如何基于各含三组数据的三个数据集创建图表？已有CSV处理代码

嘿，你已经把数据提取整理得差不多了！接下来用你已经导入的pandas、matplotlib和seaborn就能轻松做出清晰的图表，我给你几个实用的方案，直接抄代码就能用~

首先建议把你分散的三个数据集合并成一个结构化的DataFrame，这样后续绘图会更方便：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 合并你的三个数据集为统一的DataFrame
data = {
    "Year": [2005, 2005, 2005, 2010, 2010, 2010, 2015, 2015, 2015],
    "Gender": ["Both sex", "Male", "Female"] * 3,
    "Value": [7.3, 11.7, 3.1, 7.0, 11.1, 2.8, 7.1, 10.9, 3.1]
}
df_combined = pd.DataFrame(data)

方案1：分组柱状图（最适合跨年份性别对比） #

这个图表能同时展示每年内不同性别的数据差异，以及同性别在不同年份的变化，非常直观：

# 设置清爽的绘图风格
sns.set_style("whitegrid")

# 创建分组柱状图
plt.figure(figsize=(10, 6))
sns.barplot(x="Year", y="Value", hue="Gender", data=df_combined, palette="viridis")

# 添加标题和标签，让图表更易读
plt.title("哥伦比亚2005-2015年分性别数据对比", fontsize=14)
plt.xlabel("年份", fontsize=12)
plt.ylabel("数值", fontsize=12)
plt.legend(title="性别")

# 显示图表
plt.show()

方案2：折线图（观察数据趋势） #

如果想重点看每个性别数据随时间的变化趋势，折线图是最佳选择：

plt.figure(figsize=(10, 6))
# 用marker标记每个年份的数据点，让趋势更清晰
sns.lineplot(x="Year", y="Value", hue="Gender", data=df_combined, marker="o", linewidth=2)

plt.title("哥伦比亚2005-2015年分性别数据趋势", fontsize=14)
plt.xlabel("年份", fontsize=12)
plt.ylabel("数值", fontsize=12)
plt.legend(title="性别")
plt.grid(True)

plt.show()

方案3：堆叠柱状图（展示年度数据构成） #

要是想观察每年整体数据的性别构成占比，堆叠柱状图会很合适：

# 先把数据转换成宽格式，适配堆叠柱状图的绘制要求
df_wide = df_combined.pivot(index="Year", columns="Gender", values="Value")

plt.figure(figsize=(10, 6))
df_wide.plot(kind="bar", stacked=True, colormap="viridis", ax=plt.gca())

plt.title("哥伦比亚2005-2015年分性别数据堆叠对比", fontsize=14)
plt.xlabel("年份", fontsize=12)
plt.ylabel("数值", fontsize=12)
plt.legend(title="性别")
# 让年份标签横向显示，避免拥挤
plt.xticks(rotation=0)

plt.show()

如果坚持想用你原来单独的Dataset2005、Dataset2010、Dataset2015来绘图，也可以手动构造数据列表，但合并成DataFrame是更规范的做法，后续修改或扩展数据会更省心~

内容的提问来源于stack exchange，提问作者user9454269