pandas绘制堆叠条形图色彩过多难匹配分类，如何添加条形标签优化可读性

逐块添加文本标签的实现方法 #

你无需引入额外依赖，直接基于现有绘图对象遍历所有矩形条形块，匹配对应分类即可完成标注，完全替代侧边图例的识别成本：

• 绘图时显式接收matplotlib轴对象，不依赖全局plt状态，方便后续操作元素
• 遍历轴上所有已绘制的条形块，跳过高度为0的无效块，避免出现空白位置的冗余标签
• 自动匹配每个块对应的分类名称（matplotlib绘制堆叠图时按列顺序逐块渲染，可通过遍历序号整除x轴类别数快速定位对应分类）
• 标签优先放在块的垂直/水平中心位置，比放在块上方更不容易遮挡相邻元素；块高度过小时自动缩小字体，避免文字溢出边界

可直接复用的实现代码：

import matplotlib.pyplot as plt
import pandas as pd

# 替换为你的实际数据结构
df = pd.DataFrame(
    [[5, 2, 3, 4, 1, 3], [3, 5, 2, 1, 4, 2]],
    index=['x轴类别1', 'x轴类别2'],
    columns=['分类A', '分类B', '分类C', '分类D', '分类E', '分类F']
)

# 绘制堆叠条形图，调整x轴标签为水平显示，减少不必要的倾斜
ax = df.plot.bar(stacked=True, figsize=(8, 5), rot=0)

n_x_cats = len(df)
# 遍历所有条形块
for idx, patch in enumerate(ax.patches):
    block_height = patch.get_height()
    # 跳过数值为0的空块
    if block_height == 0:
        continue
    # 匹配当前块所属的分类索引
    col_idx = idx // n_x_cats
    # 计算标签位置：块的水平中心、垂直中心
    label_x = patch.get_x() + patch.get_width() / 2
    label_y = patch.get_y() + block_height / 2
    # 块高度较低时自动缩小字体
    font_size = 9 if block_height > 1.5 else 7
    ax.text(
        label_x, label_y,
        f"{df.columns[col_idx]}\n{int(block_height)}",
        ha='center', va='center', fontsize=font_size, color='white'
    )

# 已在块内标注分类，移除侧边冗余图例
ax.get_legend().remove()
plt.tight_layout() # 自动调整布局避免边缘标签被截断
plt.show()

高可读性优化方案 #

当分类数量超过6个时，单纯的色块+标注依然容易造成视觉混乱，可根据实际场景调整以下方案进一步提升易读性：

• 替换高饱和彩虹色板：改用低饱和度的渐进色板（如matplotlib内置的tab20、Set3），相邻分类的颜色差异控制在可清晰区分但不刺眼的程度，大幅降低长时间看图的视觉疲劳
• 聚合低占比分类：将累计占比低于5%的零散小值分类统一合并为"其他"类，把核心视觉空间留给高占比的重点分类，减少需要标注的色块总数
• 适配窄块标注策略：如果单个条形块高度过矮、塞不下文字，不要硬往块内压缩文字，可加细引线把标注伸到条形外侧，或用1-2个字符的分类缩写标注，避免文字重叠
• 高分类数场景换布局：当分类数超过10个时，堆叠条形图的可读性会快速下降，此时可改用分面小条形图（每个分类单独占一个小轴）、或树状热力图替代，阅读效率远高于硬挤在同一张图里的堆叠结构

内容的提问来源于stack exchange，提问作者Mr_12