能否基于value_counts()在Plotly中生成按退出码分色的团队分组/堆叠条形图

用多层索引Series直接绘制matplotlib条形图时，会出现x轴标签重叠、图面臃肿的问题，可按照以下步骤通过Plotly实现符合要求的可视化：

第一步：预处理统计数据 #

保留原有分组计数逻辑，将多层索引的统计结果转换为Plotly可直接识别的格式，空值自动补0避免绘图报错：

import pandas as pd
import plotly.express as px

# 沿用原有分组统计逻辑
count_series = df.groupby('Team')['Exit Code'].value_counts()
# 把多层Series转成宽表，缺失计数补0
count_wide = count_series.unstack(fill_value=0).reset_index()
# 转成长格式匹配Plotly的参数规则
count_long = count_wide.melt(id_vars="Team", var_name="Exit Code", value_name="Count")

第二步：基础绘图 #

直接指定维度映射，Plotly会自动为不同退出码分配独立颜色：

fig = px.bar(
    count_long,
    x="Team",          # x轴为团队名称
    y="Count",         # y轴为对应退出码的任务计数
    color="Exit Code", # 不同退出码自动匹配不同区分度的颜色
    barmode="group",   # 并列条形模式，改为"stack"即为*堆叠条形模式*
    title="各团队不同退出码的任务数量统计",
    text_auto=True     # 自动在条形上标注对应数值
)

第三步：图面美化调整 #

移除冗余视觉元素，解决原图拥挤臃肿的问题：

fig.update_layout(
    xaxis_title="团队名称",
    yaxis_title="任务计数",
    legend_title="退出码类型",
    plot_bgcolor="white",  # 替换默认的浅灰色背景
    bargap=0.2,            # 调整组间条形的间距，避免拥挤
)
# 仅保留y轴的浅淡网格，降低视觉干扰
fig.update_yaxes(showgrid=True, gridcolor="#eeeeee")

常用自定义调整选项 #

• 团队数量较多时，把barmode参数从group改为stack，每个团队仅占1个条形宽度，图面会紧凑很多
• 退出码较多、默认颜色区分度不足时，可通过color_discrete_map手动指定固定颜色，比如成功退出码（0）用绿色、异常码用红色，提升可读性
• 这套逻辑完全可复用在GPU维度的统计上，仅需把代码中x="Team"改为x="GPU"，不需要重写统计逻辑

内容的提问来源于stack exchange，提问作者py_noob