使用pandas或matplotlib绘制含可变分类堆叠柱状图的方法
解决思路
问题根源是原始数据为长表格式,且不同Period的Keys分类存在缺失,直接绘图时pandas无法自动对齐所有分类与日期,按照以下步骤处理即可:
步骤1:预处理Keys列
你当前的Keys列是列表格式,先提取为普通字符串,方便后续分组:
# 提取列表里的服务名,生成新的Service列 df['Service'] = df['Keys'].str[0]
步骤2:将长表转为透视宽表,自动补全缺失值
用pivot_table把Period作为行索引,Service作为列,值为Amount,缺失的组合自动填0,这样所有日期和所有分类都会被保留:
plot_df = df.pivot_table( index='Period', columns='Service', values='Amount', aggfunc='sum', fill_value=0 # 缺失的分类+日期组合金额填0,不会丢节点 )
这一步处理完的plot_df每行对应一个X轴的日期,每列对应一个堆叠的服务分类,不存在缺失值。
步骤3:用pandas原生绘图接口绘制堆叠柱状图
直接调用plot.bar的stacked参数即可,不会再丢失分类或日期:
import matplotlib.pyplot as plt # 绘制堆叠柱状图 ax = plot_df.plot.bar(stacked=True, figsize=(10,6)) # 可按需添加图例、标题等 ax.set_ylabel('Amount (USD)') ax.set_xlabel('Period') plt.title('AWS Service Cost by Period') plt.legend(title='AWS Service', bbox_to_anchor=(1.05, 1), loc='upper left') plt.tight_layout() plt.show()
补充说明
如果你的Keys列可能存在多值(比如一个行对应多个服务),可以先做行展开再做上述透视处理,逻辑一致。
内容的提问来源于stack exchange,提问作者ire
相关产品推荐
相关产品推荐

