如何用Seaborn/Matplotlib绘制指定样式的柱状图与堆叠柱状图

我来帮你搞定这两个可视化需求！下面用Python的pandas和matplotlib实现，代码都写得很清楚，直接就能运行~

一、第一个数据集：分组柱状图 #

你的第一个数据集长这样：

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

# 构建数据集
data1 = {
    'A': [30, 39, 80, 80],
    'B': [50, 72, 150, 70],
    'C': [60, 79, 130, 90]
}
index1 = ['Above 90%', '80% - 90%', '65% - 80%', 'Below 65%']
df1 = pd.DataFrame(data1, index=index1)

要实现的是每个准确率区间下，A/B/C三个柱子并列对比的分组柱状图，代码如下：

# 设置柱子宽度，避免重叠
bar_width = 0.25
x = np.arange(len(df1.index))  # x轴位置

# 创建画布
fig, ax = plt.subplots(figsize=(10, 6))

# 分别绘制A、B、C的柱子，错开位置
bars_a = ax.bar(x - bar_width, df1['A'], width=bar_width, label='A')
bars_b = ax.bar(x, df1['B'], width=bar_width, label='B')
bars_c = ax.bar(x + bar_width, df1['C'], width=bar_width, label='C')

# 给每个柱子添加数值标签
for bars in [bars_a, bars_b, bars_c]:
    for bar in bars:
        height = bar.get_height()
        ax.text(bar.get_x() + bar.get_width()/2., height,
                f'{height}',
                ha='center', va='bottom', fontsize=10)

# 美化图表
ax.set_xlabel('准确率区间', fontsize=12)
ax.set_ylabel('数值', fontsize=12)
ax.set_title('各准确率区间下A/B/C数值对比', fontsize=14)
ax.set_xticks(x)
ax.set_xticklabels(df1.index)
ax.legend()

plt.tight_layout()
plt.show()

运行后就能得到你想要的分组柱状图，每个区间下三个柱子清晰对比A/B/C的数值。

二、第二个数据集：自定义堆叠柱状图 #

你的第二个数据集是带分类的详细数据：

# 构建数据集
data2 = [
    ['A', 'Fast Movers', 1, 11, 21, 9],
    ['A', 'Med Movers', 2, 13, 42, 40],
    ['A', 'Slow Movers', 34, 26, 44, 50],
    ['B', 'Fast Movers', 1, 11, 21, 9],
    ['B', 'Med Movers', 16, 48, 92, 45],
    ['B', 'Slow Movers', 33, 13, 37, 45],
    ['C', 'Fast Movers', 0, 0, 2, 30],
    ['C', 'Medi Movers', 11, 37, 74, 50],
    ['C', 'Slow Movers', 41, 42, 65, 30]
]
columns2 = ['Company', 'Category', 'Above 90%', '80% - 90%', '65% - 80%', 'Below 65%']
df2 = pd.DataFrame(data2, columns=columns2)

你需要的是以Category区分颜色，Company+准确率区间作为x轴标签的堆叠柱状图，核心是先把宽格式数据转成长格式，再进行堆叠绘制：

# 第一步：把宽格式数据转成长格式（方便堆叠）
df_melted = df2.melt(
    id_vars=['Company', 'Category'],
    var_name='Accuracy Interval',
    value_name='Count'
)

# 生成x轴标签：合并Company和准确率区间
df_melted['X Label'] = df_melted['Company'] + ' - ' + df_melted['Accuracy Interval']

# 获取唯一的x标签和Category类别
x_labels = df_melted['X Label'].unique()
categories = df_melted['Category'].unique()
x = np.arange(len(x_labels))  # x轴位置

# 创建画布
fig, ax = plt.subplots(figsize=(16, 8))

# 初始化堆叠的底部位置（从0开始）
bottom = np.zeros(len(x_labels))

# 按Category循环绘制堆叠部分，每个Category对应一种颜色
for category in categories:
    # 筛选当前Category的数据，并按x标签排序
    category_data = df_melted[df_melted['Category'] == category]
    category_data = category_data.set_index('X Label').reindex(x_labels)
    
    # 绘制堆叠柱子
    bars = ax.bar(x, category_data['Count'], bottom=bottom, label=category)
    
    # 给每个堆叠块添加数值标签（只显示非零值）
    for bar in bars:
        height = bar.get_height()
        if height > 0:
            ax.text(bar.get_x() + bar.get_width()/2., bar.get_y() + height/2.,
                    f'{height}',
                    ha='center', va='center', fontsize=9)
    
    # 更新底部位置，为下一个Category的堆叠做准备
    bottom += category_data['Count'].values

# 美化图表
ax.set_xlabel('公司 - 准确率区间', fontsize=12)
ax.set_ylabel('总数', fontsize=12)
ax.set_title('按Category颜色区分的堆叠柱状图', fontsize=14)
ax.set_xticks(x)
ax.set_xticklabels(x_labels, rotation=45, ha='right')  # 旋转标签避免重叠
ax.legend(title='分类', bbox_to_anchor=(1.05, 1), loc='upper left')  # 把图例放右边

plt.tight_layout()
plt.show()

这个代码生成的堆叠图完全符合你的要求：每个x轴标签是“公司-准确率区间”，柱子内部按Category用不同颜色堆叠，还加了数值标签让数据更直观~

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