主页 / coding / 问题 / 77255552
Accepted
LostinSpatialAnalysis
Asked: 2023-10-09 06:29:25 +0800 CST

如何制作条形图，在 python 中的同一条形上以较淡的颜色显示百分比变化

  • 772

我有以下数据框，显示与每种颜色帽子相关的美元成本：

      Hat     Dollars
----------------------
0    Blue          33
1   Green          42
2     Red          54

因此，蓝帽子的价格为 33 美元，绿帽子的价格为 42 美元，红帽子的价格为 54 美元。

我可以使用这个简单的代码将其绘制为条形图seaborn：

dataplot = sns.barplot(x = 'Hat',
            y = 'Dollars',
            data = df,hue='Hat')
plt.gca().set_xticklabels([])
plt.ylabel("Dollars", fontsize=15)
plt.xlabel("Hat", fontsize=0)
plt.legend(title="Hat Costs")

现在，假设由于通货膨胀，明年帽子的价格上涨，因此下一年的帽子成本在此数据框中表示：

      Hat     Dollar
---------------------
0    Blue         33
1   Green         42
2     Red         54

我想要做的是获取第一个显示帽子成本的条形图，然后将新年的帽子成本插入第一个图表中，这样仍然只有三个条形，每种颜色一个，但新的金额显示为扩展原始条形的颜色，向上或向下，但用相同颜色标记的新区域褪色，或者如果不可行，则填充微弱的对角线。如何修改原始条形图的代码，以合并要显示在原始条形图上的每个原始条形图的新值？

python

1 个回答

  1. Best Answer

    最好的解决方案是使用matplotlib，它有一个名为“hatch”的功能，您可以使用它来根据自己的喜好自定义绘图。

    选项1：

    如果通货膨胀全部为正值或全部为负值，则这是最好的，就像“绿”帽的情况一样，阴影可能会产生误导

    data = pd.DataFrame({'Hat': ['Blue', 'Green', 'Red'], 'Dollars': [33,42,54], 'Dollars2': [35, 10, 70]})
lightcolors = ['lightblue', 'lightgreen','lightcoral' ]
fig = plt.figure()
ax1 = fig.add_subplot()
ax1.bar(range(1, len(data) + 1), data['Dollars'], color = data['Hat'])
ax1.bar(range(1, len(data) + 1), data['Dollars2'] - data['Dollars'], bottom=data['Dollars'], color = lightcolors, hatch='//')
plt.xticks(range(1, len(data) + 1), data['Hat'])
plt.show()

    在此输入图像描述

    选项2：

    使用浅绿色或浅红色来表示价格的上涨或下跌：

    data = pd.DataFrame({'Hat': ['Blue', 'Green', 'Red'], 'Dollars': [33,42,54], 'Dollars2': [35, 10, 70]})
lightcolors = ['lightblue', 'lightgreen','lightcoral' ]
delta = list(data['Dollars2'] - data['Dollars'])
lightcolors = ['lightcoral' if x <0 else 'lightgreen' for x in delta]
fig = plt.figure()
ax1 = fig.add_subplot()
ax1.bar(range(1, len(data) + 1), data['Dollars'])
ax1.bar(range(1, len(data) + 1), delta, bottom=data['Dollars'], color = lightcolors)
plt.xticks(range(1, len(data) + 1), data['Hat'])
plt.show()

    在此输入图像描述

    选项 3：

    如果你确实需要在这里使用seaborn，你可以探索seaborn.objects中的stack类

    data = pd.DataFrame({'Hat': ['Blue', 'Green', 'Red'], 'Dollars': [33,42,54], 'Dollars2': [35, 50, 70]})
import seaborn.objects as so
df = pd.melt(data, id_vars='Hat', value_vars=['Dollars', 'Dollars2'])
(
    so.Plot(df, x="Hat", y='value', alpha="variable", color='Hat')
    .add(so.Bars())
)

    在此输入图像描述

    • 1

相关问题