如何跨第三维度绘制Pandas Panel列？附三年同结构犯罪数据

嘿，我来帮你搞定这个跨维度绘图的问题！首先得提个重要提醒：Pandas里的Panel已经在0.25.0版本之后被官方弃用了，现在更推荐用MultiIndex DataFrame或者xarray来处理这种三维数据。不过我还是会先给你演示Panel的用法，再分享更现代的替代方案，两种方式都能满足你的需求~

第一步：创建你的三个DataFrame #

先把你给出的年度数据转换成Pandas DataFrame：

import pandas as pd
import matplotlib.pyplot as plt

# 2015年数据
data_2015 = {
    '严重犯罪': ['诱拐', '绑架', '纵火', '妨害治安', '入室行窃', '严重伤害'],
    '记录在案案件数': [725, 246, 466, 436, 12707, 1299],
    '法律事实错误': [3, 6, 1, 1, 21, 3]
}
df_2015 = pd.DataFrame(data_2015).set_index('严重犯罪')

# 2016年数据
data_2016 = {
    '严重犯罪': ['诱拐', '绑架', '纵火', '妨害治安', '入室行窃', '严重伤害'],
    '记录在案案件数': [738, 297, 486, 394, 10287, 1205],
    '法律事实错误': [4, 9, 4, 1, 14, 0]
}
df_2016 = pd.DataFrame(data_2016).set_index('严重犯罪')

# 2017年数据（补全你未写完的部分，假设为合理数值）
data_2017 = {
    '严重犯罪': ['诱拐', '绑架', '纵火', '妨害治安', '入室行窃', '严重伤害'],
    '记录在案案件数': [647, 251, 418, 400, 11500, 1350],
    '法律事实错误': [2, 10, 3, 2, 18, 4]
}
df_2017 = pd.DataFrame(data_2017).set_index('严重犯罪')

方法一：使用Panel（已弃用，仅作演示） #

虽然Panel不再被推荐，但如果你一定要用它，步骤如下：

1. 用三个DataFrame构建Panel，第三维度（items）对应年份
2. 提取你想要绘制的列（比如记录在案案件数），转置后绘图

# 构建Panel（注意：此API已弃用，未来版本可能移除）
panel = pd.Panel({'2015': df_2015, '2016': df_2016, '2017': df_2017})

# 跨年份维度绘制"记录在案案件数"的对比图
panel['记录在案案件数'].T.plot(kind='bar', figsize=(12, 6))
plt.title('各年度严重犯罪记录在案案件数对比')
plt.xlabel('年份')
plt.ylabel('案件数')
plt.legend(title='犯罪类型')
plt.show()

# 同理，绘制"法律事实错误"的对比图
panel['法律事实错误'].T.plot(kind='bar', figsize=(12, 6))
plt.title('各年度严重犯罪法律事实错误数对比')
plt.xlabel('年份')
plt.ylabel('错误数')
plt.legend(title='犯罪类型')
plt.show()

方法二：使用MultiIndex DataFrame（推荐） #

这是现在Pandas官方推荐的三维数据处理方式，更灵活且长期支持：

1. 给每个DataFrame添加年份标签
2. 合并成一个带年份+严重犯罪双索引的DataFrame
3. 通过unstack方法把犯罪类型转成列，再绘图

# 给每个DataFrame添加年份列
df_2015['年份'] = 2015
df_2016['年份'] = 2016
df_2017['年份'] = 2017

# 合并成MultiIndex DataFrame
combined_df = pd.concat([df_2015, df_2016, df_2017]).reset_index().set_index(['年份', '严重犯罪'])

# 绘制各年度各犯罪类型的记录在案案件数
combined_df['记录在案案件数'].unstack('严重犯罪').plot(kind='bar', figsize=(12, 6))
plt.title('各年度严重犯罪记录在案案件数对比')
plt.xlabel('年份')
plt.ylabel('案件数')
plt.legend(title='犯罪类型')
plt.show()

# 绘制法律事实错误数的年度对比
combined_df['法律事实错误'].unstack('严重犯罪').plot(kind='bar', figsize=(12, 6))
plt.title('各年度严重犯罪法律事实错误数对比')
plt.xlabel('年份')
plt.ylabel('错误数')
plt.legend(title='犯罪类型')
plt.show()

小解释 #

unstack('严重犯罪')的作用是把MultiIndex中的严重犯罪层级从行索引转成列，这样每个犯罪类型就对应一列，年份作为行索引，刚好适合绘制年度对比的柱状图~

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