表后用pandas内置绘图接口 #

先把数据按Column A分组，转换为每列对应一个分组的宽格式，直接调用绘图接口即可：

# 示例数据，替换为你的实际数据即可
df = pd.DataFrame({
    'Column A': ['Foo', 'Bar', 'Baz', 'Foo', 'Bar', 'Baz', 'Foo', 'Bar', 'Baz'],
    'Column B': [5, 46, 100, 10, 52, 87, 17, 39, 92]
})

# 转为宽格式：每列对应Column A的一个分组，值为对应Column B的数值
df_wide = df.pivot(columns='Column A', values='Column B')

# 绘制堆叠直方图，bins参数可调整数值分箱数量
df_wide.plot.hist(stacked=True, edgecolor='white', bins=10)

# 可选：自定义图表样式
plt.xlabel('Column B 数值')
plt.ylabel('频数')
plt.title('按Column A分组堆叠直方图')
plt.legend(title='Column A')
plt.show()

方法2：直接用matplotlib手动拆分分组绘制 #

如果需要更灵活的样式配置，可手动拆分分组数据后传给matplotlib的hist接口：

# 按Column A拆分Column B的数值
grouped = df.groupby('Column A')['Column B']
group_values = [g.values for _, g in grouped]
group_labels = [name for name, _ in grouped]

# 绘制堆叠直方图
plt.hist(group_values, stacked=True, label=group_labels, edgecolor='white', bins=10)

# 自定义样式
plt.xlabel('Column B 数值')
plt.ylabel('频数')
plt.title('按Column A分组堆叠直方图')
plt.legend(title='Column A')
plt.show()

内容的提问来源于stack exchange，提问作者EDG956