Python：为Pandas DataFrame中每个不同类别创建独立水平条形图

看起来你需要为DataFrame里的每个Category（A/B/C）分别生成水平条形图，不过首先得先把你的数据整理好——原始数据里Mon列只有每组的第一行有值，后续年份行的Mon是空的，得先填充这个缺失值，不然没法正确对应月份和年份。

下面是完整的实现步骤和代码：

步骤1：数据预处理 #

首先我们要把Mon列的缺失值填充，让每个年份行都对应正确的月份。可以用ffill()（向前填充）来实现，因为每个月份的年份行都是跟在有月份标识的行后面的。

步骤2：分组并绘制水平条形图 #

我们可以用pandas的分组功能，对每个Category单独处理，然后用matplotlib绘制水平条形图，每个Category的图可以单独展示或者放在子图里。

完整代码示例 #

import pandas as pd
import matplotlib.pyplot as plt

# 构造你的原始数据（补全省略的部分示例值）
data = [
    ["Jan", 2016, 0.024454035, "A"],
    [None, 2017, 0.048216976, "A"],
    [None, 2018, 0.064599633, "A"],
    ["Feb", 2016, 0.039955399, "A"],
    [None, 2017, 0.038249422, "A"],
    [None, 2018, 0.040955116, "A"],
    ["Mar", 2016, 0.047335373, "A"],
    [None, 2017, 0.095655431, "A"],
    [None, 2018, 0.018486543, "A"],
    ["Jan", 2016, 0.014454035, "B"],
    [None, 2017, 0.018216976, "B"],
    [None, 2018, 0.064599633, "B"],
    ["Feb", 2016, 0.039955399, "B"],
    [None, 2017, 0.083824942, "B"],
    [None, 2018, 0.080955116, "B"],
    ["Mar", 2016, 0.047335373, "B"],
    [None, 2017, 0.035655431, "B"],
    [None, 2018, 0.078486543, "B"],
    ["Jan", 2016, 0.024454035, "C"],
    [None, 2017, 0.018216976, "C"],
    [None, 2018, 0.024599633, "C"],
    ["Feb", 2016, 0.031955399, "C"],
    [None, 2017, 0.028249422, "C"],
    [None, 2018, 0.030955116, "C"]
]

df = pd.DataFrame(data, columns=["Mon", "Year", "Ratio", "Category"])

# 填充Mon列的缺失值，向前填充
df["Mon"] = df["Mon"].ffill()

# 获取所有唯一的Category
categories = df["Category"].unique()

# 为每个Category创建独立的图
for cat in categories:
    # 筛选当前Category的数据
    cat_df = df[df["Category"] == cat]
    # 创建画布
    plt.figure(figsize=(8, 6))
    # 生成y轴标签：组合月份和年份
    y_labels = [f"{row['Mon']} {row['Year']}" for _, row in cat_df.iterrows()]
    # 绘制水平条形图
    plt.barh(y_labels, cat_df["Ratio"], color="#1f77b4")
    # 设置图表标题和标签
    plt.title(f"Horizontal Bar Chart for Category {cat}")
    plt.xlabel("Ratio Value")
    plt.ylabel("Month-Year")
    # 调整布局防止标签被截断
    plt.tight_layout()
    # 展示图表（如需保存可替换为plt.savefig(f"category_{cat}_bar.png")）
    plt.show()

代码细节解释 #

1. 数据补全：用ffill()方法自动填充Mon列的缺失值，确保每一行都有对应的月份信息，避免后续绘图时出现数据错位。
2. 分组筛选：通过unique()获取所有类别，循环处理每个类别的数据，保证每个图表只对应单一Category。
3. 绘图优化：
   • 将月份和年份组合成y轴标签，让图表信息更直观；
   • 每个类别单独创建画布，避免多个图表重叠混乱；
   • tight_layout()自动调整图表元素位置，防止y轴长标签被截断。

如果想把所有类别放在同一个画布的子图中对比，也可以修改代码用plt.subplots()创建子图网格（比如3行1列），这样能同时查看所有类别的数据分布。

内容的提问来源于stack exchange，提问作者PineNuts0