如何将自定义注释添加到堆叠的条图

Question

由于可读性原因，我试图在直方图中注释海洋中的堆叠直方图，并为直方图中的每个段带有色调。我已经连接了下面的示例数据以及目前正在做的事情：

示例数据： https://easyupload.io/as5uxs < /a>

当前代码以组织和显示图：

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

# create the dataframe - from sample data file
data = {'brand': ['Audi', 'Audi', 'Audi', 'Audi', 'Audi', 'Audi', 'Audi', 'Audi', 'Audi', 'BMW', 'BMW', 'BMW', 'BMW', 'BMW', 'GM', 'GM', 'GM', 'GM', 'GM', 'GM', 'Toyota', 'Toyota'],
        'Model': ['A3', 'A3', 'A3', 'A5', 'A5', 'RS5', 'RS5', 'RS5', 'RS5', 'M3', 'M3', 'M3', 'X1', 'X1', 'Chevy', 'Chevy', 'Chevy', 'Chevy', 'Caddy', 'Caddy', 'Camry', 'Corolla']}

data = pd.DataFrame(data)

# make the column categorical, using the order of the 'value_counts'
data['brand'] = pd.Categorical(data['brand'], data['brand'].value_counts(sort=True).index)

# We want to sort the hue value (model) alphabetically
hue_order = data['Model'].unique()
hue_order.sort()

f, ax = plt.subplots(figsize=(10, 6))
sns.histplot(data, x="brand", hue="Model", multiple="stack", edgecolor=".3", linewidth=.5, hue_order=hue_order, ax=ax)

这将生成一个带有有序传奇和有序条的好图。但是，当我尝试使用多种方法注释时，我似乎无法使它起作用。我所追求的是具有色调的注释，然后是酒吧的高度（使用该制造商的车辆数量）。因此，例如，对于第一个栏，我希望它在第一个灰色阴影单元格中显示RS5X 4，以演示RS5型号的4辆车，依此类推，依此类推，依此类推。

我已经尝试了很多方法，并且正在努力使它起作用。我已经尝试使用过：

for i, rect in enumerate(ax.patches):
    # Find where everything is located
    height = rect.get_height()
    width = rect.get_width()
    x = rect.get_x()
    y = rect.get_y()

    # The height of the bar is the count value and can used as the label
    label_text = f'{height:.0f}'

    label_x = x + width / 2
    label_y = y + height / 2

    # don't include label if it's equivalently 0
    if height > 0.001:
        ax.text(label_x, label_y, label_text, ha='center', va='center', fontsize=8)

当前结果

​

Answer 1

• 为了创建所需的注释，有必要知道创建条形部分的顺序，这很难在现场后面做很多事情。因此，直接绘制重塑数据框将更容易，因为列和行订单更加明确。
  • 这只是一个计数图，而不是直方图，因此，用 pd.crosstab ，它将用'brand'作为索引，'Model'作为列，计数将是值。
  • 创建条形图时，每个数据帧列中的所有值都将连续绘制。由于我们知道列的顺序，因此很容易提取正确的列名称以添加到注释中。绘制所有列'a3'，然后'a5'等。

  。

  • 使用代码>）。有9个 barcontiners ，与每一列相对应。
  • 此实现不适用于枚举（ax.Patches），因为有36个补丁。

  


• Seaborn是Matplotlib的API，Pandas使用Matplotlib作为默认的绘图后端。
• matploblib＆gt; = 3.4.2具有 用于注释
  • 请参阅此答案有关更多信息和示例。
• 在 python 3.10 ， PANDAS 1.4.2 ， matplotlib 3.5.1

设置和重塑

# create the dataframe
data = {'brand': ['Audi', 'Audi', 'Audi', 'Audi', 'Audi', 'Audi', 'Audi', 'Audi', 'Audi', 'BMW', 'BMW', 'BMW', 'BMW', 'BMW', 'GM', 'GM', 'GM', 'GM', 'GM', 'GM', 'Toyota', 'Toyota'],
        'Model': ['A3', 'A3', 'A3', 'A5', 'A5', 'RS5', 'RS5', 'RS5', 'RS5', 'M3', 'M3', 'M3', 'X1', 'X1', 'Chevy', 'Chevy', 'Chevy', 'Chevy', 'Caddy', 'Caddy', 'Camry', 'Corolla']}

df = pd.DataFrame(data)

# sort brand by value counts
df['brand'] = pd.Categorical(df['brand'], df['brand'].value_counts(sort=True).index)

# reshape the dataframe and get count of each model per brand
ct = pd.crosstab(df.brand, df.Model)

# create a variable for the column names
cols = ct.columns

# display(ct)
Model   A3  A5  Caddy  Camry  Chevy  Corolla  M3  RS5  X1
brand                                                    
Audi     3   2      0      0      0        0   0    4   0
GM       0   0      2      0      4        0   0    0   0
BMW      0   0      0      0      0        0   3    0   2
Toyota   0   0      0      1      0        1   0    0   0

图

# plot the dataframe, which uses matplotlib as the backend (seaborn is just an api for matplotlib)
ax = ct.plot(kind='bar', stacked=True, width=1, ec='k', figsize=(10, 6), rot=0)

# iterate through each container and add custom annotations
for i, c in enumerate(ax.containers):
    
    # customize the label to account for cases when there might not be a bar section - with assignment expression (h := ...)
    labels = [f'{cols[i]}: {h:0.0f}' if (h := v.get_height()) > 0 else '' for v in c ]
    # without assignment expression v.get_height() must be called twice
    # labels = [f'{cols[i]}: {v.get_height():0.0f}' if v.get_height() > 0 else '' for v in c ]
    
    # set the bar label
    ax.bar_label(c, labels=labels, label_type='center', fontsize=8)
    
plt.show()