Python3 结合Seaborn与Matplotlib绘制匹配Excel样式的55列条形图
Seaborn+Matplotlib实现匹配参考效果的分组条形图
以下步骤完全适配你提供的宽表数据结构,可直接迁移到包含55列维度的实际数据集上,最终效果可对齐参考图的核心视觉特征:每个横轴分组下并列展示3个类别的条形、配色辨识度高、图例不遮挡绘图区域、坐标轴无冗余装饰元素。
前置依赖导入
先加载绘图和数据处理所需的库:
import pandas as pd import matplotlib.pyplot as plt import seaborn as sns
原始数据格式转换
你提供的是宽表结构(行是情感分类、列是时间维度),Seaborn 绘图更适配长格式数据,需要通过melt方法做格式转换:
转换逻辑:把每个时间列的数值拆解成独立的行,新增列标注对应的维度值,最终结构为
月份 | 情感类型 | 计数值,完全适配Seaborn的参数映射规则。
# 构造你提供的示例宽表数据 raw_df = pd.DataFrame( data={ "2015-01": [28, 78, 17], "2015-02": [13, 20, 5], "2015-03": [12, 19, 45], "2015-04": [33, 3, 24], "2015-05": [7, 55, 9] }, index=["negative", "positive", "neutral"] ) # 宽表转长表适配绘图 plot_df = raw_df.T.reset_index(names="time_col").melt( id_vars="time_col", var_name="sentiment", value_name="count" )
如果你的实际数据集已经是同样的宽表结构,只需要替换raw_df为你的真实数据即可,后续逻辑完全通用。
全局风格与画布配置
调整全局参数匹配参考图的清爽视觉,同时适配55列多维度的宽幅展示需求:
# 启用Seaborn白底浅网格的风格,和Excel默认图表视觉接近 sns.set_style("whitegrid") # 设置画布尺寸为宽幅比例,多列场景下不会出现元素拥挤 fig, ax = plt.subplots(figsize=(15, 6)) # 自定义高辨识度配色,和Excel分类配色的观感一致 color_map = { "negative": "#e05252", # 对应负面类别的红调 "positive": "#48a868", # 对应正面类别的绿调 "neutral": "#a2a2a2" # 对应中性类别的灰调 }
生成分组条形图
直接调用Seaborn的barplot方法,通过hue参数自动实现同横坐标下的多类别并列分组,不需要手动计算条形偏移位置:
sns.barplot( data=plot_df, x="time_col", y="count", hue="sentiment", palette=color_map, edgecolor="white", # 条形加细白边,和参考图的分隔感匹配 linewidth=1, ax=ax )
细节调整对齐参考图效果
- 调整图例位置到绘图区上方,避免遮挡条形内容:
ax.legend( loc="upper center", bbox_to_anchor=(0.5, 1.15), ncol=3, frameon=False )
- 解决多列场景下x轴标签重叠的问题:55个时间维度如果全量显示标签会挤成一团,可按间隔隐藏部分标签:
# 每5个标签保留1个显示,可根据实际列数调整间隔 for idx, label in enumerate(ax.get_xticklabels()): if idx % 5 != 0: label.set_visible(False)
- 去掉冗余的顶部、右侧边框,和参考图的简洁边框匹配:
sns.despine(top=True, right=True, left=False, bottom=False)
- 调整坐标轴标题与布局,避免内容被画布边缘截断:
ax.set_xlabel("时间维度", fontsize=11) ax.set_ylabel("统计数值", fontsize=11) plt.tight_layout() # 显示最终图表 plt.show()
内容的提问来源于stack exchange,提问作者sdfweej009
相关产品推荐
相关产品推荐

