Matplotlib绘制多组条形图时如何跳过NaN/0值的条形且维持布局间距

嘿，很高兴能帮到你！我仔细看了你的问题和代码，咱们可以这样解决——既能跳过NaN或0值的条形，又能保住原本的分组顺序和布局间距，不会乱掉～

问题根源 #

你之前的代码是不管有没有有效数据，都给每个位置绘制了条形，所以NaN或0值的地方就会留下空白间隙。我们要做的是只在有有效数据（非NaN且大于0）的位置绘制条形，同时保证同组内的条形间距均匀。

解决方案代码 #

我把你的代码重构了一下，用循环来处理所有条形，同时加入有效性判断，这样代码更简洁，也能实现你要的效果：

import pandas as pd 
import matplotlib.pyplot as plt 
import numpy as np 

# 你的原始数据
bardict = {"B": [0.14,0.12,0.02,0.02,np.nan,np.nan,np.nan],
           "L": [0.08,0.14,0.06,0.06,0.07,0.12,0.08],
           "M": [0.08,0.09,0.07,0.08,0.22,0.15,0.06],
           "C": [0.11,0.10,0.13,0.35,np.nan,0.11,0.21],
           "S": [np.nan,0.11,0.17,0.46,0.09,0.10,0.08],
           "W": [0.12,0.09,0.29,0.63,0.10,0.38,0.26]}

bar_C = pd.DataFrame(bardict)

fig, ax = plt.subplots(figsize=(10, 6))

# 定义分组信息和x轴基准位置
groups = bar_C.columns.tolist()
group_count = len(groups)
group_x_positions = np.arange(group_count)

# 定义每个子类别（对应表格的行，即3-9）的名称和颜色
subcategory_info = [
    ("3", "mediumturquoise"),
    ("4", "darkred"),
    ("5", "lightgreen"),
    ("6", "purple"),
    ("7", "gray"),
    ("8", "orange"),
    ("9", "darkblue")
]
single_bar_width = 0.12  # 单个条形的宽度，可根据需要调整
total_group_width = single_bar_width * len(subcategory_info)  # 同组所有条形的总宽度

# 遍历每个分组，再遍历每个子类别，只绘制有效数据的条形
for group_idx, group_name in enumerate(groups):
    for subcat_idx, (subcat_name, color) in enumerate(subcategory_info):
        current_value = bar_C.loc[subcat_idx, group_name]
        # 只保留非NaN且大于0的有效数据
        if not pd.isna(current_value) and current_value > 0:
            # 计算当前条形的精确x位置，保证同组内均匀分布
            bar_x = group_x_positions[group_idx] - total_group_width/2 + (subcat_idx + 0.5)*single_bar_width
            ax.bar(bar_x, current_value, single_bar_width, color=color)

# 设置x轴刻度和标签，保持原顺序
ax.set_xticks(group_x_positions)
ax.set_xticklabels(groups)

# 添加图表标签和标题
ax.set_xlabel("Group")
ax.set_ylabel('Value')
ax.set_title("Multi-Bar Graph")

# 手动创建图例，确保所有子类别都能显示（哪怕某些分组没有对应数据）
legend_handles = [plt.Rectangle((0,0), 1, 1, color=color) for _, color in subcategory_info]
ax.legend(legend_handles, [name for name, _ in subcategory_info], loc='upper left')

plt.tight_layout()
plt.show()

关键修改点说明 #

1. 循环替代重复代码：把原来7次重复的plt.bar改成循环，既简洁又容易维护
2. 有效数据判断：通过not pd.isna(current_value) and current_value > 0筛选出需要绘制的条形，直接跳过无效值
3. 精确计算x位置：重新计算每个条形的x坐标，保证同组内的条形均匀分布，不会因为跳过某些条形而导致间距混乱
4. 手动创建图例：避免因为某些子类别在部分分组没有数据而丢失图例项

补充说明 #

你之前尝试的fillna(0)没用，是因为Matplotlib绘制值为0的条形时，高度为0，看起来是空白，但其实还是占据了位置。我们的方法是直接不绘制这些无效值的条形，从根源上消除空白间隙。

备注：内容来源于stack exchange，提问作者moss